MetaWRAP(https://github.com/bxlab/metaWRAP “MetaWRAP”)旨在成为一个易于使用的宏基因组数据分析软件包，从头到尾完成宏基因组分析的核心任务：序列质量控制、组装、可视化、分类分析、提取基因组草图（又称分箱binning）和功能注释。此外，metaWRAP将bin提取和分析提升到了一个新的层次（参见下面的模块概述）。虽然没有简单的最佳方法来处理宏基因组数据，但在深入研究分析参数之前，metaWRAP是一种快速而简单的方法。MetaWRAP可应用于多种环境，包括肠道、水和土壤微生物组。

V2.0更新内容：

1. 增加binning后接入框架图模块，分析过程可以选择进行Binning分箱或分箱后框架图分析；
2. 对Binning分箱之后的结果内容增加了Report网页结题报告，方便客户查阅解读；
3. 替换Quant模块定量模块的salmon软件替换为coverM软件，默认使用Relative Abundance方法进行相对丰度的计算，由于salmon仅仅只支持tpm方法，且计算过程中需要大量fq过程文件占用存储，因此进行替换更新；coverM同时还支持relative_abundance, mean, trimmed_mean, coverage_histogram, covered_fraction, covered_bases, variance, length, count, reads_per_base, rpkm, tpm 等丰度计算方案，使生信分析计算丰度更加灵活；
4. 在Quant定量模块中增加使用Gtdb-tk软件对bins进行物种注释的结果；
5. 调整了默认分析模块的步骤，在默认分析模块中取消了关于bins可视化展示、bins重组装、以及重组装后注释相关步骤；

样本Cleandata序列准备： fastq文件需要以gz结尾，或解压后的数据，配置在Dataclean.total.list文件内作为–in的输入参数，形如：

CL      /TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/01.DataClean/SystemClean/CL/CL_350.fq1.gz,/TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/01.DataClean/SystemClean/CL/CL_350.fq2.gz
CS      /TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/01.DataClean/SystemClean/CS/CS_350.fq1.gz,/TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/01.DataClean/SystemClean/CS/CS_350.fq2.gz

可以提供contig文件，作为–in2的输入文件，形如：

CL      /TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/02.Assembly/CL/CL.scaftigs.fa
CS      /TJPROJ7/MICROCOOP/Coop_project/X101SC19092528-Z02-hagongda.202006/X101SC19092528-Z02-J023.N12.meta.ngs/02.Assembly/CS/CS.scaftigs.fa

group.list 样本信息内容，用于从–in 和–in2的传入文件中选择样本进行分析 只需要一列样本名称即可

使用Bash的操作形式：

#独立分析
#/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list --independent-analysis -o ./
#设置具体分析点
#/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list --independent-analysis -o ./ -s 1,2,3,4,5,6,7,8,9,10
#独立分析需要组装
#/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list --independent-analysis -o ./ --need-assemble
#独立分析不需要组装,提供组装序列
#/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list --independent-analysis -o ./ -in2 total.scaftigs.list
#混合分析 (混合必定重新组装)(次选)
#/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list -o ./
#混合分析不组装（不需要将所有样本contig合并到一起,直接使用宏基因组中的contig序列文件即可)(默认分析)
/TJPROJ7/GB_MICRO/PUBLIC/software/amplicon/python3/bin/python /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/pipeline.py -in Dataclean.total.list -g group.list -o ./ -in2 ass.list


现在混合组装分析不需要手动处理contig序列合并内容，按照单样本contig文件配置即可
V2.0新增参数：
--step 新增 11参数，填入11时为框架图分析
现在默认的分箱分析步骤为1，2,4,5,7 ，即可做到分箱和初步bins注释与丰度计算过程
--bins_folder_list   输入bins对应的序列文件夹位置,该参数可以使用分箱后框架图分析或独立序列接入框架图分析，
形如：merge   /TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/example_report/Step5_BIN_refinement/merge/metawrap_70_10_bins/
如果有多个样本，那么增加多列即可，路径下要求为fa文件后缀结尾
--species_type    指定框架图分析时的物种类型，细菌或真菌 bac 或 fun    默认 bac
--quant_method    Step7使用coverM计算bins的丰度数据对应方法,可选：
                        relative_abundance, mean, trimmed_mean, coverage_histogram, covered_fraction
                        covered_bases, variance, length, count, reads_per_base, rpkm, tpm
                        

 

完整脚本及测试路径：

/TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/bin/
/TJPROJ1/META_ASS/script_Advanced_analysis/metaWRAP/example

软件github链接：

https://github.com/bxlab/metaWRAP

方法对应文献： MetaWRAP—a flexible pipeline for genome-resolved metagenomic data analysis