ASSEMBLY_BINNING

ASSEMBLY_BINNING#

이 모듈은 메타게놈 데이터의 de novo 어셈블리, 빈닝 및 빈 정제를 위해 설계된 metaFun 파이프라인의 일부입니다.

개요#

ASSEMBLY_BINNING 모듈은 de novo 어셈블리와 빈닝 및 정제 과정을 위한 모듈입니다. 이 모듈은 품질 제어된 메타게놈 리드의 de novo 어셈블리를 수행한 후, 메타게놈 빈닝을 통해 정제 과정을 거친 메타게놈 어셈블 게놈(MAG)을 복원합니다.

모듈 실행#

# 기본 사용법
(metafun) metafun -module ASSEMBLY_BINNING

# RAWREAD_QC에서 사용자 정의 출력 경로를 사용한 경우 입력 디렉토리 지정
(metafun) metafun -module ASSEMBLY_BINNING -i /path/to/filtered_reads

# MEGAHIT 어셈블리 매개변수 변경
(metafun) metafun -module ASSEMBLY_BINNING --megahit_presets meta-large

# 자체 학습 모드에서 SemiBin2 사용 (입력 데이터에서 특성 학습, 더 오래 걸림)
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode self

# SemiBin2에 특정 환경 모델 사용 (여러 환경 모델 사용 가능)
# 'human_gut','dog_gut','ocean','soil','cat_gut','human_oral','mouse_gut','pig_gut','built_environment','wastewater','chicken_caecum','global'
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode human_gut

어셈블리 및 빈닝 옵션

어셈블리 및 빈닝 프로세스를 최적화하기 위한 여러 옵션이 있습니다: 모든 옵션을 한 명령줄에 지정할 수 있습니다.

MEGAHIT 어셈블리 프리셋:

기본값은 대부분의 메타게놈에 균형이 맞는 default로 설정되어 있습니다.
토양과 같은 크고 복잡한 메타게놈의 경우 --megahit_presets meta-large 사용:

복잡한 메타게놈에 meta-large 프리셋 사용#

(metafun) metafun -module ASSEMBLY_BINNING --megahit_presets meta-large

더 민감하지만 느린 어셈블리의 경우 --megahit_presets meta-sensitive 사용:

더 높은 민감도를 위해 meta-sensitive 프리셋 사용#

(metafun) metafun -module ASSEMBLY_BINNING --megahit_presets meta-sensitive

SemiBin2 환경 모델:

기본값은 self(참조 모델 없이 자체 감독 학습)로 설정되어 있습니다.
참조 데이터가 없는 새로운 환경의 경우 자체 감독 모드 사용:

새로운 환경에 자체 감독 모드 사용#

(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode self

특정 환경의 경우 사용 가능한 모델 중에서 선택:

환경별 모델 사용#

# 인간 마이크로바이옴
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode human_gut
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode human_oral

# 동물 마이크로바이옴
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode dog_gut
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode cat_gut
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode mouse_gut
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode pig_gut
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode chicken_caecum

# 환경 샘플
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode ocean
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode soil
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode wastewater
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode built_environment

# 범용 모델
(metafun) metafun -module ASSEMBLY_BINNING --semibin2_mode global

모듈 작동 순서#

이 모듈은 다음 단계를 수행합니다:

MEGAHIT를 사용한 De novo 어셈블리
일관된 형식을 위한 컨티그 이름 변경
어셈블된 컨티그에 대한 Bowtie2 인덱스 구축
컨티그에 메타게놈 리드 매핑
MetaBAT2 및 SemiBin2를 사용한 메타게놈 빈닝
DAS Tool을 사용한 빈 정제

매개변수#

${launchDir}은 metaFun을 실행하는 디렉토리로, 출력 기본 디렉토리로 활용됩니다.

매개변수	설명	기본값	참고
`-i, --inputDir`	필터링된 리드가 있는 입력 디렉토리	`${launchDir}/results/metagenome/RAWREAD_QC/read_filtered`	RAWREAD_QC 모듈의 출력 또는 품질 필터링된 리드가 포함된 자체 디렉토리를 지정합니다. RAWREAD_QC 모듈에서 출력 디렉토리를 지정하지 않은 경우 입력 디렉토리 없이 실행할 수 있습니다.
`-o, --outdir`	출력 디렉토리	`${launchDir}/results/metagenome/ASSEMBLY_BINNING`	다운스트림 분석을 위해 기본값 권장
`--megahit_presets`	MEGAHIT 어셈블리 프리셋	`default`	옵션: `default`, `meta-large`, `meta-sensitive`
`--semibin2_mode`	SemiBin2 환경 모델	`self`	옵션: `self`, `human_gut`, `dog_gut`, `ocean`, `soil` 등
`-p, --processors`	사용할 CPU 수	`8`

입력 및 출력#

입력#

품질 제어된 페어드 엔드 메타게놈 리드(RAWREAD_QC 워크플로우에서)
이 리드는 호스트 필터링 및 품질 트리밍이 되어 있어야 함
기본 입력 디렉토리: ${launchDir}/results/metagenome/RAWREAD_QC/read_filtered

출력#

어셈블된 컨티그(FASTA 형식)
여러 빈닝 방법으로부터의 메타게놈 어셈블 게놈(MAG):
- MetaBAT2 빈
- SemiBin2 빈
- MetaBAT2와 SemiBin2를 사용한 DAS Tool 정제 빈
관련 매핑 파일 및 중간 결과(Nextflow의 작업 디렉토리에서 확인 가능)

출력 디렉토리 구조#

출력 디렉토리는 ${launchDir}/results/metagenome/ASSEMBLY_BINNING 또는 -o outdir로 지정한 디렉토리 경로에 있습니다.

입력 및 출력 디렉토리 전환

-o ${output directory}로 사용자 정의 출력 디렉토리를 정의하는 경우, 다운스트림 워크플로우에서 입력 매개변수를 적절히 수정해야 합니다. 기본 출력 디렉토리는 ${launchDir}의 results/metagenome/ASSEMBLY_BINNING입니다.

출력 디렉토리 구조#

${launchDir}/results/metagenome/ASSEMBLY_BINNING/
├── assembled_contigs/                # MEGAHIT 어셈블리 결과
│   ├── results/
│   │   ├── assembly/
│   │   │   ├── ${sample_id}/
│   │   │   │   ├── ${sample_id}_renamed_MH.contigs.fa  # 어셈블되고 이름이 변경된 컨티그
│   ├── ...
├── metabat2_bins/                    # MetaBAT2 빈닝 결과
│   ├── ${sample_id}_MB2.1.fa         # 개별 MetaBAT2 빈
│   ├── ${sample_id}_MB2.2.fa
│   ├── ${sample_id}_MB2.3.fa
│   ├── ...
├── semibin2_bins/                    # SemiBin2 빈닝 결과
│   ├── ${sample_id}_${mode}_SB2_0.fa     # 개별 SemiBin2 빈
│   │                                  # 여기서 ${mode}는 선택한 환경 모델임(예: self, human_gut)
│   ├── ${sample_id}_${mode}_SB2_1.fa
│   ├── ${sample_id}_${mode}_SB2_2.fa
│   ├── ...
├── dastool_bins/                     # DAS Tool 정제 빈
│   ├── ${sample_id}_dastool_DASTool_bins/
│   │   ├── ${sample_id}_*.fa      # DAS Tool 정제 빈
│   │   ├── ...
│   ├── ...
└── final_bins/                       # 다운스트림 분석을 위한 모든 빈의 최종 모음
    ├── ${sample_id}_*.fa         # 모든 방법에서 최상의 빈 복사본
    ├── ...

실행 예제 및 결과#

metaFun 명령줄 실행 예제#

SemiBin2 출력 파일 이름 지정에 대해

SemiBin2 출력 파일 이름은 다음 패턴을 따릅니다: ${sample_id}_${mode}_SB2_${number}.fa

${sample_id}: 입력 리드의 샘플 식별자
${mode}: --semibin2_mode로 선택한 SemiBin2 환경 모델
- 예: self, human_gut, ocean 등
${number}: 순차적 빈 번호

예: SRR6915091_human_gut_SB2_14.fa

assembled_contigs 폴더의 어셈블리와 final_bins 디렉토리의 게놈이 이 모듈의 주요 출력 파일입니다.

생성된 빈의 품질은 BIN_ASSESSMENT 모듈에서 평가할 수 있습니다.