(BIN_ASSESSMENT_description)= # BIN_ASSESSMENT 이 모듈은 메타게놈 어셈블 게놈(MAG)의 품질 평가 및 분류학적 분류를 위해 설계된 metaFun 파이프라인의 일부입니다. ## 개요 BIN_ASSESSMENT 모듈은 메타게놈 어셈블 게놈(MAG)의 포괄적인 평가를 위해 설계된 metaFun 파이프라인의 세 번째 단계입니다. 이 모듈은 CheckM2를 사용한 품질 평가, GUNC를 사용한 오염도 평가, GTDB-Tk를 사용한 분류학적 분류를 수행하고, 다운스트림 분석을 위해 결과를 결합합니다. 이 모듈은 비교 유전체 분석에 적합한 고품질 게놈을 식별하는 데 도움이 됩니다. ## 모듈 작동 순서 이 모듈은 다음 단계를 수행합니다: 1. 입력 게놈 빈 준비 2. CheckM2를 사용한 게놈 품질 평가 3. GUNC를 사용한 게놈 오염도 평가 4. CheckM2 및 GUNC 결과 결합 및 품질 기반 게놈 필터링 5. GTDB-Tk를 사용한 품질 필터링된 게놈의 분류학적 분류 6. 품질 평가 및 분류학적 분류를 결합한 최종 보고서 작성 7. (선택 사항) 사용자 제공 메타데이터와 결과 결합 ## 매개변수 **`${launchDir}`은 metaFun을 실행하는 디렉토리로, 출력 기본 디렉토리로 활용됩니다.** | 매개변수 | 설명 | 기본값 | 참고 | |-----------|-------------|---------------|------| | `-i, --inputDir` | 게놈 빈이 있는 입력 디렉토리 | `${launchDir}/results/metagenome/ASSEMBLY_BINNING/final_bins` | ASSEMBLY_BINNING 모듈의 출력 또는 게놈 빈이 포함된 자체 디렉토리를 지정합니다. | | `-o, --outdir` | 출력 디렉토리 | `${launchDir}/results/metagenome/BIN_ASSESSMENT` | 다운스트림 분석을 위해 기본값 권장 | | `-m, --metadata` | 메타데이터 파일 경로 | null | 선택 사항이지만 권장됩니다. 다운스트림 분석을 위해 품질/분류학 결과를 샘플 메타데이터와 결합하는 데 사용됩니다. | | `-c, --accession_column` | 메타데이터의 열 인덱스 | 1 | 메타데이터 파일에서 게놈 빈 이름과 일치하는 샘플 식별자가 포함된 열을 지정합니다. | | `--pass_quality` | 게놈 선택을 위한 품질 필터 | `QS50.pass` | 옵션: `medium_quality.pass`, `high_quality.pass`, `medium_quality_gunc.pass`, `high_quality_gunc.pass`, `QS50.pass`, `QS50_gunc.pass`, `all` | | `-p, --processors` | 사용할 CPU 수 | 20 | 시스템 기능에 따라 조정 | | `--run_id` | 고유 실행 식별자 | Timestamp_workflowName | "yyyyMMddHHmmss_number" 형식(예: "20250306135829_2996")으로 자동 생성됩니다. 필요한 경우 사용자 정의할 수 있습니다. | :::{admonition} 품질 필터링 및 메타데이터 매개변수에 대한 정보 :class: note **품질 필터링 구현:** Nextflow 스크립트는 `--pass_quality` 매개변수를 기반으로 품질 필터링을 구현합니다. 게놈이 처리될 때: - 매개변수는 지정된 품질 기준에 따라 후속 단계로 전달될 게놈을 선택합니다. - `--pass_quality`가 `all`로 설정된 경우, 모든 게놈 빈이 필터링 없이 포함됩니다. - 다른 옵션(`QS50.pass`, `medium_quality.pass` 등)의 경우, 스크립트는 선택된 품질 기준에 대해 "True"로 표시된 게놈만 포함하도록 결합된 품질 보고서의 해당 열에 따라 게놈을 필터링합니다. **Accession Column 예시:** 메타데이터 파일과 함께 `--accession_column`이 작동하는 방식의 예: 메타데이터 파일(sample_metadata.csv): ``` run_accession,sample_id,location,disease_status,age SRR6915091,P001,USA,Healthy,35 SRR6915092,P002,Canada,Disease,42 SRR6915093,P003,UK,Healthy,28 ``` 게놈 빈 이름은 다음과 같을 것입니다: - SRR6915091_bin.1.fa - SRR6915091_bin.2.fa - SRR6915092_bin.1.fa ... 이러한 빈 이름을 메타데이터와 일치시키려면 다음을 사용합니다: ``` metafun -module BIN_ASSESSMENT -m sample_metadata.csv -c 1 ``` 열 1(`run_accession`)에 게놈 빈 이름의 접두사와 일치하는 샘플 식별자(SRR6915091, SRR6915092)가 포함되어 있기 때문입니다. ::: ## **입력 및 출력** ### 입력 * FASTA 형식의 게놈 빈(`.fa`, `.fna`, 또는 `.fasta` 확장자) * ASSEMBLY_BINNING 워크플로우에서 나온 고품질 빈이어야 함 * 기본 입력 디렉토리: `${launchDir}/results/metagenome/ASSEMBLY_BINNING/final_bins` * 선택 사항: CSV 또는 TSV 형식의 샘플 정보가 포함된 메타데이터 파일 (BIN_ASSESSMENT_output)= ### 출력 * CheckM2 품질 평가 결과 * GUNC 오염도 평가 결과 * GTDB-Tk 분류학적 분류 * 품질 필터링된 게놈 빈 * 결합된 품질 및 분류학 보고서 * 선택 사항: 품질/분류학 정보가 포함된 결합 메타데이터 ### 출력 디렉토리 구조 출력 디렉토리는 `${launchDir}/results/metagenome/BIN_ASSESSMENT` 또는 `-o outdir`로 지정한 디렉토리 경로에 있습니다. ```{admonition} 입력 및 출력 디렉토리 전환 :class: note `-o ${output directory}`로 사용자 정의 출력 디렉토리를 정의한 경우, 다운스트림 워크플로우에서 입력 매개변수를 적절히 수정해야 합니다. 기본 출력 디렉토리는 ${launchDir}에 있는 `results/metagenome/BIN_ASSESSMENT`입니다. ``` ```{code-block} bash :caption: 출력 디렉토리 구조 ${launchDir}/results/metagenome/BIN_ASSESSMENT/ ├── prepared_bins_${run_id}/ # 준비되고 이름이 변경된 입력 빈 │ └── renamed_bins/ │ ├── ${sample_id}_bin.1.fa │ ├── ${sample_id}_bin.2.fa │ └── ... ├── checkm2_${run_id}/ # CheckM2 품질 평가 결과 │ └── ${outputDirCheckM2}/ │ ├── quality_report.tsv # 주요 품질 평가 보고서 │ ├── protein_files/ # 게놈에서 예측된 단백질 │ │ ├── ${genome_name}.faa │ │ └── ... │ └── ... ├── gunc_${run_id}/ # GUNC 오염도 평가 결과 │ └── ${outputDirGUNC}/ │ ├── GUNC.progenomes_2.1.maxCSS_level.tsv # 주요 오염도 보고서 │ └── ... ├── checkm_gunc_combined_${run_id}/ # 결합된 품질/오염도 결과 │ └── combined_report.tsv # 결합된 CheckM2 및 GUNC 결과 ├── bins_quality_passed/ # 품질 필터링된 게놈 빈 │ ├── ${sample_id}_bin.1.fa # 품질 필터를 통과한 빈만 포함 │ └── ... ├── gtdb_outdir_${run_id}/ # GTDB-Tk 분류학 분류 결과 │ ├── gtdbtk.bac120.summary.tsv # 박테리아 게놈 분류 │ ├── gtdbtk.ar53.summary.tsv # 고세균 게놈 분류 │ ├── quality_taxonomy_combined.csv # 결합된 품질 및 분류학 │ └── ... └── quality_taxonomy_combined_final.csv # 다운스트림 분석을 위한 최종 보고서 ``` 또한, 메타데이터가 제공될 때: ```{code-block} bash :caption: 메타데이터 관련 출력 파일(launchDir에 있음) ${launchDir}/ ├── combined_metadata_quality_taxonomy_${run_id}.csv # 결합된 메타데이터 및 품질/분류학 └── metadata_column_BIN_ASSESSMENT_summary.tsv # 메타데이터 열 요약 ``` ## 모듈 실행 ```{code-block} bash # 기본 사용법 (metafun) metafun -module BIN_ASSESSMENT # ASSEMBLY_BINNING에서 사용자 지정 출력 경로를 사용한 경우 입력 디렉토리 지정 (metafun) metafun -module BIN_ASSESSMENT -i /path/to/bins # 품질/분류 결과와 결합할 메타데이터 파일 제공(권장) (metafun) metafun -module BIN_ASSESSMENT -m your_metadata.csv -c 2 # 게놈 선택을 위한 품질 필터 지정 (metafun) metafun -module BIN_ASSESSMENT --pass_quality medium_quality.pass ``` :::{admonition} 품질 필터링 옵션 :class: note 품질 메트릭에 기반하여 게놈을 필터링하는 여러 옵션이 있습니다: - 기본 품질 필터링을 위해 `medium_quality.pass` 사용: ```{code-block} bash :caption: 중간 품질 필터 적용 (metafun) metafun -module BIN_ASSESSMENT --pass_quality medium_quality.pass ``` - 더 엄격한 품질 요구 사항을 위해 `high_quality.pass` 사용: ```{code-block} bash :caption: 고품질 필터 적용 (metafun) metafun -module BIN_ASSESSMENT --pass_quality high_quality.pass ``` - 품질 및 GUNC 검사를 모두 통과하는 게놈 포함: ```{code-block} bash :caption: 품질 및 GUNC 필터 적용 (metafun) metafun -module BIN_ASSESSMENT --pass_quality QS50_gunc.pass ``` - 사용 가능한 품질 필터 옵션: - `medium_quality.pass`: 완전성 ≥ 50%, 오염도 < 10% - `high_quality.pass`: 완전성 > 90%, 오염도 < 5% - `medium_quality_gunc.pass`: medium_quality + GUNC 통과 - `high_quality_gunc.pass`: high_quality + GUNC 통과 - `QS50.pass`: QS50 점수 ≥ 50 - `QS50_gunc.pass`: QS50 통과 + GUNC 통과 - `all`: 품질 필터링 없음(모든 게놈 포함) ::: ## 실행 예제 및 결과 ### metaFun 명령줄 실행 예제 ```{figure} ../../images/BIN_ASSESSMENT_command.png --- width: 100% figclass: margin-caption alt: metafun_pipeline name: BIN_ASSESSMENT_command align: middle --- ``` ::::{admonition} 메타데이터와 품질/분류학 결과 결합하기 :class: note 결합된 메타데이터 파일(combined_metadata_quality_taxonomy_${run_id}.csv)은 GENOME_SELECTOR 모듈의 다운스트림 분석에 필수적입니다. 이는 게놈 품질 및 분류학을 샘플 메타데이터와 연결합니다. 이 프로세스에서 선택된 빈은 COMPARATIVE_ANNOTATION 모듈에서 추가 분석에 사용됩니다. 메타데이터 파일을 효과적으로 사용하려면: 1. 먼저 메타데이터 열 요약을 확인하여 열 구조를 식별합니다: ```{code-block} bash :caption: 메타데이터 열 요약 보기 cat yourmetadata.csv ``` 메타데이터에 대한 접근 열을 식별해야 합니다 이것은 게놈 선택 및 추가 분석을 진행하기 전에 데이터 구조를 이해하는 데 도움이 됩니다. :::: ### 품질 평가 결과 예시 ```{code-block} bash :caption: CheckM2 품질 보고서 예시 $ head -n 5 ${launchDir}/results/metagenome/BIN_ASSESSMENT/checkm2_*/quality_report.tsv Name Completeness Contamination Completeness_Model_Used Translation_Table_Used Coding_Density Contig_N50 Average_Gene_Length Genome_Size GC_Content Total_Coding_Sequences Total_Contigs Max_Contig_Length Additional_Notes SRR6915091_bin.1 98.2 1.3 Neural Network (Specific Model) 11 0.877 278453 899.8 2758979 0.474 2698 823 32542 None SRR6915091_bin.2 87.6 3.2 Neural Network (Specific Model) 11 0.863 129876 891.2 3104325 0.418 3077 945 28754 None SRR6915091_bin.3 62.4 5.1 Gradient Boost (General Model) 11 0.901 87542 911.5 2198765 0.562 2154 752 18923 None ``` CheckM2 품질 보고서에는 다음과 같은 주요 열이 포함됩니다: - **Name**: 게놈 빈 식별자 - **Completeness**: 추정된 게놈 완전성 백분율(0-100%) - **Contamination**: 추정된 오염도 백분율(0-100%) - **Completeness_Model_Used**: 완전성 추정에 사용된 모델(예: "Neural Network (Specific Model)", "Gradient Boost (General Model)") - **Translation_Table_Used**: 번역에 사용된 유전 코드 - **Coding_Density**: 단백질을 코딩하는 게놈의 비율 - **Contig_N50**: 컨티그의 N50 값(이 크기 이상의 컨티그에 게놈의 50%가 포함된 길이) - **Average_Gene_Length**: 예측된 유전자의 평균 길이 - **Genome_Size**: 염기쌍 단위의 게놈 총 크기 - **GC_Content**: 게놈의 GC 함량(0-1) - **Total_Coding_Sequences**: 예측된 코딩 시퀀스 수 - **Total_Contigs**: 게놈 어셈블리의 컨티그 수 - **Max_Contig_Length**: 가장 큰 컨티그의 길이 ### 분류학적 분류 결과 예시 ```{code-block} bash :caption: GTDB-Tk 분류학적 분류 예시 $ head -n 5 ${launchDir}/results/metagenome/BIN_ASSESSMENT/gtdb_outdir_*/gtdbtk.bac120.summary.tsv | Genome | Completeness | Contamination | medium_quality.pass | near_complete.pass | medium_quality_gunc.pass | near_complete_gunc.pass | QS50 | QS50.pass | pass.GUNC | QS50_gunc.pass | classification | Analysis_accession | bioproject_accession | accession_used_in_analysis | country | continent | host_age | host_body_mass_index | host_sex | disease_group | AJCC_stage | age_group | |-----------------------|--------------|---------------|---------------------|--------------------|--------------------------|-------------------------|-------|-----------|-----------|----------------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------|----------------------|----------------------------|---------|-----------|----------|----------------------|----------|---------------|------------|-----------| | SRR6915091_MB2.14 | 91.77 | 0.55 | True | True | True | True | 89.02 | True | True | True | d__Bacteria;p__Bacillota_C;c__Negativicutes;o__Acidaminococcales;f__Acidaminococcaceae;g__Acidaminococcus;s__Acidaminococcus intestini | SRR6915091 | PRJNA447983 | SRR6915091 | Italy | Europe | 77.0 | 23.0 | Male | CRC | | Old | | SRR6915091_MB2.16 | 93.32 | 6.58 | True | False | False | False | 60.42 | True | False | False | d__Bacteria;p__Bacteroidota;c__Bacteroidia;o__Bacteroidales;f__Bacteroidaceae;g__Phocaeicola;s__Phocaeicola dorei | SRR6915091 | PRJNA447983 | SRR6915091 | Italy | Europe | 77.0 | 23.0 | Male | CRC | | Old | | SRR6915091_MB2.17 | 70.82 | 2.2 | True | False | True | False | 59.82 | True | True | True | d__Bacteria;p__Bacillota_A;c__Clostridia;o__Lachnospirales;f__Lachnospiraceae;g__Fusicatenibacter;s__Fusicatenibacter saccharivorans | SRR6915091 | PRJNA447983 | SRR6915091 | Italy | Europe | 77.0 | 23.0 | Male | CRC | | Old | | SRR6915091_MB2.18_sub | 64.01 | 9.25 | True | False | False | False | 17.76 | True | False | False | d__Bacteria;p__Bacillota_A;c__Clostridia;o__Oscillospirales;f__Oscillospiraceae;g__Flavonifractor;s__Flavonifractor plautii | SRR6915091 | PRJNA447983 | SRR6915091 | Italy | Europe | 77.0 | 23.0 | Male | CRC | | Old | ```{code-block} bash :caption: 결합된 품질 및 분류학 보고서 예시 $ head -n 5 ${launchDir}/results/metagenome/BIN_ASSESSMENT/quality_taxonomy_combined_final.csv Genome,Completeness,Contamination,medium_quality.pass,high_quality.pass,medium_quality_gunc.pass,high_quality_gunc.pass,QS50,QS50.pass,pass.GUNC,QS50_gunc.pass,classification SRR6915091_bin.1,98.2,1.3,True,True,True,True,89.02,True,True,True,d__Bacteria;p__Bacteroidota;c__Bacteroidia;o__Bacteroidales;f__Bacteroidaceae;g__Bacteroides;s__Bacteroides vulgatus SRR6915091_bin.2,87.6,3.2,True,False,True,False,72.76,True,True,True,d__Bacteria;p__Firmicutes_A;c__Clostridia;o__Lachnospirales;f__Lachnospiraceae;g__Blautia;s__Blautia obeum SRR6915091_bin.3,62.4,5.1,True,False,False,False,47.05,False,False,False,d__Bacteria;p__Firmicutes_A;c__Clostridia;o__Oscillospirales;f__Ruminococcaceae;g__Faecalibacterium;s__Faecalibacterium prausnitzii ``` ## BIN_ASSESSMENT 모듈의 Nextflow 프로세스 | 프로세스 | InputDir | OutputDir | 참고 | |---------|----------|-----------|------| | prepareInputFiles | `${params.inputDir}` | `${params.outdir}/prepared_bins_${params.run_id}` | 입력 게놈 빈 준비 및 이름 변경 | | runCheckM2 | prepareInputFiles의 출력 | `${params.outdir}/checkm2_${params.run_id}` | CheckM2 품질 평가 | | runGUNC | runCheckM2의 출력 | `${params.outdir}/gunc_${params.run_id}` | GUNC 오염도 평가 | | combineFiles | runCheckM2 및 runGUNC의 출력 | `${params.outdir}/checkm_gunc_combined_${params.run_id}` 및 `${params.outdir}/bins_quality_passed` | 결과 결합 및 게놈 필터링 | | gtdbtk | combineFiles의 출력 | `${params.outdir}/gtdb_outdir_${params.run_id}` | GTDB-Tk 분류학적 분류 | | createFinalFile | gtdbtk의 출력 | `${params.outdir}` | 최종 결합 보고서 생성 | | combineMetadata | 최종 보고서 및 사용자 메타데이터 | `${launchDir}` | 선택 사항: 사용자 메타데이터와 결합 | | create_metadata_summary | 결합된 메타데이터 파일 | `${launchDir}` | 메타데이터 열 요약 생성 | ## BIN_ASSESSMENT 워크플로우의 프로세스 설명 1. **prepareInputFiles**: 파일 확장자를 표준화하고 압축된 파일을 처리하여 입력 게놈 빈을 준비합니다. - 입력: 게놈 빈이 포함된 디렉토리 - 출력: `.fa` 형식의 표준화된 게놈 빈이 있는 디렉토리 2. **runCheckM2**: 계통 특이적 마커 유전자를 기반으로 완전성과 오염도를 추정하는 CheckM2를 사용하여 게놈 품질을 평가합니다. - 입력: 표준화된 게놈 빈 - 출력: CheckM2 품질 보고서 및 단백질 파일 - 마커 유전자 식별을 위한 CheckM2 데이터베이스 사용 3. **runGUNC**: 게놈 일관성을 기반으로 오염을 감지하는 GUNC를 사용하여 게놈 오염도를 평가합니다. - 입력: CheckM2의 단백질 파일 - 출력: GUNC 오염도 보고서 - 참조 기반 오염 감지를 위한 GUNC 데이터베이스 사용 4. **combineFiles**: CheckM2 및 GUNC 결과를 결합하고, 품질 점수를 계산하며, 품질 임계값에 따라 게놈을 필터링합니다. - 입력: CheckM2 및 GUNC 보고서 - 출력: 결합된 품질 보고서 및 필터링된 게놈 빈 - 선택된 품질 매개변수에 기반한 품질 필터링 구현 5. **gtdbtk**: Genome Taxonomy Database를 기반으로 분류를 할당하는 GTDB-Tk를 사용하여 품질 필터링된 게놈의 분류학적 분류를 수행합니다. - 입력: 품질 필터링된 게놈 빈 - 출력: 박테리아 및 고세균 게놈에 대한 GTDB-Tk 분류 결과 - 분류를 위한 GTDB-r220 데이터베이스 활용 6. **createFinalFile**: 품질 평가 및 분류학적 분류를 결합한 포괄적인 최종 보고서를 생성합니다. - 입력: 결합된 품질 보고서 및 GTDB-Tk 결과 - 출력: 품질 메트릭 및 분류가 포함된 최종 보고서 - 가능한 경우 이전 실행 결과 병합 7. **combineMetadata**: (선택 사항) 최종 품질/분류학 보고서를 사용자 제공 메타데이터와 결합합니다. - 입력: 최종 보고서 및 사용자 메타데이터 파일 - 출력: 품질, 분류학 및 샘플 정보가 포함된 결합된 메타데이터 파일 - 다운스트림 분석을 위해 게놈 정보를 샘플 메타데이터와 연결 8. **create_metadata_summary**: 후속 분석을 지원하기 위한 메타데이터 열 요약을 생성합니다. - 입력: 결합된 메타데이터 파일 - 출력: 인덱스와 이름이 있는 메타데이터 열 요약 - 다운스트림 분석을 위한 관련 열 식별 지원 ## BIN_ASSESSMENT에서 사용되는 도구 | 도구 | 목적 | 버전 | 데이터베이스 | 데이터베이스 버전 | 기본 매개변수 | 선택할 수 있는 매개변수 | |------|---------|------------|------------|------------------|---------------------|--------------------------------| | CheckM2 | 게놈 품질 평가 | 1.0.2 | CheckM2 Database | 1.0.2 | `--threads ${task.cpus} --output-directory ${params.outputDirCheckM2} -x fa` | 출력 디렉토리 이름 | | GUNC | 게놈 오염도 평가 | 1.0.6 | GUNC Database | progenomes2.1 | `-g -t ${task.cpus} -o ${params.outputDirGUNC} -e .faa` | 출력 디렉토리 이름 | | GTDB-Tk | 게놈 분류학 분류 | 2.4.0 | GTDB | r220 | `--mash_db mash_220.db.msh --cpus ${task.cpus} --pplacer_cpus ${task.cpus}` | 이 워크플로우에 특정한 것 없음 | ## BIN_ASSESSMENT의 사용자 정의 스크립트 | 스크립트 | 목적 | 입력 | 출력 | 참고 | |--------|---------|-------|--------|------| | Checkm2_GUNC_combine_quality_pass.py | CheckM2 및 GUNC 결과 결합 | CheckM2 및 GUNC 보고서 | 결합된 품질 보고서 | 품질 점수 및 플래그 계산 | | GTDB_add2_check2gunc.py | 품질 및 분류학 데이터 결합 | 품질 보고서 및 GTDB-Tk 결과 | 결합된 품질/분류학 보고서 | 포괄적인 게놈 보고서 생성 | | combine_metadata_WMS_genome.py | 게놈 데이터를 샘플 메타데이터와 결합 | 게놈 보고서 및 사용자 메타데이터 | 결합된 메타데이터 파일 | 게놈 데이터를 샘플 컨텍스트와 연결 | ## 사용 참고 사항 - **BIN_ASSESSMENT** 워크플로우는 ASSEMBLY_BINNING 워크플로우의 출력과 함께 작동하도록 설계되었습니다. - **COMPARATIVE_ANNOTATION** 모듈의 다운스트림 분석을 위해 `--metadata` 옵션을 사용하여 메타데이터 제공을 강력히 권장합니다. - 기본 품질 필터(`QS50.pass`)는 QS50 품질 점수 ≥ 50인 게놈을 선택하지만, 연구 필요에 따라 다른 필터를 선택할 수 있습니다. - 스크립트는 진행하기 전에 입력 디렉토리의 존재 및 비어 있지 않은지 확인합니다. - 여러 샘플의 병렬 처리를 위해 다른 `--run_id` 값으로 워크플로우를 실행할 수 있습니다. - 최종 품질/분류학 보고서 및 선택적 결합 메타데이터 파일은 **COMPARATIVE_ANNOTATION** 모듈의 주요 입력입니다. ## 다음 단계 이 모듈로 게놈 품질 및 분류학을 평가한 후, **GENOME_SELECTOR**로 진행하여 관심 있는 게놈을 선택합니다. 그런 다음 **COMPARATIVE_ANNOTATION**에서 결과 csv 파일을 사용하여: - 유전자 예측 및 주석 수행 - 비교 유전체 분석 수행 - 기능적 프로필 생성 - 다양한 샘플이나 조건에 걸쳐 게놈 비교 (BIN_ASSESSMENT_combine_metadata)= ## 메타데이터와 품질/분류학 결과 결합하기 :::{admonition} 샘플 메타데이터와 게놈 정보 결합하기 :class: note, dropdown 메타데이터는 CSV 형식의 페어드 엔드 리드 메타게놈 파일의 공통 기본 이름을 포함해야 합니다. 예를 들어, 페어드 엔드 메타게놈 fastq 파일 쌍의 기본 이름은 다음과 같습니다: `SRR6915091_1.fastq`, `SRR6915091_2fastq` --> **basename**: `SRR6915091` ### 메타게놈의 메타데이터 **메타데이터 csv 파일의 예시 테이블 내용:** - 자신만의 csv 형식의 메타데이터 파일을 준비해야 합니다. - 참고용으로 생물정보 프로젝트 [PRJNA447983](https://www.nature.com/articles/s41591-019-0405-7)의 메타데이터를 csv 형식으로 다운로드하세요. {download}`CRC_Control113_PRJNA447983_metadata.csv ` | bioproject_accession | accession_used_in_analysis | country | continent | host_age | host_body_mass_index | host_sex | disease_group | AJCC_stage | age_group | |:---------------------|:---------------------------|:--------|:----------|:---------|:---------------------|:---------|:--------------|:-----------|:----------| | PRJNA447983 | SRR6915092 | Italy | Europe | 60 | 20 | Female | Control | Control | Old | | PRJNA447983 | SRR6915097 | Italy | Europe | 80 | 32 | Female | Control | Control | Old | | PRJNA447983 | SRR6915108 | Italy | Europe | 67 | 20.43816558 | Female | Control | Control | Old | | PRJNA447983 | SRR6915113 | Italy | Europe | 77 | NA | Female | Control | Control | Old | 이 테이블에서 두 번째 열 `accession_used_in_analysis`는 생성된 MAG의 기본 이름입니다. ### MAG의 메타데이터 - `BIN_ASSESSMENT` 모듈을 성공적으로 실행하면 게놈 품질, 분류학 및 상세 메트릭 정보가 포함된 `quality_taxonomy_combined_final.csv` 파일이 생성됩니다: ``` Genome,Completeness,Contamination,medium_quality.pass,high_quality.pass,medium_quality_gunc.pass,high_quality_gunc.pass,QS50,QS50.pass,pass.GUNC,QS50_gunc.pass,Completeness_Model_Used,Translation_Table_Used,Coding_Density,Contig_N50,Average_Gene_Length,Genome_Size,GC_Content,Total_Coding_Sequences,Total_Contigs,Max_Contig_Length,classification ERR1018185qced_headed_MB2.1,62.18,0.38,True,False,True,False,60.28,True,True,True,Neural Network (Specific Model),11,0.886,3309,254.5395019981556,2799002,0.51,3253,900,18216,d__Bacteria;p__Pseudomonadota;c__Gammaproteobacteria;o__Enterobacterales;f__Enterobacteriaceae;g__Escherichia;s__Escherichia coli ``` ### 결합된 메타데이터 파일 - `--metadata` 옵션을 `--accession_column`과 함께 사용할 때, `combined_metadata_quality_taxonomy_${run_id}.csv` 파일이 생성됩니다: | Genome | Completeness | Contamination | medium_quality.pass | high_quality.pass | classification | bioproject_accession | accession_used_in_analysis | country | host_age | disease_group | |-----------------------|--------------|---------------|---------------------|-------------------|----------------|----------------------|----------------------------|---------|----------|---------------| | SRR6915091_bin.1 | 91.77 | 0.55 | True | True | d__Bacteria;p__Bacillota_C;c__Negativicutes;o__Acidaminococcales;f__Acidaminococcaceae;g__Acidaminococcus;s__Acidaminococcus intestini | PRJNA447983 | SRR6915091 | Italy | 77 | CRC | | SRR6915091_bin.2 | 93.32 | 6.58 | True | False | d__Bacteria;p__Bacteroidota;c__Bacteroidia;o__Bacteroidales;f__Bacteroidaceae;g__Phocaeicola;s__Phocaeicola dorei | PRJNA447983 | SRR6915091 | Italy | 77 | CRC | 이 결합된 파일은 게놈 품질 및 분류학을 샘플 메타데이터와 연결하여 COMPARATIVE_ANNOTATION 모듈의 다운스트림 분석을 위한 가치 있는 컨텍스트를 제공합니다. 이 결합된 파일을 생성하려면 다음을 사용하세요: ```{code-block} bash (metafun) metafun -module BIN_ASSESSMENT -m your_metadata.csv -c 2 ``` 여기서 `2`는 게놈 빈 이름과 일치하는 샘플 식별자가 포함된 메타데이터의 열 인덱스를 나타냅니다. 출력 파일의 이름은 타임스탬프와 워크플로우 식별자(예: `combined_metadata_quality_taxonomy_20250306135829_2996.csv`)로 지정됩니다. 여기서: - `20250306135829`는 yyyyMMddHHmmss 형식의 타임스탬프입니다 - `2996`은 고유한 워크플로우 식별자입니다 ::: BIN_ASSESSMENT는 게놈 복구와 기능 분석 사이의 간극을 연결하는 중요한 단계로, 다운스트림 비교 연구에 고품질 게놈만 사용되도록 보장합니다.