宏基因组测序分析（十四） 分箱结果评估

分箱结果可以使用 checkM 检查完整性和污染度。

checkM

基于数据库中构建好的单拷贝基因集和进化树，将bin定位到进化树中找到参考物种，基于谱系特异的marker gene(单拷贝)，进行完整性和污染度进行评估。

• 数据准备：上一步的分箱结果

参考脚本

# 运行checkM
checkm lineage_wf \
--threads 5 \ # 线程
--tmpdir ./ \ # tmp目录路径
--extension fa \ # 序列文件后缀
bins \ # 输入，分箱结果目录
checkm \ # 输出目录
> checkM.sh.log 2>&1 # 存储日志

分箱结果去冗余

计算资源充足的情况下，可以将所有测序数据一起进行组装，然后分箱。但实际操作中，由于内存限制，一般会分样品或者将生物学重复放在一起进行拼接。这样就会存在多个组装和分箱结果，需要对其中重复的 bin去冗余。这个操作可以使用 dRep 实现。

# 将所有分箱fasta文件存放在bin目录下
# 运行dRep去冗余
dereplicate out_dRep \ # 最小基因组长度，默认50k
--length 50000 \
-comp 75 -con 25 \ #最小的基因组完整度，默认75，最大的基因组污染率，默认25
-g ./bins/*.fasta

欢迎关注Bioinfor 生信云