S³N²Bin (半监督Siamese神经网络宏基因组分箱)

注意: 此工具仍在开发中。欢迎尝试并期待反馈，但在此稳定之前，可能会出现一些错误/快速变化。请使用Github issues提交错误报告，并使用Discussions进行更开放式的讨论/提问。

使用参考基因组信息进行半监督深度学习宏基因组分箱的命令工具。

安装

S³N²Bin在Python 3.6-3.8上运行。

从源代码安装

您可以从github下载源代码并安装。

使用conda安装依赖包: Bedtools, Hmmer, Fraggenescan 和 cmake.

conda install -c bioconda bedtools hmmer fraggenescan

conda install -c anaconda cmake=3.19.6

python setup.py install

示例

简单单/共组装分箱模式

您需要以下输入

1. 一个contig文件（以下示例中的contig.fna）
2. 来自映射的BAM文件

您可以使用一行代码获取结果。single_easy_bin命令可用于单样本和共组装分箱模式（使用mmseqs和GTDB参考基因组进行contig注释）。single_easy_bin包括以下步骤：predict_taxonomy，generate_data_single 和 bin。

S3N2Bin single_easy_bin -i contig.fna -b *.bam -o output

在此示例中，S³N²Bin将GTDB下载到$HOME/.cache/S3N2Bin/mmseqs2-GTDB/GTDB。您可以使用-r参数更改此默认设置。

简易多样本分箱模式

可以在多样本分箱模式下使用 multi_easy_bin 命令（使用 GTDB 参考基因组进行 mmseqs 连接组注释）。multi_easy_bin 包含以下步骤：predict_taxonomy、generate_data_multi 和 bin。

你需要以下输入。

1. 一个合并的连接组文件

2. 来自映射的BAM文件

对于每个连接组，名称的格式是 <sample_name>:<contig_name>，其中 : 是默认分隔符（可以使用 --separator 参数更改）。注意：确保样本名称是唯一的，分隔符在分割时不会引起混淆。例如

>S1:Contig_1
AGATAATAAAGATAATAATA
>S1:Contig_2
CGAATTTATCTCAAGAACAAGAAAA
>S1:Contig_3
AAAAAGAGAAAATTCAGAATTAGCCAATAAAATA
>S2:Contig_1
AATGATATAATACTTAATA
>S2:Contig_2
AAAATATTAAAGAAATAATGAAAGAAA
>S3:Contig_1
ATAAAGACGATAAAATAATAAAAGCCAAATCCGACAAAGAAAGAACGG
>S3:Contig_2
AATATTTTAGAGAAAGACATAAACAATAAGAAAAGTATT
>S3:Contig_3
CAAATACGAATGATTCTTTATTAGATTATCTTAATAAGAATATC

您可以用一行代码获取结果。

S3N2Bin multi_easy_bin -i contig_whole.fna -b *.bam -o output

高级分箱模式

您可以自行运行单个步骤，这可以启用使用计算集群来加快分箱过程（尤其是在多样本分箱模式下）。

有关用法和如何单独运行单个步骤的详细信息，请阅读文档。

输出

输出文件夹将包含

1. 用于训练和聚类的数据集。

2. 保存的半监督深度学习模型。

3. 输出分箱。

4. 一些中间文件。

对于每个样本，重建的分箱位于 output_recluster_bins 目录中。

有关输出的更多详细信息，请阅读文档。