binning 分箱

生信喵

一、什么是 binning？
       Binning，简称为分箱，更确切的说是 strain-level clusters 或 strain-level taxonomic units），本质是采用聚类的方法将分析对象进行归类，得到不同的集合。在宏基因组分析中，由于是混合微生物的测序，通过聚类的方法，将相同的微生物聚成一类，这个过程就是 binning。通过 binning，可以从菌落中提取到“单菌基因组”。这是一种不依赖实验室分离培养，基于分析算法开展单菌研究的策略。这样很多没法进行纯培养的微生物，通过这种方法就可以得到其基因组序列。
       Binning 分析主要可以得到以下结果：
       1、哪些序列来自哪些微生物？
       2、得到单菌基因组；
       3、拼接出不容易分离培养的微生物基因组。

二、binning 分类
       按 Binning 的对象不同，可分为 3 种，即基于 reads、contig、gene 三种。通常 contig 的 binning效果比较好。因为二代高通量测序 reads 长度比较短，包含的序列信息十分有限，故基于contig 和 gene 的 Binning 更常见。
       基于 reads binning 的优势是可以聚类出宏基因组中丰度非常低的物种，考虑到在宏基因组组装中 reads 利用率很低，单样品 5Gb 测序量情况下，环境样品组装 reads 利用率一般只有10%左右，肠道样品或极端环境样品组装 reads 利用率一般能达到 30%，这样很多物种，尤其是低丰度的物种可能没有被组装出来，没有体现在 gene 或者 contig 中，因此基于 reads binning 才有可能得到低丰度的物种。
       基因 genes binning，基于基因丰度进行序列聚类，比如 Canopy 聚类算法、Chameleon 算法。基因的聚类旨在探究“种层级”的功能特征。根据具体的聚类算法和相关性系数的不同，对 binning 得到的 bins 的叫法也不同，主要有 metagenomic linkage groups ( MLG ), metagenomic clusters ( MGC )，metagenomic species ( MGS )，和 metagenomic operational taxonomic units ( MetaOTUs )，同时，MLG, MGC, MGS 和 MetaOTUs 物种注释的标准也是不一样的。


三、binning 原理
       按 Binning 的方法，也可分为 3 种，即基于核酸组成、丰度、同时基于核酸组成和丰度。核心思想在于宏基因组样品中每个样品之间核酸组成，丰度不同，这样就表现出 GC 含量和Coverage（Depth）不同。通过 GC-Depth 即可分成很多类。这点类似于单菌基因组去除污染。

       但是，虽然 binning 的基本原理比较简单，但是实在计算起来比较复杂，由于样品中包含的微生物非常多，且 GC 含量与测序深度可能类似，测序深度不足，拼接效果不好等，都会影响到 binning 的计算。因此不同软件、不同的聚类算法，预测获得的 Bin 也不太一样。通过binning 得到的基因组可以称为 MAG （Metagenome Assembled genome）。


四、binning 软件
       做 binning 的软件有很多中，目前主流的包括 MaxBin 2.0， MetaBAT, CONCOCT 等。Metawrap 则是整合了三款软件的分析流程。
       下面这篇文章对多款 binning 软件进行比较评估。

1. https://www.nature.com/articles/nmeth.4458

复制代码