- 4 次围观
全基因组测序（whole-genome sequencing, WGS）技术的进展使大规模恢复宏基因组组装基因组（metagenome-assembled genomes, MAGs）成为可能，为揭示不同环境中的微生物多样性提供了前所未有的洞见。然而，MAGs 的重建仍然计算密集且方法学复杂，需要整合多个用于质量控制、组装、分箱、精炼和注释的工具。现有工作流程往往依赖基于脚本的实现，限制用户主导的修改和逐步执行，并且需要高性能计算（high-performance computing, HPC）系统管理方面的高级专业知识，从而限制了可及性、可重复性和适应性。在此，我们提出 FAIRyMAGs，这是一个符合可发现、可访问、可互操作和可重用（Findable, Accessible, Interoperable, and Reusable, FAIR）原则的模块化流程，基于 Galaxy 平台实现，用于 MAGs 的生成与分析。FAIRyMAGs 由六个相互关联的工作流程组成，涵盖 MAG 重建的所有主要步骤，包括读段预处理、宿主与污染序列去除、组装、分箱、去冗余以及下游分类学和功能注释。该工作流程还配备了丰富的培训材料，包括教程、学习路径、常见问题解答、测试数据集以及领域专家制作的视频演示，以支持社区适配。通过利用 Galaxy 的图形界面和联邦式基础设施，FAIRyMAGs 使用户能够在公共或私有计算资源上执行复杂分析，而无需本地安装或工作流程编程经验。其模块化设计进一步支持灵活适配、迭代优化，以及无缝整合社区贡献的新工具。为展示其适用性，FAIRyMAGs 被应用于四个真实世界微生物组数据集，涵盖多种宿主相关和环境系统。这些分析揭示了 MAGs 恢复率、群落复杂性和聚类结构的显著差异，凸显了可根据数据集特征灵活调整的工作流程的重要性。总体而言，FAIRyMAGs 为基因组分辨率宏基因组学提供了一个可访问、可扩展且可重复的框架，降低了技术门槛，并通过 Galaxy 生态系统内由社区驱动的发展促进方法学创新。
全基因组测序（WGS）技术的进展使得大规模恢复宏基因组组装基因组（MAGs）成为可能，为深入理解不同环境中的微生物多样性提供了前所未有的洞见。然而，MAGs 的重建仍然在计算上需求高且方法学上复杂，需要整合多个工具用于质量控制、组装、分箱、精炼和注释。现有工作流程往往依赖基于脚本的实现，限制了用户驱动的修改和逐步执行，并且需要高性能计算（HPC）系统管理方面的高级专业知识，从而限制了可访问性、可重复性和适应性。
在此，我们提出 FAIRyMAGs，这是一种符合可发现（Findable）、可访问（Accessible）、可互操作（Interoperable）和可重用（Reusable）（FAIR）原则的模块化流水线，基于 Galaxy 平台实现，用于 MAGs 的生成与分析。FAIRyMAGs 由六个相互关联的工作流程组成，涵盖 MAG 重建的所有主要步骤，包括读段预处理、宿主及污染物去除、组装、分箱、去冗余以及下游分类学和功能注释。该工作流程配套提供了丰富的培训材料，包括教程、学习路径、常见问题解答、测试数据集以及由领域专家制作的视频演示，以支持社区适配。
通过利用 Galaxy 的图形界面和联邦式基础设施，FAIRyMAGs 使用户无需本地安装或工作流程编程经验，即可在公共或私有计算资源上执行复杂分析。其模块化设计进一步支持灵活适配、迭代优化以及与社区贡献的新工具无缝集成。
为验证其适用性，FAIRyMAGs 被应用于四个真实世界的微生物组数据集，涵盖多种宿主相关和环境系统。这些分析揭示了 MAG 恢复率、群落复杂性和聚类结构的显著差异，强调了可针对数据集特征灵活调整的工作流程的重要性。
总体而言，FAIRyMAGs 为基因组分辨率宏基因组学提供了一个可访问、可扩展且可重复的框架，降低了技术门槛，并通过 Galaxy 生态系统内由社区驱动的开发促进方法学创新。
作者声明不存在任何竞争性利益。
注意：仅为确认您是本文作者，故需提供您的电子邮件地址。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.31.741430v1?rss=1
🏷️ 宏基因组组装基因组 Galaxy工作流 微生物组分析 FAIR原则 基因组重建