MOSHPIT：在QIIME 2框架上实现可访问、可复现的宏基因组数据科学

《Cell Genomics》：MOSHPIT: Accessible, reproducible metagenome data science on the QIIME 2 framework

　　

宏基因组测序彻底改变了不同生态系统中功能微生物组分析，但面临诸多技术障碍。研究人员介绍了MOSHPIT（模块化鸟枪法宏基因组流程与集成溯源追踪，MOdular SHotgun metagenome Pipelines with Integrated provenance Tracking；https://moshpit.qiime2.org）——一种基于QIIME 2/rachis框架（Q2F）构建的软件，整合了经过CAMI II和LEMMI验证的一流宏基因组工具，具有强大的溯源追踪和多种用户界面，使各专业水平的研究人员都能进行简化的、可复现的宏基因组分析。通过基于Q2F，MOSHPIT增强了复杂工作流的可扩展性、互操作性和可复现性，使宏基因组学前沿的发现更加民主化和加速。

MOSHPIT论文解读

宏基因组测序已彻底改变了功能微生物组分析，但鸟枪法宏基因组测序（WMS）面临复杂工作流、缺乏标准化和互操作性等挑战，严重影响可重复性。QIIME 2微生物组生物信息学平台虽广泛用于扩增子分析，但其底层QIIME 2/rachis框架（Q2F）对WMS支持不足。为弥补这一关键缺口，研究人员开发了MOSHPIT（模块化鸟枪法宏基因组流程与集成溯源追踪），构建于Q2F之上，整合了经CAMI II和LEMMI基准验证的顶级工具，并提供完整的数据溯源跟踪和多种用户界面。MOSHPIT支持基于读长、contig和宏基因组组装基因组（MAGs）的分类与功能分析，使不同专业水平的研究人员均能进行可重复的端到端WMS分析，显著增强了可扩展性、互操作性和可重复性，加速了宏基因组学发现。

研究人员使用了以下关键技术方法和数据集：利用CAMI II Toy Human Microbiome Project（THMP）数据集（49个样本，16.6M reads/样本）、TARA Oceans数据集（243个样本，来自PRJEB1787）、多研究人类肠道宏基因组数据集（1578个样本，来自6个研究，覆盖不同工业化梯度）以及可可发酵数据集（14个时间序列样本，PRJNA552479）。主要方法包括：fastp进行读段质控；MEGAHIT/metaSPAdes进行组装；Bowtie 2进行读段比对；MetaBAT 2进行contig分箱；BUSCO评估MAG完整性；SourMash计算MinHash距离以实现MAG去冗余（相似度阈值0.97或0.99）；Kraken 2、Kaiju、mOTUs 3进行分类；eggNOG-mapper进行功能注释；ANCOM-BC2和置换多元方差分析（PERMANOVA）进行统计检验。所有流程均集成在Q2F中，通过provenance replay记录完整执行路径。

结果部分：

（一）CAMI II基准测试。研究人员处理THMP数据集，将组装结果和MAG与金标准比较。组装连续性因身体部位而异，中位最长contig长度从气道的约0.45 Mbp到胃肠道的约0.9 Mbp；中位contig平均核苷酸一致性（ANI）在所有部位均超过95%，胃肠道接近99%。MAG分类谱系与真实值高度相关，决定系数R²在科水平保持>0.9，在属水平>0.85。

（二）TARA Oceans再分析。研究人员利用q2-fondue从NCBI序列读数档案（SRA）检索243个样本，经Kraken 2分类和Bracken校正，计算Shannon多样性和Bray-Curtis主坐标分析，展示MOSHPIT处理大规模数据集并生成可视化结果的能力。

（三）多研究人类肠道宏基因组分析。对1578个样本进行MEGAHIT组装和eggNOG功能注释，获得KEGG KO丰度表。PERMANOVA显示人口类型显著影响样本间差异（R²=0.15，p=0.001）。ANCOM-BC2识别出工业化大城市与狩猎采集者之间差异丰度的KEGG KO，其中K08169（编码多药耐药转运蛋白）的对数倍数变化为3.57，且其丰度随城市化水平升高而增加。

（四）可可发酵数据集再分析。对14个可可发酵样本分别用Kraken 2、Kaiju和mOTUs 3进行读长分类，以及MAG分析。所有分类器一致显示发酵过程中分类多样性下降，醋杆菌属（Acetobacter）和泛菌属（Pantoea）丰度显著减少。功能注释显示碳水化合物活性酶（CAZyme）多样性下降，表现为糖基转移酶（GT）类丰度增加、糖苷水解酶（GH）类丰度减少。

总结讨论部分：MOSHPIT将WMS分析无缝整合到QIIME 2生态系统中，消除了手动脚本和碎片化工作流的需求，实现了可溯源、可复制的混合分析流程。同时，其并行化和断点续算功能支持从笔记本电脑到高性能计算集群的扩展。未来计划纳入更多分箱优化工具、新型分类器、基于机器学习的MAG质量评估、生物合成基因簇检测和真核宏基因组支持。

研究结论（翻译）：MOSHPIT提供了一个基于Q2F的综合平台，将标记基因和宏基因组分析无缝集成，弥合了微生物组研究界的一个关键缺口。通过整合CAMI II和LEMMI等基准验证的顶级工具以及下游统计分析和可视化模块，MOSHPIT使研究人员能够在单一统一生态系统中进行高效、端到端的分析，实现灵活且完全可复现的WMS流程整合。该框架基于Q2F的内置并行化功能，可轻松扩展工作流，优化桌面和高性能计算环境中的资源使用，从而增强可访问性、可重复性和可扩展性，同时提供稳健且经过基准验证的方法，更全面地揭示微生物群落的分类和功能维度。