软件系｜宏基因组分析-ShortBRED

1. 功能简介

ShortBRED 是从数据中找出感兴趣的蛋白序列并计算其在数据中的丰度。在宏基因组的应用情景中，就是可以从中，或者或者中快速识别出感兴趣的蛋白序列（毒力因子，抗生素基因等）。ShortBRED 也是 的软件。

版本：v0.9.5

Github：https://github.com/biobakery/shortbred

参考文献：James Kaminski, Molly K. Gibson, Eric A. Franzosa, Nicola Segata, Gautam Dantas, and Curtis Huttenhower. High-Specificity Targeted Functional Profiling in Microbial Communities with ShortBRED." PLoS Computational Biology 11.12 (2015).

2. 软件安装

ShortBRED 是基于 python2.7.9 的 pipeline，所以需要在python2 的环境中安装。conda 安装如下：

Note1

conda 并没有安装usearch，需要自己安装，如果环境中没有。官网下载对应版本 https://www.drive5.com/usearch/, 后期可以通过 --usearch  指定路径，或者直接把 usearch 链接到bin目录下

ln -s you_usearch  /your conda PATH/envs/shortbred/bin/usearch

Note2

可能还会报 ncbi-blast-2.2.28+ 中某个子功能函数的错，大部分是动态库不适配的原因，同上，直接找一个可用的blast+ ln-s 过来即可。

ShortBRED 是事先把感兴趣的蛋白库生成一个非重复的 marker 文件，当然你可以自己用创建，如果恰好是关注抗生素耐药性因子和毒力因子，可以参考作者创建的marker文件（最新是2017年）

抗生素耐药性因子基于 CARD 创建的，毒力因子是基于Victors, VFDB 和 MvirDB。

3. 软件使用

ShortBRED 使用主要分为2步：

第一步：创建感兴趣蛋白序列的 marker 文件；

第二步：从数据中搜寻并计算感兴趣蛋白丰度。

如果你已经下载官方提供的 CRAD & VF 的 marker 基因，倒可直接跳到第二步。

3.1 第一步

这一步主要是构建感兴趣蛋白序列库的marker 文件，构建方式也有3 种，主要是输入文件差异，可以是原始的蛋白fasta 文件（Method 1）；也可以是蛋白文件 + blast 比对结果（Method 2），或者直接是 blast 比对结果（Method 3）。

# Method 1: Create new markers from a set of proteins of interest and a reference set of proteins.

# Method 2: Create ShortBRED markers using a set of proteins of interest, and a blast database of reference proteins.

# Method 3: Create a new set of ShortBRED markers using a previous set of blast search results.

如果是自己从VFDB 或者 CARD 官网下载蛋白序列，选 Method 1 即可。

3.2 第二步

建好marker 文件，接下来就是计算你 中目标感兴趣的基因的丰度。同样，这一步输入 可以是 reads 水平的fq or fa 文件，支持压缩文件（Method 1）；也可以是蛋白序列ORFs 文件（Method 2）。如果你宏基因组的物种和功能都是基于reads 比对分析，那就选择 Method 1；如果是基于组装 & binning， 那就选得到基因集的蛋白序列，然后用Method 2。

Note3

输入文件格式，如果是fastq 的gz压缩格式，建议写成 fastq.gz 而不是简写成 fq.gz, 程序暂时还是无法识别这个后缀输入。目前已经测试支持的后缀：; 压缩格式：

#Method 1: Profile a WMS (whole metagenome sample) using ShortBRED-Quantify and a set of markers.

--wgs 可以单个fastq or fasta ; 也可以是多个clean reads fq.gz , 用空格分隔即可，eg. --wgs sampel_1.fastq.gz sample_2.fastq.gz

--markers 输入对应的蛋白序列的 marker 文件（第一步的结果）

# Method 2: Profile a set of ORFs from isolate genome (an "annotated" genome) using ShortBRED-Quantify and a set of markers.

3.3 结果解析

的输出结果文件有几个，最主要还是看 --results 参数输出的结果，比如说，shortbred_quantify.py  --results shortbred_results.tsv 【指定结果文件名是shortbred_results.tsv】

#结果对应列的含义

Family - 感兴趣蛋白序列ID，既 marker 文件的ID

Count - 比对marker的数目（丰度），这里数值是 RPKMs (reads per kilobase of reference sequence per million sample reads，已经进行标准化了，后面可直接进行不同样品，不同分组的比较了。

Hits - 有效 比对 marker个数

TotMarkerLength - marker 氨基酸长度

4. 结语

ShortBRED 兼容性还是挺强大的，除了给你现成的marker 文件之后还能自定义一个，再不用担心数据库是否为最新的了。

此外，除了适合 wgs的 reads，还适合独立组装的contig, genome，所以使用场景挺广的。

最后，官网中提到一个问题：

什么时候用 shortBRED 什么时候用 HUMAnN？

你怎么看？