敌对者

敌对者能够从短读和长读（元）基因组中精确移除宿主序列，消耗成对的或不成对的 fastq[.gz] 输入。内置功能 – 首次运行时将下载人类参考基因组。默认情况下，敌对者非常精确，移除的微生物读取量比现有方法少一个数量级，同时从1000 Genomes Project样本中移除了 >99.5% 的真实人类读取。为了最大限度地保留微生物读取，请使用针对细菌和/或病毒基因组进行屏蔽的现有索引，或使用内置屏蔽实用工具创建自己的索引。可以通过使用 --rename 替换读取头为整数（用于隐私和更小的FASTQ）。使用现有的快速工具（Minimap2/Bowtie2和Samtools）进行繁重的计算。Bowtie2是短（成对）读取的默认对齐器，而Minimap2是长读取的默认对齐器。在基准测试中，细菌Illumina读取以32Mbp/s（210k reads/sec）的速率进行了去污染，细菌ONT读取以22Mbp/s的速率进行，使用8个对齐线程。默认情况下，敌对者对短读取去污染需要4GB内存，对长读取（Minimap2）需要13GB内存。更多信息Benchmark可以在论文和博客文章中找到。请创建一个问题来报告问题 或 其他方式 联系 寻求 帮助、建议等。

参考基因组（索引）

默认索引 human-t2t-hla 包含 T2T-CHM13v2.0 和 IPD-IMGT/HLA v3.51，运行 Hostile 时会自动下载，除非指定了其他索引。使用屏蔽索引可能略微提高微生物序列的保留率，如下所示。索引 human-t2t-hla-argos985 对 985个参考级细菌基因组（包括常见的人类病原体）进行屏蔽，而 human-t2t-hla.argos-bacteria-985_rs-viral-202401_ml-phage-202401 则进一步对所有已知的病毒和噬菌体基因组进行全面屏蔽。当病毒序列的保留是优先考虑时，应使用后者。要使用标准索引，只需将索引名称作为 --index 参数的值传递即可，它会负责下载和缓存相关索引。可以使用 --offline 标志禁用自动下载，--index 可以接受自定义参考基因组或 Bowtie2 索引的路径。由牛津大学的 ModMedMicro 研究单元 提供的对象存储。

在 论文 中评估了 human-t2t-hla 和 human-t2t-hla-argos985-mycob140 的性能

使用 安装

由于存在非 Python 依赖项（Bowtie2、Minimap2、Samtools 和 Bedtools），建议使用 conda/mamba 或 Docker 进行安装。Hostile 在 Ubuntu Linux 22.04、MacOS 12 和 WSL（Windows Subsystem for Linux）下进行了测试。

Conda/mamba

conda create -y -n hostile -c conda-forge -c bioconda hostile
conda activate hostile

Docker

wget https://raw.githubusercontent.com/bede/hostile/main/Dockerfile
docker build . --platform linux/amd64

还提供了 Biocontainer 图像，但请注意，这通常落后于最新发布的版本

索引安装（可选）

首次运行时，Hostile 会自动下载和缓存默认索引 human-t2t-hla，这意味着无需预先下载索引。尽管如此

• 要下载和缓存默认索引（human-t2t-hla），请运行 hostile fetch
• 要列出可用的索引，请运行 hostile fetch --list
• 要下载和缓存其他标准索引，例如运行 hostile fetch --name human-t2t-hla-argos985
• 要使用自定义基因组（例如使用 hostile mask 制作），请使用 hostile clean 并指定 --index path/to/genome.fa（minimap2）或 --index path/to/index（无文件扩展名；Bowtie2）
• 要更改索引存储的位置，将环境变量 HOSTILE_CACHE_DIR 设置为您选择的目录。运行 hostile fetch --list 以验证。

命令行使用

$ hostile clean -h
usage: hostile clean [-h] --fastq1 FASTQ1 [--fastq2 FASTQ2] [--aligner {bowtie2,minimap2,auto}] [--index INDEX]
                     [--invert] [--rename] [--reorder] [--out-dir OUT_DIR] [--threads THREADS]
                     [--aligner-args ALIGNER_ARGS] [--force] [--offline] [--debug]

Remove reads aligning to an index from fastq[.gz] input files

options:
  -h, --help            show this help message and exit
  --fastq1 FASTQ1       path to forward fastq[.gz] file
  --fastq2 FASTQ2       optional path to reverse fastq[.gz] file
                        (default: None)
  --aligner {bowtie2,minimap2,auto}
                        alignment algorithm. Default is Bowtie2 (paired reads) & Minimap2 (unpaired reads)
                        (default: auto)
  --index INDEX         name of standard index or path to custom genome/index
                        (default: human-t2t-hla)
  --invert              keep only reads aligning to the target genome (and their mates if applicable)
                        (default: False)
  --rename              replace read names with incrementing integers
                        (default: False)
  --reorder             ensure deterministic output order
                        (default: False)
  --out-dir OUT_DIR     path to output directory
                        (default: /Users/bede/Research/Git/hostile)
  --threads THREADS     number of alignment threads. A sensible default is chosen automatically
                        (default: 5)
  --aligner-args ALIGNER_ARGS
                        additional arguments for alignment
                        (default: )
  --force               overwrite existing output files
                        (default: False)
  --offline             disable automatic index download
                        (default: False)
  --debug               show debug messages
                        (default: False)

短读，默认索引

$ hostile clean --fastq1 human_1_1.fastq.gz --fastq2 human_1_2.fastq.gz
INFO: Hostile version 1.0.0. Mode: paired short read (Bowtie2)
INFO: Found cached standard index human-t2t-hla
INFO: Cleaning…
INFO: Cleaning complete
[
    {
        "version": "1.0.0",
        "aligner": "bowtie2",
        "index": "human-t2t-hla",
        "options": [],
        "fastq1_in_name": "human_1_1.fastq.gz",
        "fastq1_in_path": "/Users/bede/human_1_1.fastq.gz",
        "fastq1_out_name": "human_1_1.clean_1.fastq.gz",
        "fastq1_out_path": "/Users/bede/human_1_1.clean_1.fastq.gz",
        "reads_in": 2,
        "reads_out": 0,
        "reads_removed": 2,
        "reads_removed_proportion": 1.0,
        "fastq2_in_name": "human_1_2.fastq.gz",
        "fastq2_in_path": "/Users/bede/human_1_2.fastq.gz",
        "fastq2_out_name": "human_1_2.clean_2.fastq.gz",
        "fastq2_out_path": "/Users/bede/human_1_2.clean_2.fastq.gz"
    }
]

短读，掩码索引，保存日志

$ hostile clean --fastq1 human_1_1.fastq.gz --fastq2 human_1_2.fastq.gz --index human-t2t-hla-argos985 > log.json
INFO: Hostile version 1.0.0. Mode: paired short read (Bowtie2)
INFO: Found cached standard index human-t2t-hla
INFO: Cleaning…
INFO: Cleaning complete

短非配对读，保存日志

默认情况下，假设单个 fastq 为长读。在去除非配对短读的污染时，通过指定 --aligner bowtie2 来覆盖此设置。

$ hostile clean --aligner bowtie2 --fastq1 tests/data/human_1_1.fastq.gz > log.json
INFO: Hostile version 1.0.0. Mode: short read (Bowtie2)
INFO: Found cached standard index human-t2t-hla
INFO: Cleaning…
INFO: Cleaning complete

长读

$ hostile clean --fastq1 tests/data/tuberculosis_1_1.fastq.gz
INFO: Hostile version 1.0.0. Mode: long read (Minimap2)
INFO: Found cached standard index human-t2t-hla
INFO: Cleaning…
INFO: Cleaning complete
[
    {
        "version": "1.0.0",
        "aligner": "minimap2",
        "index": "human-t2t-hla",
        "options": [],
        "fastq1_in_name": "tuberculosis_1_1.fastq.gz",
        "fastq1_in_path": "/Users/bede/Research/Git/hostile/tests/data/tuberculosis_1_1.fastq.gz",
        "fastq1_out_name": "tuberculosis_1_1.clean.fastq.gz",
        "fastq1_out_path": "/Users/bede/Research/Git/hostile/tuberculosis_1_1.clean.fastq.gz",
        "reads_in": 1,
        "reads_out": 1,
        "reads_removed": 0,
        "reads_removed_proportion": 0.0
    }
]

Python 使用

from pathlib import Path
from hostile.lib import clean_fastqs, clean_paired_fastqs

# Long reads, defaults
clean_fastqs(
    fastqs=[Path("reads.fastq.gz")],
)

# Paired short reads, various options, capture log
log = clean_paired_fastqs(
    fastqs=[(Path("reads_1.fastq.gz"), Path("reads_2.fastq.gz"))],
    index="human-t2t-hla-argos985",
    out_dir=Path("decontaminated-reads"),
  	rename=True,
    force=True,
    threads=4
)

print(log)

掩码参考基因组

mask 子命令可以轻松创建自定义掩码参考基因组，并实现特定目标生物体的最大保留

hostile mask human.fasta lots-of-bacterial-genomes.fasta --threads 8

您可能希望将现有的某个 参考基因组 作为起点。掩码使用 Minimap2 将提供的靶基因组中的 150mer 与参考基因组进行比对，并使用 bedtools 掩码所有比对区域。同时创建掩码基因组（用于 Minimap2）和掩码 Bowtie2 索引。

限制

• Hostile 优先保留微生物序列，而不是丢弃宿主序列。如果您努力去除每个最后的人类序列，其他方法可能更适合您。
• 使用所有可用的 CPU 内核并不总是会提高性能。因此，在运行时会自动选择一个合理的默认值。
• Minimap2 在开始去除污染之前，对人类基因组索引有 30-90 秒的开销。令人惊讶的是，加载预构建索引并没有显著加快。我希望能在未来版本中减轻这一点。

引用

Bede Constantinides, Martin Hunt, Derrick W Crook, Hostile: 准确去除微生物宿主序列，Bioinformatics，2023; btad728，https://doi.org/10.1093/bioinformatics/btad728

@article{10.1093/bioinformatics/btad728,
    author = {Constantinides, Bede and Hunt, Martin and Crook, Derrick W},
    title = {Hostile: accurate decontamination of microbial host sequences},
    journal = {Bioinformatics},
    volume = {39},
    number = {12},
    pages = {btad728},
    year = {2023},
    month = {12},
    issn = {1367-4811},
    doi = {10.1093/bioinformatics/btad728},
    url = {https://doi.org/10.1093/bioinformatics/btad728},
    eprint = {https://academic.oup.com/bioinformatics/article-pdf/39/12/btad728/54850422/btad728.pdf},
}

开发安装

git clone https://github.com/bede/hostile.git
cd hostile
conda env create -y -f environment.yml
conda activate hostile
pip install --editable '.[dev]'
pytest