MetaGEAR流程：宏基因组探索与研究

用户1075469

发布于 2026-03-25 12:29:32

140

为什么越来越多宏基因组研究，开始绕不开 MSP？

MetaGEAR是一个基于Nextflow/NF-Core的宏基因组分析流程，能够简化从原始读取到功能性注释的微生物组宏基因组工作流程。几个流程的比较之前有分享过一张大佬总结的图片，当时不少同学反馈Nextflow虽然学习门槛高，但是相比snakemake等是真给力的（原话是“完爆”，不是一个体量的），因为水平有限，还没入门nextflow，所以没这个体会，不过对大家的高评价，我是深信不已的。今天就来看看这个流程，第一次知道这个流程是在这篇文献，研究的是微生物胶原酶活性。

流程详情

流程包含质量控制、分类学分析、功能注释和基因中心分析工作流程处理宏基因组测序数据。每个工作流程都针对特定的分析目标设计，可以独立使用或组合使用，核心依赖 Java 17+、Nextflow 本身以及容器环境（如 Docker 或 Singularity）。前面的流程我们相对比较熟悉，基于reads有有参宏基因组分析，Kneaddata质控, MetaPhlAn物种分类, HUMAnN功能注释。

在这里插入图片描述发现相比其他流程，其特色是有基因分析（gene_analysis）——基于基因的分析工作流程，包括基因预测、功能注释、全基因组重建和分类，输出基因和蛋白质profile。应用的主要软件是megahit组装，prodigal基因预测，cdhit构建非冗余基因集，coverm基因丰度定量，interproscan功能注释(结构域)，分析宏基因组物种泛基因组MSP (Metagenomic Species Pan-genome) 和MSP的gtdbtk物种注释。

流程使用

nextflow/nf-core的安装这里相信不需要多说，官网都有的，支持conda/docker等各种版本，记得官方优先推荐docker等容器的方式的。这里以基因分析为例：需要准备一个samplesheet.csv:

sample,fastq_1,fastq_2
SAMPLE1,sample1_R1.fastq.gz,sample1_R2.fastq.gz
SAMPLE2,sample2_R1.fastq.gz,sample2_R2.fastq.gz

然后运行流程的命令就可以啦！

# 1. Download databases (run once)
metagear download_databases

# 2. Quality control
metagear qc_dna --input raw_samples.csv

# 3. Optional: Run microbial profiling first
metagear microbial_profiles --input qc_samples.csv

# 4. Gene-centric analysis
metagear gene_analysis --input qc_samples.csv

可以使用预览模式先测试下流程运行的步骤，如：metagear qc_dna --input samples.csv -preview

输出结果

流程运行完成后会生成以下目录结构的综合基因分析结果：

outdir/
├── megahit/                     # Assembly results (per sample)
│   ├── {sample}.contigs.fa      # Assembled contigs
│   ├── {sample}.log             # Assembly log files
│   └── {sample}.k{kmer}.fastg.gz # Assembly graph files
├── prodigal/                    # Gene prediction results
│   ├── {sample}.fna.gz          # Predicted nucleotide sequences
│   ├── {sample}.faa.gz          # Predicted protein sequences
│   ├── {sample}.gff.gz          # Gene annotation in GFF format
│   └── {sample}_all.txt.gz      # Complete gene annotations
├── cdhit/                       # Gene catalog construction
│   ├── merged_genes.nr_95_90.fa # Non-redundant gene catalog (95% similarity)
│   ├── merged_genes.nr_95_90.fa.clstr # Clustering information
│   └── protein_catalog.prot.faa # Protein catalog
├── coverm/                   # Gene abundance quantification
│   ├── gene_abundance_count_merged.tsv    # Raw read counts per gene
│   ├── gene_abundance_rpkm_merged.tsv     # RPKM normalized abundances
│   ├── gene_abundance_tpm_merged.tsv      # TPM normalized abundances
│   └── bwa_index/                         # BWA alignment indices
├── interproscan/                # Functional annotation results
│   ├── protein_catalog.annotations.tsv    # InterProScan annotations
│   └── protein_catalog.FG_IPS_Pfam.tsv   # Functional group annotations
├── msp/                    # Metagenomic Species Pan-genome (MSP) analysis
│   ├── msp_abundance.median.RPKM.txt      # MSP abundance profiles
│   ├── all_msps.tsv                       # MSP definitions and gene content
│   ├── pangenome_sequences/               # MSP pangenome FASTA files
│   └── msp_metaphlan_LM.bestR2.txt       # MSP-MetaPhlAn taxonomic mapping
├── gtdbtk/                      # Taxonomic classification
│   ├── classify/                          # GTDB-Tk classification results
│   ├── identify/                          # Marker gene identification
│   └── align/                             # Multiple sequence alignments
├── multiqc/                     # Quality control and summary reports
│   ├── multiqc_report.html                # Consolidated analysis report
│   ├── multiqc_data/                      # Parsed statistics and data
│   └── multiqc_plots/                     # Static plot images
└── pipeline_info/               # Pipeline execution metadata
    ├── execution_report.html              # Nextflow execution report
    ├── execution_timeline.html            # Processing timeline
    └── execution_trace.txt                # Resource usage tracking
![](https://i-blog.csdnimg.cn/direct/9c97be6f455a42ee82ce249cedc169f8.png)

流程将宏基因组数据从“单基因层面”提升到“物种泛基因组层面”，能够更稳定、可重复地刻画真实微生物物种及其功能潜力。相比单基因丰度，MSP 基于协同变化基因簇重建物种单位，有效降低组装和注释偏差，为跨队列比较、物种功能推断及疾病关联分析提供更可靠的生物学解释框架。伙伴们，对这个流程怎么看，给出你的看法吧！

参考

• Jin, S., Cenier, A., Wetzel, D. et al. Microbial collagenase activity is linked to oral–gut translocation in advanced chronic liver disease. Nat Microbiol 11, 211–227 (2026). https://doi.org/10.1038/s41564-025-02223-0
• https://github.com/schirmer-lab/metagear-pipeline
• https://schirmer-lab.github.io/metagear/
• MSPminer：基于丰度的微生物全基因组重构，基于宏基因组数据https://www.enterome.com/downloads/
• MSPminer论文：https://doi.org/10.1093/bioinformatics/bty830

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2026-02-01，如有侵权请联系 cloudcommunity@tencent.com 删除

sample