宏基因组测序介绍及核心生信分析图

一、宏基因组测序核心基础

1. 技术原理与核心特点

• 核心逻辑：直接提取环境样本（如肠道粪便、土壤、水体）中的总微生物 DNA，构建基因组文库后进行高通量测序（Illumina NovaSeq/HiSeq、PacBio HiFi、Nanopore 等平台），通过生物信息学分析拼接微生物基因组、注释物种和功能。
• 与扩增子测序的区别：

  对比维度	宏基因组测序	扩增子测序
  测序对象	全部微生物总 DNA（无靶向）	特定目标基因（如 16S rRNA、ITS）
  物种覆盖	细菌、古菌、真菌、病毒、原生生物（全面）	仅目标基因对应的类群（如 16S 对应原核）
  核心产出	物种组成 + 基因功能 + 代谢通路 + 微生物基因组（MAGs）	物种组成 + 多样性（无直接功能信息）
  优势	无偏性、功能解析深入、可组装微生物基因组	成本低、周期短、物种分类快速
  适用场景	功能机制研究、新物种挖掘、复杂群落解析	大规模样本筛查、物种多样性快速评估

2. 核心分析流程

1. 样本处理：提取微生物总 DNA（需保证纯度和完整性，避免宿主 DNA 污染）；
2. 文库构建：打断 DNA 片段（Illumina 平台常用 350bp 插入片段），连接接头和 barcode；
3. 高通量测序：生成短读长（Illumina）或长读长（PacBio/Nanopore）测序数据；
4. 生信分析核心步骤：
   • 数据质控：过滤低质量序列、宿主 DNA（如人源、植物源）、污染序列；
   • 序列组装：拼接 contig/scaffold（可选择 “组装后分箱” 或 “分箱后组装”）；
   • 微生物分箱（Binning）：将拼接序列分配到不同微生物基因组（MAGs，宏基因组组装基因组）；
   • 物种注释：基于 MAGs 或 reads 直接比对，实现门到种水平的物种分类；
   • 功能注释：注释基因的 COG/KOG、KEGG、CAZy、VFDB（毒力因子）等功能数据库；
   • 差异分析：比较分组间的物种丰度、功能基因丰度、代谢通路差异。

3. 核心分析目标

• 物种全景：样本中所有可检测微生物的种类、丰度及分布（含难培养 / 未培养微生物）；
• 功能解析：微生物群落携带的功能基因库、核心代谢通路（如碳代谢、氮循环、耐药基因）；
• 基因组挖掘：组装高质量 MAGs（完成度≥90%，污染率≤5%），发现新物种或功能菌株；
• 差异机制：不同分组（如健康 vs 疾病、处理 vs 对照）的物种 / 功能差异及关联机制。

二、宏基因组测序核心生信分析图（按分析逻辑分类）

（一）数据质控与预处理图（验证数据可靠性）

1. 测序数据质量分布图（FastQC/Trimmomatic 图）
   • 核心用途：评估原始测序数据的碱基质量、GC 含量、接头污染情况。
   • 解读要点：
     • 碱基质量值（纵轴）：所有位置 Phred 质量值≥20（合格），≥30（优质），避免末端低质量序列影响组装；
     • GC 含量分布（辅助图）：若出现异常峰（如宿主 DNA 的 GC 峰），提示需加强宿主去除；
     • 接头污染：Adapter 含量需≤1%（超标需用 Cutadapt 工具去除）。
   • 示例：Illumina NovaSeq 测序数据，150bp 读长的前 120bp 质量值≥30，末端 30bp 质量值≥25，无明显接头污染，数据合格。
2. 宿主 DNA 去除效率图
   • 核心用途：展示宿主（如人、小鼠、植物）DNA 的去除效果（宏基因组样本常含宿主污染，需优先去除）。
   • 解读要点：常用饼图或柱状图展示 “去除前宿主 DNA 占比” 与 “去除后占比”，合格标准为去除后宿主 DNA 占比≤5%（肠道样本宿主 DNA 占比易偏高，需用专门去宿主工具如 Bowtie2、Kraken2 筛选）。
   • 示例：人肠道样本去除前宿主 DNA 占比 68%，去除后降至 3.2%，满足分析要求。
3. 序列组装质量评估图
   • 核心用途：验证 contig/scaffold 的组装完整性和可靠性（组装质量直接影响后续分箱和注释）。
   • 常用指标与图表：
     • N50 长度（Contig N50）：箱线图展示各样本的 Contig N50 分布（N50≥1kb 为合格，≥5kb 为优质，越长说明组装越完整）；
     • 组装序列长度分布直方图：横轴为 Contig 长度，纵轴为序列数量，优质组装应呈现 “少量长 Contig + 大量中短 Contig”，无过多短片段（<200bp）。
   • 示例：样本 Contig N50 中位数为 8.2kb，最长 Contig 达 50kb，组装质量良好。

（二）物种组成分析图（解析 “有哪些微生物”）

1. 物种组成堆叠柱状图（门 / 属 / 种水平）
   • 核心用途：展示不同样本在特定分类水平的物种丰度占比，直观对比分组间优势物种差异。
   • 解读要点：
     • 横轴为样本（按分组排列），纵轴为物种丰度占比（0-100%）；
     • 不同颜色代表不同物种（门 / 属 / 种），“Others” 归类低丰度物种（占比 < 1%）；
     • 重点关注：核心优势物种（如肠道样本中拟杆菌门、厚壁菌门）、分组特异性物种（如疾病组特有的致病菌）、稀有物种的分布。
   • 示例：健康组肠道样本以拟杆菌门（42%）、厚壁菌门（38%）为优势门；疾病组中厚壁菌门降至 25%，变形菌门（含致病菌）升至 30%，提示菌群失调。
2. 物种丰度热图（属 / 种水平）
   • 核心用途：聚焦高丰度物种（如前 50 个属）或差异物种，展示其在不同样本中的丰度聚类模式。
   • 解读要点：
     • 横轴为样本（带分组聚类树），纵轴为物种（带物种进化树）；
     • 颜色深浅代表标准化后的丰度（红色 = 高丰度，蓝色 = 低丰度）；
     • 核心结果：样本聚类与分组一致（验证分组合理性），物种聚类可识别 “协同丰度变化的物种模块”（如 A 属与 B 属始终共丰度，可能存在互作关系）。
3. 物种分布气泡图（属 / 种水平）
   • 核心用途：展示 “样本 - 物种” 的丰度关联，适合多样本、多物种的可视化（比热图更适合展示低丰度物种）。
   • 解读要点：
     • 横轴为样本，纵轴为物种；
     • 气泡大小代表物种丰度（越大丰度越高），气泡颜色代表分组；
     • 优势：直观展示某一物种在不同样本中的丰度梯度（如 C 属在健康组样本中气泡大，疾病组气泡小，提示丰度显著下降）。
4. 病毒 / 真菌特异性组成图（针对特殊研究目标）
   • 核心用途：单独展示病毒、真菌等特定类群的组成（宏基因组可同时捕获这些类群，扩增子测序难以覆盖）。
   • 示例：病毒组成堆叠图（按病毒科水平），显示健康组以温和噬菌体为主（占比 75%），疾病组烈性噬菌体占比升至 50%，提示噬菌体群落与疾病相关。

（三）多样性与群落差异分析图（解析 “微生物群落差异”）

1. α 多样性分析图（样本内多样性）
   • 核心指标：Observed species（观测物种数）、Shannon 指数（丰富度 + 均匀度）、Simpson 指数（优势度）、Faith's PD（系统发育多样性）。
   • 常用图表：箱线图 / 小提琴图（按分组展示指标分布）
     • 解读要点：横轴为分组，纵轴为多样性指数；若两组间存在显著差异（ANOVA/Kruskal-Wallis 检验 P<0.05），说明样本内微生物丰富度或均匀度不同。
     • 示例：健康组 Shannon 指数中位数为 7.8，疾病组为 5.2（P=0.003），提示疾病状态显著降低肠道微生物多样性。
2. β 多样性分析图（样本间多样性）
   • 核心逻辑：基于物种组成矩阵（Bray-Curtis、Jaccard 距离）或功能基因矩阵，展示样本间群落差异。
   • 常用图表：
     （1）主坐标分析（PCoA 图）
     • 解读要点：横轴（PC1）和纵轴（PC2）解释的差异比例越高，图表可靠性越强；同一分组样本聚集、不同分组分离，说明分组间群落结构差异显著（PERMANOVA 检验 P<0.05）。
     • 示例：Bray-Curtis 距离 PCoA 图中，健康组与疾病组样本完全分离，PC1 解释 62.4% 差异（P=0.001），证明两组微生物群落结构极显著不同。
       （2）非度量多维尺度分析（NMDS 图）
     • 解读要点：应力值（Stress）<0.2 为合格，<0.1 为优秀；适合非正态分布的宏基因组数据，更稳健。

（四）宏基因组特有分析图（分箱与 MAGs 分析）

1. MAGs 质量评估散点图（CheckM 评估）
   • 核心用途：展示组装的 MAGs 的 “完成度（Completeness）” 和 “污染率（Contamination）”，筛选高质量 MAGs。
   • 解读要点：
     • 横轴为完成度（越高越好，≥90% 为优质），纵轴为污染率（越低越好，≤5% 为优质）；
     • 每个点代表一个 MAG，颜色代表物种门水平分类；
     • 筛选标准：完成度≥70%、污染率≤10%（合格），完成度≥90%、污染率≤5%（优质，可用于后续功能解析）。
   • 示例：共组装获得 32 个 MAGs，其中 15 个为优质 MAGs（完成度 92%-98%，污染率 1.2%-3.8%），分属拟杆菌门、厚壁菌门等 6 个门。
2. MAGs 物种分类树（Phylogenetic Tree）
   • 核心用途：展示高质量 MAGs 的系统发育地位，判断是否为新物种。
   • 解读要点：
     • 基于保守基因（如 16S rRNA、核糖体蛋白基因）构建进化树，结合已知参考基因组标注；
     • 若某 MAG 与所有参考基因组的进化距离较远（形成独立分支），提示可能是未报道的新物种。
   • 示例：MAG-08 与拟杆菌门已知物种的序列相似性仅 85%，形成独立分支，推测为新物种。
3. MAGs 功能基因富集热图
   • 核心用途：比较不同 MAGs 携带的核心功能基因（如耐药基因、降解酶基因）的丰度差异。
   • 解读要点：
     • 横轴为 MAGs（按物种聚类），纵轴为功能基因（如 β- 内酰胺类耐药基因、纤维素降解酶基因）；
     • 颜色深浅代表基因拷贝数或丰度，可快速定位 “功能特异性 MAGs”（如 MAG-12 携带大量耐药基因，可能是耐药菌株）。

（五）功能解析分析图（解析 “微生物功能潜力”）

1. 功能基因分类柱状图 / 堆叠图（COG/KEGG Level 1/2）
   • 核心用途：展示样本中功能基因在不同功能大类 / 亚类的丰度分布。
   • 解读要点：
     • 以 COG 为例：横轴为 COG 功能大类（如 J = 翻译、K = 转录、E = 氨基酸代谢、P = 无机离子转运），纵轴为基因丰度占比；
     • 重点关注：分组间差异显著的功能类别（如疾病组 “防御机制（V 类）” 基因占比显著升高，提示耐药或应激功能增强）。
   • 示例：土壤样本中，处理组（施加农药）的 “解毒功能（Q 类）” 基因占比从 5% 升至 12%，提示微生物群落通过增强解毒功能适应农药胁迫。
2. KEGG 代谢通路富集气泡图 / 网络图
   • 核心用途：展示差异功能通路的富集情况，聚焦关键代谢通路（如碳代谢、氮循环、耐药通路）。
   • 解读要点：
     • 气泡图：横轴为富集倍数，纵轴为 KEGG 通路名称（如 “ABC 转运蛋白通路”“青霉素生物合成通路”），气泡大小 = 功能基因数量，颜色 = Padj 值（越红越显著）；
     • 通路网络图：节点代表通路，线条代表通路间的关联（如代谢物互通），可展示 “核心功能通路模块”（如肠道样本中 “糖代谢 - 氨基酸代谢” 通路模块在健康组更活跃）。
3. 功能基因热图（核心功能基因集）
   • 核心用途：聚焦特定功能基因集（如耐药基因 ARGs、碳水化合物活性酶 CAZy、毒力因子 VFDB），展示其在不同样本中的丰度差异。
   • 解读要点：
     • 横轴为样本，纵轴为目标功能基因（如不同类型的 ARGs）；
     • 颜色深浅代表基因丰度，可快速识别 “分组特异性功能基因”（如医院污水样本中 β- 内酰胺类 ARGs 丰度显著高于普通污水）。
4. CAZy 酶家族分布热图（针对碳代谢研究）
   • 核心用途：展示碳水化合物活性酶（如糖苷水解酶 GH、糖基转移酶 GT、酯酶 CE）的家族分布，反映微生物降解碳水化合物的能力。
   • 示例：堆肥样本中，高温阶段 GH 家族（如 GH1、GH3）丰度显著升高，提示微生物通过分泌纤维素降解酶加速有机物分解。

（六）差异比较分析图（解析 “分组间物种 / 功能差异”）

1. 差异物种火山图（属 / 种 / MAGs 水平）
   • 核心用途：筛选分组间显著差异的物种（兼顾丰度倍数和统计显著性）。
   • 解读要点：与扩增子测序火山图逻辑一致，横轴为 log2 (FC)，纵轴为−log10 (Padj)；红色 = 显著上调物种，蓝色 = 显著下调物种。
   • 差异点：宏基因组可在种水平或 MAGs 水平筛选差异，分辨率更高（如筛选出疾病组特有的致病菌种 D，Padj=0.002）。
2. 差异功能基因火山图
   • 核心用途：筛选分组间显著差异的功能基因（如 ARGs、代谢酶基因）。
   • 示例：共筛选出 48 个显著差异 ARGs，其中 32 个在耐药组上调（如 blaTEM 基因，FC=8.3），16 个下调，提示耐药组微生物携带更多耐药基因。
3. LEfSe 功能富集图（功能标志物筛选）
   • 核心用途：筛选 “分组特异性功能标志物”（如某通路或基因集），适合多分组比较。
   • 解读要点：左侧为 LDA 分值（≥2 为阈值），纵轴为功能类别 / 基因集；右侧为功能层级图，展示标志物的功能归属（如筛选出健康组特有的 “丁酸合成通路”，LDA=4.5，为核心功能标志物）。

三、核心总结

1. 技术核心：宏基因组测序以 “无靶向、全基因组覆盖” 为特点，同时产出 “物种组成” 和 “功能信息”，适合深入解析微生物群落的机制性问题；
2. 必做核心图：物种组成堆叠柱状图、α/β 多样性分析图、MAGs 质量评估图、KEGG 功能通路富集图、差异物种 / 功能火山图；
3. 特有优势图：MAGs 系统发育树、MAGs 功能热图、功能基因集（ARGs/CAZy）热图、代谢通路网络图（区别于扩增子测序的核心图表）；
4. 分析逻辑：从 “数据质控→组装分箱→物种组成→MAGs 解析→功能注释→差异比较” 逐步深入，核心是 “物种与功能的关联分析”（如 “某差异物种是否携带核心功能基因？”）；
5. 工具推荐：组装（Megahit、Spades）、分箱（MetaBAT2、MaxBin2、VAMB）、质量评估（CheckM）、注释（Kraken2、Metaphlan4、eggNOG-mapper、KEGG GhostKOALA）、绘图（R ggplot2、Python seaborn、Cytoscape）。