导读

宏基因组组装工具非常多。如何从众多组装工具中选择适合组装自己的宏基因组测序数据的工具呢？为了解决这个问题，我搜集了一些近些年已发表的宏基因组组装工具，并且利用已发表文章的数据分析了这些组装工具的性能。从比较结果来看，MetaSPAdes和Megahit在组装上都有着各自出众的优势。MetaSPAdes准确性高，适合做单样品组装。Megahit对计算内存需求相对最小，速度更快，适合做多样本共组装。本篇内容分为以下四块：1） 组装工具盘点；2）组装质量比较；3）组装长度比较；4）计算内存需求比较。

一、组装工具盘点

通过阅读宏基因组分析相关文献，我整理了近些年常用的宏基因组组装工具，如下表。表中的被引量来自google学术（仅供参考）。从表中可以看出，SPAdes是最受宏基因组研究者青睐的组装工具，被引量达到6000+，遥遥领先于其他工具。SPAdes现在已经更新到了第三版，即SPAdes 3。SPAdes中的‘--meta’功能，即MetaSPAdes在2017年单独发表在Genome Research上，仅2年的时间被引已达到350。2015年以来，被引量最高的宏基因组组装工具是Megahit，被引量达到600+。

组装工具	发表杂志	发表时间	引用量
MetaSPAdes	Genome Research	2017	350
MOCAT2	Bioinformatics	2016	55
Megahit	Bioinformatics	2015	611
Anvi’o	PeerJ	2015	279
MetAMOS	Genome Biology	2013	145
SPAdes	Journal of Computational Biology	2012	6241
IDBA-UD	Bioinformatics	2012	1350
MetaVelvet	Nucleic Acids Research	2012	507
Ray Meta	Genome Biology	2012	423
SOAP	Bioinformatics	2008	2022
SOAPdenovo2	GigaScience	2012	2371
Omega	Bioinformatics	2014	64
MetaVelvet-SL	DNA research	2014	51

二、组装质量比较

2018年的一篇综述从多个角度比较了宏基因组组装工具 [1]。根据AQI（组装质量指数）MetaSPAdes在组装质量上表现最好，如Table 1（低复杂度数据），Table 2（高复杂度数据）。
组装质量指数(AQI) = N50 * 基因组覆盖度 * (1 - RAE) * (1 - RUC)
RAE：错误组装相对丰度
RUC：未对齐contig长度相对丰度

1.png
2.png

三、组装长度比较

2019年CELL上的一篇文章比较了MetaSPAdes和Megahit组装结果中最大组装contig和N50的差异 [2]。比较用了多个不同研究的数据，比较结果显示MetaSPAdes能比Megahit组装出更长的contig，组装能力更加出色。比较结果如下图，其中蓝星表示MetaSPAdes>Megahit且差异显著，黄星表示MetaSPAdes<Megahit且差异显著，没有星表示差异不显著。

3.png

四、计算内存需求比较

2017年的一篇文章从多个方面比较了多个组装工具的性能差异 [3]，比较结果显示在内存需求方面（2.50 GHz处理器, 504 GB物理内存, 8线程，Tara Ocean数据集），SPAdes是“内存最昂贵的” (157 GB RAM)，其次是Velvet和MetaVelvet (均为109 GB)，这比普通台式电脑 (16 GB) 的内存大得多。
相比之下，Megahit (11 GB) 和CLC (16 GB) 是内存使用效率最高的组装程序。与其他工具相比，相同硬件条件下分析相同的数据Megahit内存需求最小，速度相对也比较快，如下表 [3]。在大样本项目中，对于内存需求>1Tb RAM的数据集和非配对序列优先考虑使用Megahit [2]。

4.png

结束语

基于组装的宏基因组数据分析（如，宏基因组分箱）对工具的准确性和计算资源的要求非常的高。宏基因组组装分为单样本组装和共组装（多样本合并后组装）两种常用的方法。单样本组装对计算资源的需求相对较小，推荐使用组装质量最好的MetaSPAdes。共组装一般输入数据量很大，推荐使用Megahit [2]。

参考：
1）Practical evaluation of 11 de novo assemblers in metagenome assembly. J. Microbiol. Methods 2018
2）Extensive Unexplored Human Microbiome Diversity Revealed by Over 150,000 Genomes from Metagenomes Spanning Age, Geography, and Lifestyle. Cell 2019
3）Assembling metagenomes, one community at a time. BMC Genomics. 2017

同步发布于微信公众号：微生态