宏基因组组装基因组（MAG）重建流程的现状与选择策略
随着全基因组测序技术的飞速发展，宏基因组学使我们能够直接从环境DNA中探索微生物多样性，而无需依赖传统的培养方法。宏基因组组装基因组（MAG）的重建已成为研究未培养微生物、发现新物种、推断群落代谢功能及生态相互作用的关键技术。然而，面对众多可用的生物信息学流程，研究者如何选择最适合自己需求的流程，往往成为一个棘手的问题。
流程工作流程、工具与基准测试
典型的MAG重建流程包括一系列标准步骤：质量控制、组装、分箱、质量评估、分箱 refinement、分类学注释和功能注释。质量控制阶段使用如Trimmomatic、fastp等工具去除低质量读段和污染物。组装步骤是核心，短读长数据常用MEGAHIT、metaSPAdes等基于De Bruijn图的工具，而长读长数据则依赖metaFlye、Canu等。分箱工具如MetaBAT2、MaxBin2和CONCOCT等，通过序列组成和覆盖度模式将重叠群分组。近年来，基于深度学习的工具如SemiBin2和COMEBin展现出更优的性能。质量评估工具如CheckM、CheckM2和BUSCO用于评估基因组的完整度和污染度。分类学注释普遍采用GTDB-Tk，而功能注释则依赖Prokka、eggNOG-mapper等工具及KEGG、eggNOG等数据库。
基准测试研究揭示了不同工具的优劣。例如，在组装方面，metaSPAdes在减少嵌合体和碎片化方面表现优异；在分箱方面，深度学习方法往往名列前茅。值得注意的是，对整个流程的基准测试更具挑战性，但已有研究表明，不同流程（如MetaWRAP、nf-core/mag）在恢复高质量MAG的数量和质量上存在差异。
流程执行的实践与技术考量
现代MAG流程能够处理短读长（如Illumina）、长读长（如ONT、PacBio）或两者混合的数据。计算需求因数据规模和复杂度而异，小型数据集可在高性能工作站处理，而大型复杂宏基因组则需要高性能计算（HPC）集群或云计算资源。此外，参考数据库（如GTDB、KEGG）的存储需求也相当可观，可达数百GB。
对于缺乏命令行经验的用户，基于网络的平台如KBase、MGnify、Galaxy和BV-BRC提供了用户友好的界面和预定义工作流程。为确保可重复性和可扩展性，工作流程管理器如Snakemake、Nextflow和WDL已成为标准，它们与Conda、Docker等容器化技术结合，简化了软件依赖管理。
流程还集成了多种特色功能，如基于读长的分类学分析、病毒或真核生物MAG回收、基因组尺度代谢模型构建等，有些流程甚至提供质粒组装、基因型回收等独特选项。
2Pipe：从问题出发
面对庞大的流程生态系统，研究者选择合适流程的挑战日益凸显。为此，本综述介绍了2Pipe，一个交互式决策支持网络应用。2Pipe的核心是一个动态的、问题驱动的界面，通过个性化问卷收集用户关于数据类型、技术需求和分析目标等信息。其推荐系统根据问卷回答为每个流程评分，最终推荐匹配度最高的流程。
除了问卷推荐，2Pipe还提供流程画廊，展示每个流程的简要描述和源代码链接；一个交互式表格，允许用户根据特定功能过滤和比较流程；以及一个专门的页面，汇总了各类工具和完整流程的基准测试研究文献。2Pipe的源代码已公开，并鼓励开发者通过提供的模板将新流程纳入其推荐系统。
结论
宏基因组组装基因组重建流程的快速发展为微生物组研究提供了强大工具，但也带来了选择上的困难。本综述通过对41种流程的系统梳理，为研究者提供了宝贵的资源。更重要的是，2Pipe应用的引入，将复杂的流程选择过程简化为一个直观的、问题驱动的交互体验，有望显著降低研究者开展宏基因组学项目的门槛和不确定性。
