宏基因组的基因组binning（分箱，即将测序数据中的reads或contigs分类到不同的基因组中）是一个关键步骤, 常用的软件是2018发表的metawrap,但是他一直没有更新, 这篇文章将介绍一个较新的binning流程：BASALT及其具体使用方法

01

—

BASALT介绍

BASALT （Binning Across a Series of AssembLies Toolkit）是一个高效的基因组binning工具，旨在处理复杂的微生物组数据，特别是在多个组装（assemblies）之间进行binning时表现出色。它通过整合多个组装结果，提高了binning的准确性和完整性，尤其适用于处理高度复杂的微生物群落数据。

相较于metawrap,BASALT的分箱质量更好,但是更慢

BASALT的文章于2024年发表于Nature Communications，以下是BASALT的主要工作流程模块：

02

—

下载安装方法

下载安装：

软件主页：https://github.com/EMBL-PKU/BASALT。

git clone https://github.com/EMBL-PKU/BASALT.gitpython BASALT_setup.pychmod -R 777 BASALT/bin/*
# 脚本下载训练模型python BASALT_models_download.py
# 手动下载训练模型wget https://figshare.com/ndownloader/files/41093033mv 41093033 BASALT.zipmv BASALT.zip ~/.cachecd ~/.cacheunzip BASALT.zip
# 注意大陆地区的无法科学上网的用户可以使用下面的代码安装python BASALT_setup_China_mainland.py# 或者，从腾讯 iCloud（https://share.weiyun.com/r33c2gqa）下载 BASALT.zip 的神经网络训练模型并运行mv BASALT.zip ~/.cachecd ~/.cacheunzip BASALT.zip

其他的还可以尝试使用docker, conda,singularity等软件安装,网页里都有写, 软件的运行需要samtools,CheckM2等一系列辅助软件,需要在环境变量里有

03

—

使用方法

1. 输入准备：

原始数据：每个样本的FASTA文件（如sample1.fa, sample2.fa）。

组装结果: 使用megahit或spades等组装出来的congtig.fa

2. 运行命令：

用法: BASALT [-h] [-a ASSEMBLIES] [-s SR_DATASETS] [-l LONG_DATASETS]  
              [-hf HIFI_DATASETS] [-c HI_C_DATASET] [-t THREADS] [-m RAM]  
              [-e EXTRA_BINNER] [-qc QUALITY_CHECK]  
              [--min-cpn MIN_COMPLETENESS] [--max-ctn MAX_CONTAMINATION]  
              [--mode RUNNING_MODE] [--module FUNCTIONAL_MODULE]  
              [--autopara AUTOBINING_PARAMETERS]  
              [--refinepara REFINEMENT_PARAMTER]  
  -h, --help  
                        显示帮助信息并退出。  
  -a ASSEMBLIES, --assemblies ASSEMBLIES  
                        组装序列文件列表，例如：`as1.fa,as2.fa`。  
  -s SR_DATASETS, --shortreads SR_DATASETS  
                        双端测序数据列表，例如：  
                        `r1_1.fq,r1_2.fq/r2_1.fq,r2_2.fq`（双端数据需使用`/`分隔）。  
                        注意，这里不是随便什么路径，要求一定要在同一个文件夹下。
  -l LONG_DATASETS, --longreads LONG_DATASETS  
                        包含ONT和PacBio长读长数据（不包括HiFi数据）。  
                        例如：`lr1.fq,lr2.fq`。  
  -hf HIFI_DATASETS, --hifi HIFI_DATASETS  
                        HiFi测序数据，例如：`hf1.fq,hf2.fq`。  
  -c HI_C_DATASET, --HIC HI_C_DATASET  
                        Hi-C测序数据列表，例如：`hc1.fq,hc2.fq`。  
  -t THREADS, --threads THREADS  
                        线程数，例如：`64`。  
  -m RAM, --ram RAM  
                        内存大小，最低建议`32G`。  
  -e EXTRA_BINNER, --extra_binner EXTRA_BINNER  
                        额外的分箱工具：  
                        `m`：MetaBinner  
                        `v`：Vamb  
                        例如：`-e m`表示在默认使用MetaBAT2、MaxBin2和CONCOCT的基础上，额外使用MetaBinner进行分箱。  
  -qc QUALITY_CHECK, --quality-check QUALITY_CHECK  
                        选择CheckM版本，默认`checkm`，可指定`checkm2`，例如：  
                        `-qc checkm2`用于质量检查。  
  --min-cpn MIN_COMPLETENESS  
                        过滤保留bin的最小完整度（默认`35`）。  
  --max-ctn MAX_CONTAMINATION  
                        过滤保留bin的最大污染度（默认`20`）。  
  --mode RUNNING_MODE  
                        运行模式：  
                        `new`：新建项目  
                        `continue`：继续运行  
                        例如：`--mode continue` / `--mode new`。  
  --module FUNCTIONAL_MODULE  
                        运行的功能模块（默认运行所有模块）：  
                        `autobinning`：自动分箱  
                        `refinement`：分箱优化  
                        `reassembly`：重新组装  
                        例如：`--module reassembly` 仅运行重新组装模块。  
  --autopara AUTOBINING_PARAMETERS  
                        自动分箱模式：  
                        `more-sensitive`（默认）  
                        `sensitive`  
                        `quick`  
                        例如：`--autopara sensitive`。  
  --refinepara REFINEMENT_PARAMTER  
                        分箱优化参数：  
                        `deep`（默认）  
                        `quick`  
                        例如：`--refinepara quick`。

分析使用代码

二代数据,三代数据,hifi还有Hi-C数据都有对应的参数,具体看上面的帮助,不搞错就行

比如常见的二代和三代搭配

作者团队准备了测试文件以测试BASALT是否成功安装并且可以顺利运行。
https://figshare.com/articles/dataset/BASALT_demo_files/22323424可以科学上网的可以试试,

# 下载成功以后
unzip 22323424.zip
tar zxvf Data.tar.gz
cd Data/
BASALT -a assembly.fa -s sample1.R1.fq,sample1.R2.fq -l sample1.nanopore.fq -t 64 -m 300

-a是组装结果, -s 二代结果,-l长读长数据,分的很清楚不容易弄错,但是这个很慢,大概要3个多小时

04

—

注意事项

BASALT的程序输入 -a,-s等参数不是任意文件的路径，而是要把这些文件放置到脚本运行同一文件夹下，因为’/‘已经被用作文件之间的分隔符了。并且BASALT还不能设定输出路径，在输出时候自动将结果及重要过程文件输出至当前工作路径下，建议用户将需要分析的文件单独建立文件夹存放和运行BASALT，以免重复输出覆盖原有结果。用起来有点麻烦。

References：

1. Qiu, Z., Yuan, L., Lian, CA. et al. BASALT refines binning from metagenomic data and increases resolution of genome-resolved metagenomic analysis. Nat Commun 15, 2179 (2024). https://doi.org/10.1038/s41467-024-46539-7
2. https://github.com/EMBL-PKU/BASALT
3. https://mp.weixin.qq.com/s/TlxaiQGjoiE3c0Onqatu8A

    4. https://asa-blog.netlify.app/p/binning/