SingleM测试:基于reads和单拷贝标记基因氨基酸序列的物种分析

用户1075469

发布于 2025-09-04 10:14:41

1780

上个月刚发表在NBT上的软件，看到有几个公众号和博客对这个软件进行了介绍，还是比较好奇这个软件的效果到底如何呀，在小伙伴的怂恿下测试一下下啦！

软件介绍

现有的许多宏基因组物种注释工具没有考虑未知的物种，昆士兰科技大学（QUT）生物医学科学学院微生物组研究中心，转化研究所开发的SingleM可以通过保守序列窗口策略解决此问题，但环境样本中仅8.0%的物种来自培养样本，表明基因组数据库仍需扩展。软件先对reads生成OTU，然后进行分类注释和丰度估算。下图是从原始宏基因组读取生成分类注释的OTU表的工作流程原理图。PS.也可以做16S 分析啦！

condense步骤的流程原理，减少噪音，让结果更加准确。

对标的是MetaPhlAn啦，不过作者也承认，MetaPhlAn在低丰度的物种预测上更准些，当然我们知道基于marker基因的弱点基本就是容易假阴性啦！号称速度上比kraken2慢了点，但是内存占用上比kraken2省了不只一点半点呀！在检测无参考基因组的新型微生物时表现最佳，其算法通过氨基酸空间比对提升敏感性，且资源消耗更低（仅需2GB内存）

软件安装和使用

安装和准备

可能咱一般人还是用conda的，但是软件也是支持源码/pypi/docker/Singularity/Apptainer的，我们知道由于镜像是文件形式的，后两者在超算上比较适用。软件比较特殊的一点是强调不需要质控，主要原因还是二代测序的读长相对短些。除了原始数据，也可以是组装好的基因组序列作为输入。

如果可能，请使用原始宏基因组reads，而不是高质量的质控后reads。使用 Trimmomatic 读取等进行高质量修剪可能会使它们太短而无法使用 SingleM，特别是如果它们被修剪为短于 100 bp。适配器修剪不太可能是有害的，但不是必需的。

参考数据库的下载，使用data子命令下载（或验证）SingleM 使用的参考数据，软件把参考数据库叫 SingleM数据包。下载后，可以使用SINGLEM_METAPACKAGE_PATH环境变量来指定参考数据的位置。

# 安装
conda create -c conda-forge -c bioconda --override-channels --name singlem singlem'>='0.19.0
# 激活环境
conda activate singlem
# 参考下载, zendoo国内下载报错，只有手动下载啦，1.8G大小还好啦
singlem data --output-directory ./
tar zxvf S5.4.0.GTDB_r226.metapackage_20250331.smpkg.zb.tar.gz 
# 解压后是个文件夹
export SINGLEM_METAPACKAGE_PATH='/data/S5.4.0.GTDB_r226.metapackage_20250331.smpkg.zb'
# 软件使用也是比较简单和一条命令啦
singlem pipe -1 <fastq_or_fasta1> -2 <fastq_or_fasta2> -p \
   <output.profile.tsv>
# 看下参考数据库的文件结构
tree -d S5.4.0.GTDB_r226.metapackage_20250331.smpkg.zb|head
#S5.4.0.GTDB_r226.metapackage_20250331.smpkg.zb
└── payload_directory
    ├── S3.10.ribosomal_protein_S19_rpsS.spkg
    │   └── S3.10.ribosomal_protein_S19_rpsS
    │       └── S3.10.ribosomal_protein_S19_rpsS_final.gpkg.refpkg
    ├── S3.11.pheS.spkg
    │   └── S3.11.pheS
    │       └── S3.11.pheS_final.gpkg.refpkg
    ├── S3.12.ribosomal_L1.spkg
    │   └── S3.12.ribosomal_L1
    # 看下简单帮助
    singlem pipe

使用

随便下载了个人类的肠道菌群宏基因组数据，SAMEA111279291，运行测试下。

# 物种注释
singlem pipe --reads Ch01_1.fastq.gz -p output.profile.tsv
# 结果，感觉不怎么熟悉呀
sample  coverage        taxonomy
Ch01_1  3.01    Root; d__Archaea
Ch01_1  10.05   Root; d__Bacteria
Ch01_1  2.6     Root; d__Bacteria; p__Actinomycetota
Ch01_1  10.93   Root; d__Bacteria; p__Bacillota; c__Clostridia
Ch01_1  0.11    Root; d__Bacteria; p__Bacillota; c__Negativicutes
# 转换下
# krona圈图可视化
singlem summarise --input-taxonomic-profile output.profile.tsv \
    --output-taxonomic-profile-krona doco_example.profile.html
# 表格可视化，相对丰度
 singlem summarise --input-taxonomic-profile output.profile.tsv \
    --output-species-by-site-relative-abundance doco_example.species_by_site.tsv

看起来样本是婴儿肠道之类的，有益菌占比很高，非常健康的肠道菌群呀！

图就是相对常规的结果啦，GTDB分类体系的！

彩蛋

从软件图标及相应的Sandpiper 的数据库的图标可以看出，作者是个十足的鸟类爱好者啦！感觉团队在整个软件家族的想法，我表示只知道第三个是琴鸟啦。相信生物科研工作者里面也有不少是鸟类爱好者，记得一次听讲座老师讲到最后就讲了自己的爱好是摄影，其中拍鸟是重要的组成部分啦，之前一个在DJI工作的无线电大佬现在也基本上好多精力投入到拍鸟啦。