哈佛大学医学院Dana-Farber癌症研究所李恒课题组重磅推出三代HiFi宏基因组组装软件——hifiasm-meta。研究论文“Metagenome assembly of high-fidelity long reads with hifiasm-meta”预印本在线发布。

宏基因组样本的do novo组装是研究微生物群落的常用方法。与单个物种的组装相比，宏基因组组装存在PacBio HiFi 数据中读取长度分布的较大差异，以及某些单倍型的高倍性和低覆盖率等难点挑战。本文针对这些难点问题，对hifiasm-meta进行了几项重大更改以应对这些挑战。

hifiasm-meta是基于hifiasm的宏基因组组装工具：

• 改善了一些宏基因组数据中比单样本测序更突出的问题（例如contained reads）；

• 优先于获得连贯的contigs，过程不需要手工干预，和hifiasm相同是一个binary和一行命令；对于回收variants和SV，可能对read-contig的alignment+variant calling比处理assembly graph更实用）；

• （可选）丢弃冗余reads的模块，不过实际数据通常测序深度没有饱和，尝试丢弃reads的话通常有害且对运行速度没有太大帮助，所以目前只用在深度过高的mock community中。

图1 hifiasm-meta软件组装原理

作者首先在两个模拟菌群ATCC和zymo中评估了hifiasm-meta软件组装效果（表 1）。ATCC由20个不同的物种组成，通过组装对14个高丰富的物种重建为完成图contigs，比metaFlye和Hicanu软件效果更好，未组装到的菌发现其组装gaps都是由于覆盖率不足造成的。

zymo数据集包含17个物种的21个菌株，包括5个大肠杆菌，每个菌株丰度为8%。hifiasm-meta软件都获得了很好的组装效果（表1）。

作者接着测试了三个样本HiFi 宏基因组hifiasm-meta组装，使用CheckM检测完整性和污染度。从sheepA肠道样本中，hifiasm-meta 重建了328个长度>1Mb的contigs（图2a），总长度为656Mb。根据CheckM检测，有173个接近完成图（图2b），其中有125个是环状contigs（图2b），相比于HiCanu（64个）和metaFlye（31个）软件有显著改善。这表明 hifiasm-meta能够完全重建宏样本中更多的物种或菌株。

对比MetaBAT2软件，hifiasm-meta可以找到更多质量的MAGs（图2c）。作者将 hifiasm-meta应用于数据量更大的sheepB 数据集并获得了438 个接近完整的MAGs和245个环状contigs。

图2 经验数据集的宏基因组hifiasm-meta组装结果

对来源于人的杂食和素食者肠道样本进行测试，组装的contigs能够很好的区分杂食样本和素食样本，但是在进化树上MAGs没有明显的聚集倾向：19个属中有至少3个MAGs，其中16个属既有来自杂食者，也有来自素食者的MAGs（图3）。这表明 hifiasm-meta更擅长解决细微的组分差异。

图3 人肠道样本宏基因组hifiasm-meta组装结果

最后，作者比较了软件的性能，hifiasm-meta组装sheepA和鸡数据集需要48个CPU大约18个小时，而人类肠道样本花费了大约3个小时，与metaFlye速度相当，并且始终比HiCanu软件快好几倍。

综上，hifiasm-meta软件将进一步推动宏基因组组装。hifiasm-meta能够在无需人工干预的情况下，从一个深度测序的样本中组装出更多的环状MAGs。这种高质量的宏基因组组装可能会从根本上改变宏基因组分析，并揭示微生物群落的生物学和生物医学意义。