病毒是地球上數(shù)量最多的生物實(shí)體,，其中細(xì)菌病毒(即噬菌體)約有1031個(gè)類(lèi)群,，從海洋到陸地再到人體幾乎都是它們的棲息地。研究者將病毒視為調(diào)節(jié)人類(lèi)生態(tài)系統(tǒng)的重要成員,，人體內(nèi)主要包括真核病毒和噬菌體,，包括雙鏈DNA (double-stranded DNA, dsDNA)，單鏈DNA (single-stranded DNA, ssDNA)和RNA病毒,。隨著對(duì)病毒研究的廣泛開(kāi)展,，“病毒組”與“病毒組學(xué)”的概念也應(yīng)運(yùn)而生，這些術(shù)語(yǔ)分別涵蓋了棲息在生態(tài)系統(tǒng)中的所有病毒及其基因組和對(duì)它們的研究(Lefkowitz EJ, et al, 2017),。根據(jù)病毒不同的特征進(jìn)行分類(lèi),，包括病毒的宿主范圍；病毒的形態(tài)學(xué),；病毒的基因組大?。徊《镜暮怂峤M成成分以及病毒的致病性,。雖然所有的性狀在病毒分類(lèi)學(xué)的確定中都很重要,，但目前利用平均核苷酸同源性（ANI）和系統(tǒng)發(fā)育關(guān)系進(jìn)行序列比較被視為定義和區(qū)分病毒群類(lèi)的主要標(biāo)準(zhǔn)。

此外,，病毒也被發(fā)現(xiàn)潛伏在人類(lèi)細(xì)胞內(nèi),，如人類(lèi)內(nèi)源性逆轉(zhuǎn)錄病毒(human endogenous retroviruses, HERVs)等。一部分病毒已經(jīng)失去了重新激活的能力(例如某些HERVs),，另一部分可以重新激活但作為原病毒保留很長(zhǎng)一段時(shí)間,，其它部分則呈現(xiàn)周期性的動(dòng)態(tài)循環(huán)(周期性產(chǎn)生病毒粒子并頻繁感染)  。另一方面,，噬菌體通過(guò)與我們體內(nèi)細(xì)菌群落的相互作用,，從而可以參與調(diào)節(jié)人體菌群，對(duì)細(xì)菌的部分功能基因進(jìn)行儲(chǔ)存,，并通過(guò)與機(jī)體免疫系統(tǒng)的互作,，促進(jìn)免疫系統(tǒng)的成熟。已有大量研究致力于描述病毒群落的特征及它在塑造微生物群方面的作用,，然而,，不同于細(xì)菌和真菌,，噬菌體或真核病毒并沒(méi)有通用的標(biāo)記基因可以將其作為一個(gè)整體進(jìn)行研究，因此,，并不能通過(guò)標(biāo)簽序列擴(kuò)增子測(cè)序的手段進(jìn)行相應(yīng)的病毒群落解析,。

1991年Schmidt(Schmidt TM, et al, 1991)首次提出的環(huán)境基因組學(xué)(Environmental genomics)被視為宏基因組學(xué)的前身，當(dāng)時(shí)Schmidt等構(gòu)建了世界上第一個(gè)海洋生物樣本DNA的噬菌體文庫(kù),，并從中發(fā)現(xiàn)了15種全新的細(xì)菌核酸序列,。1998年，Handelsman等(Handelsman J, et al, 1998)提出研究特定環(huán)境樣本中遺傳物質(zhì)的總和的課題,，并將特定小生境中全部微小生物遺傳物質(zhì)的總和定義為宏基因組(Metagenome) ,。2004年Handelsman (Handelsman J, et al, 2004)完整闡述了宏基因組學(xué)(Metagenomics)的概念，即以某一特定環(huán)境樣本中的微生物群體基因組為研究對(duì)象,，以功能基因篩選和序列測(cè)定分析為研究手段,，以微生物多樣性、種群結(jié)構(gòu),、進(jìn)化關(guān)系,、功能活性、相互作用及其與環(huán)境之間的關(guān)系為研究目的的一種新的微生物研究方法,。

宏病毒組學(xué)(Viral Metagenomics)是宏基因組學(xué)的一個(gè)分支,，但與傳統(tǒng)的宏基因組學(xué)概念不同，它是在宏基因組學(xué)概念的基礎(chǔ)上,，結(jié)合病毒自身的特點(diǎn),，將宏基因組學(xué)方法應(yīng)用到病毒學(xué)領(lǐng)域而形成的。2002年,，Breitbart等(Breitbart M, et al, 2002)將宏基因組學(xué)方法應(yīng)用于海洋病毒群落的研究,，發(fā)現(xiàn)噬菌體為海水中主要病毒組，這一研究標(biāo)志著宏病毒組學(xué)正式應(yīng)用于科學(xué)研究,。

簡(jiǎn)而言之,，宏病毒組學(xué)就是應(yīng)用特殊方法把特定環(huán)境中所有病毒與其他微生物分開(kāi)，然后提取的病毒核酸,，用高通量技術(shù)進(jìn)行病毒核酸測(cè)序,，依托現(xiàn)有數(shù)據(jù)庫(kù)進(jìn)行相應(yīng)的比對(duì)工作，并運(yùn)用軟件分析處理后最終得到研究樣品中病毒群落的組成信息,。

生物信息分析

介紹宏病毒組分析的常用軟件之前,，首先我們來(lái)看一下宏病毒組的基本分析流程。這里需要說(shuō)明的是基于病毒顆粒分離技術(shù)及NGS測(cè)序平臺(tái)的宏病毒組學(xué)研究還處于起步階段,，分析功能模塊新的思路和技術(shù)層出不窮,，但另一個(gè)層面，宏病毒組是宏基因組的一個(gè)分支,，基本大的分析思路方面與宏基因組還是有著不小的相似之處,。歸納一下，宏病毒組主要包括一下幾個(gè)方面的分析內(nèi)容：

病毒群落結(jié)構(gòu)組成分析

病毒群落功能分析

病毒（特別是噬菌體）宿主預(yù)測(cè)

病毒與群落中細(xì)菌,、古菌等其他微生物之間的互作網(wǎng)絡(luò)

基于非數(shù)據(jù)庫(kù)比對(duì)的新病毒序列的挖掘

下面是易基因科技的宏病毒組的基本分析流程

圖1：EGENE 宏病毒組分析流程

測(cè)序數(shù)據(jù)質(zhì)控和統(tǒng)計(jì)

宏病毒組的數(shù)據(jù)依然還是NGS測(cè)序平臺(tái)下機(jī)的fastq格式的數(shù)據(jù),，因此在此部分大家可以放心使用常見(jiàn)的二代測(cè)序相關(guān)的質(zhì)控及序列統(tǒng)計(jì)軟件進(jìn)行相應(yīng)的工作?；A(chǔ)質(zhì)控過(guò)濾,，推薦使用Trimmomatic(version 0.38) (Bolger AM, et al. 2014)，指控參數(shù)推薦為ILLUMINACLIP:TruSeq3-PE.fa:2:30:10:8:true SLIDINGWINDOW:5:20 LEADING:5 TRAILING:5 MINLEN:50,。Clean后的數(shù)據(jù)及原始數(shù)據(jù)使用MultiQC(Ewels P, et al, 2016)對(duì)堿基測(cè)序質(zhì)量進(jìn)行評(píng)估,，使用ReSeqTools對(duì)原始數(shù)據(jù)及clean數(shù)據(jù)進(jìn)行數(shù)據(jù)產(chǎn)出統(tǒng)計(jì)。

去除宿主序列

雖然采用了病毒顆粒富集技術(shù),，但是并不能完全避免測(cè)得的數(shù)據(jù)中有宿主序列污染,，獲得Clean數(shù)據(jù)后，還需要對(duì)宿主序列信息進(jìn)行剔除,，去除宿主序列信息參考NCBI推薦的Human Sequence Removal SOAP,，具體使用 程序?yàn)?a name="OLE_LINK4">BMTagger。針對(duì)不同環(huán)境的樣本構(gòu)建宿主的相應(yīng)數(shù)據(jù)庫(kù)進(jìn)行宿主序列去除,。去除完畢后,，對(duì)有效reads數(shù)據(jù)集進(jìn)行相關(guān)指標(biāo)統(tǒng)計(jì)，并統(tǒng)計(jì)宿主污染率,。

樣本病毒群落結(jié)構(gòu)組成

病毒的分類(lèi)與命名,，經(jīng)過(guò)長(zhǎng)期的探索、研討,，迄今已有較大的發(fā)展,，但現(xiàn)階段的病毒分類(lèi)，還不涉及精確的病毒的進(jìn)化或系統(tǒng)發(fā)生,。 通用的病毒分類(lèi)系統(tǒng)采用目,、科、亞科,、屬和種的分類(lèi)單元（分類(lèi)等級(jí)）,。病毒名稱(chēng)（英文）的分類(lèi)學(xué)命名標(biāo)準(zhǔn)：

 1）病毒最常見(jiàn)的命名為 “目”（后綴為-virales）、“科”（后綴為-viridae）,、“亞科”（后綴-virinae）以及“屬”（后綴為-viroid/virus）：均為斜體,，且首字母大寫(xiě)。  例如：黃病毒科（Flaviviridae）,、黃病毒屬（Flavivirus）,。

 2）“種”：正體，首字母小寫(xiě),；但以地名或人名命名的病毒種名,，首字母要大寫(xiě),。  例如：黃熱病毒（yellow fever virus）；西尼羅病毒（West Nile virus）,。 

3）目前也有少量病毒的命名歸屬為“門(mén)”（后綴為-viricota）,、“綱”（后綴為-virales）等。

4）病毒的“通俗名稱(chēng)”：正體,，首字母小寫(xiě),。  例如：蟲(chóng)媒病毒（arothropod-borne viruses）。

Kraken2是一個(gè)基于k-mer算法的高精度meta測(cè)序群落序列分類(lèi)軟件,，能夠快速的將測(cè)序reads進(jìn)行物種分類(lèi),。Bracken (Bayesian Reestimation of Abundance with KrakEN)( Lu J, et al, 2017)是一種基于貝葉斯算法的高精度統(tǒng)計(jì)方法，結(jié)合Kraken2可以實(shí)現(xiàn)高準(zhǔn)確度的宏測(cè)序數(shù)據(jù)物種分類(lèi)分析,。目前病毒數(shù)據(jù)庫(kù)有兩大特點(diǎn),，一個(gè)是序列數(shù)目有限，并沒(méi)有特別完善的綜合性病毒數(shù)據(jù)庫(kù),；一個(gè)是序列增長(zhǎng)速度較快,，要求要能夠持續(xù)跟蹤。易基因使用的病毒物種注釋數(shù)據(jù)庫(kù)為E-GENE IVD,，該數(shù)據(jù)庫(kù)為易基因科技綜合NT數(shù)據(jù)庫(kù)中的病毒序列,、ViPR、PATRIC以及IRD的數(shù)據(jù)庫(kù)中的病毒序列自主構(gòu)建的非冗余病毒序列數(shù)據(jù)庫(kù),。如果科研小伙伴們對(duì)病毒相關(guān)數(shù)據(jù)庫(kù)比較感興趣,，后續(xù)小編可以就病毒數(shù)據(jù)庫(kù)出一期專(zhuān)題前來(lái)介紹相關(guān)內(nèi)容。

圖2：病毒注釋結(jié)果graphlan結(jié)構(gòu)圖

樣本病毒群落結(jié)構(gòu)多樣性分析

Alpha多樣性是指一個(gè)特定區(qū)域或生態(tài)系統(tǒng)內(nèi)的多樣性,，是反映豐富度和均勻度的綜合指標(biāo),。Alpha多樣性主要采用Shannon index(Che LQ, et al, 2019)和Simpson index對(duì)樣本的Alpha多樣性指數(shù)進(jìn)行計(jì)算，并統(tǒng)計(jì)差異顯著性,，使用軟件為R包vegan,。不同于alpha多樣性指數(shù)，Beta多樣性用于不同生態(tài)系統(tǒng)之間多樣性的比較,，也就是樣品間的差異,。Beta多樣性利用各樣本序列間的進(jìn)化關(guān)系及豐度信息來(lái)計(jì)算樣本間距離，反映樣本（組）間是否具有顯著的微生物群落差異,。主要使用Jaccard index和bray index來(lái)評(píng)估樣本間的Beta多樣性,，利用的軟件是R包vegan。利用Beta多樣性指數(shù)進(jìn)行非度量多維尺度(NMDS)分析,。這些工作都可以通過(guò)R語(yǔ)言腳本輕松完成,。

樣本病毒群落結(jié)構(gòu)組間差異分析

組學(xué)數(shù)據(jù)的組建差異分析軟件較多，為了研究組間具有顯著性差異的病毒種類(lèi)，從不同taxonomy層級(jí)的病毒豐度表出發(fā),，利用 Metastats軟件或者STAMP軟件對(duì)組間的病毒豐度數(shù)據(jù) 進(jìn)行假設(shè)檢驗(yàn)得到 p 值,，根據(jù)p值篩選具有顯著性差異的物種，并繪制差異物種在組間的豐度分布箱圖,。如果是分組情況較為復(fù)雜,，希望多組比較篩選組間具有顯著差異的物種Biomarker,，可以采用LEfSe軟件(Hill NM, 2011)進(jìn)行相關(guān)工作,。首先通過(guò)秩和檢驗(yàn)的方法檢測(cè)不同分組間的差異物種并通過(guò)LDA（線性判別分析）實(shí)現(xiàn)降維并評(píng)估差異物種的影響大小，即得到LDA score,；組間差異物種的LEfSe分析結(jié)果包括三部分,，分別是LDA值分布 柱狀圖，進(jìn)化分支圖（系統(tǒng)發(fā)育分布）和組間具有統(tǒng)計(jì)學(xué)差異的Biomarker在不同組中豐度比較圖,。

單樣本病毒序列組裝

為了進(jìn)一步對(duì)病毒基因?qū)用嫔疃冉庾x,，采用組裝的方式獲取更完整的序列。對(duì)于DNA病毒,，綜合考慮組裝效果及計(jì)算資源消耗,，推薦采用的軟件為metahit，基礎(chǔ)參數(shù)為--k-min 21 --k-max 149 --k-step 10 -m 0.3,，組裝完畢后對(duì)contigs進(jìn)行過(guò)濾,，去除200bp以下的contigs序列，每個(gè)樣本獨(dú)立組裝,，最終獲得各個(gè)樣本的有效組裝序列,。

病毒ORFs預(yù)測(cè)

我們采取的是基于ORFs注釋的方法進(jìn)行后續(xù)相關(guān)群落結(jié)構(gòu)與功能的解析。這也是目前主流分析模式,。

1）從各樣品組裝的Contigs（>=200bp）出發(fā),，采用prodigal進(jìn)行ORF (Open Reading Frame) 預(yù)測(cè)。預(yù)測(cè)參數(shù)：采用默認(rèn)參數(shù)進(jìn)行,。

2）采用bwa,，將各樣品的去除宿主后的有效Data 比對(duì)至各自樣本初始ORFs集合，計(jì)算得到基因在各樣品中比對(duì)上的 reads 數(shù)目,，默認(rèn)參數(shù),。依據(jù)比對(duì)結(jié)果，對(duì)各樣本的ORFs集合進(jìn)行過(guò)濾,，過(guò)濾條件為保留在各個(gè)樣品中支持 reads 數(shù)目>=2的ORFs,。

3）對(duì)各樣品的 ORF 預(yù)測(cè)結(jié)果，采用CD-HIT軟件進(jìn)行去冗余,，以獲得非冗余的gene catalogue,，默認(rèn)以 identity 95%, coverage 90% 進(jìn)行聚類(lèi)，并選取最長(zhǎng)的序列為代表性序列； 采用參數(shù)：-c 0.95, -G 0, -aS 0.9, -g 1, -d 0 3,。

4）從比對(duì)上的 reads 數(shù)目及基因長(zhǎng)度出發(fā),，計(jì)算得到各基因在各樣品中的豐度信息，基礎(chǔ)核心計(jì)算公式為易基因技術(shù)人員開(kāi)發(fā)并發(fā)表(Hu Qi, et al , 2020),，如下所示：

說(shuō)明：m 為樣本數(shù), n 為代表性基因數(shù)目,， g_kh 為樣本k的代表性基因h的標(biāo)準(zhǔn)化豐度，p為樣本k的代表性基因h的總ORFs數(shù)目,，D_ki 為樣本k包含的ORF i的reads數(shù)目,，L_ki為樣本k的ORFi的序列長(zhǎng)度。

耐藥基因數(shù)據(jù)庫(kù)CARD注釋

功能注釋這塊針對(duì)最常見(jiàn)的KEGG及COG數(shù)據(jù)庫(kù)的注釋這塊因?yàn)槠鶈?wèn)題,，不再做過(guò)多的介紹,，如果科研小伙伴需要，評(píng)論區(qū)留言,，小編可以滿(mǎn)足大家做一期關(guān)于KEGG及COG數(shù)據(jù)庫(kù)注釋的專(zhuān)題哦,。這里我們希望給各位小伙伴著重介紹一下抗生素耐藥基因數(shù)據(jù)庫(kù)的注釋工作。隨著抗生素藥物的發(fā)現(xiàn)及使用,，越來(lái)越多的耐藥菌株由此產(chǎn)生,。而耐藥菌株的發(fā)展則會(huì)增加疾病治療的難度和成本，因此耐藥微生物的研究則顯得尤為重要,。雖然抗生素對(duì)病毒并無(wú)直接作用,，但是有研究發(fā)現(xiàn)來(lái)自多種環(huán)境的病毒組攜帶著抗生素耐藥性基因。這一結(jié)果提示著噬菌體---感染細(xì)菌的病毒---可能在轉(zhuǎn)移讓細(xì)菌產(chǎn)生耐藥性的基因中發(fā)揮著作用,。因此對(duì)病毒功能基因序列進(jìn)行耐藥性檢測(cè)就顯得尤為重要,。目前，通過(guò)對(duì)耐藥基因的鑒定挖掘能夠一定程度上幫助我們揭開(kāi)耐藥機(jī)制,，為疾病的治療,、藥物研發(fā)提供參考。ARDB是最先整合了各種微生物中抗藥基因的數(shù)據(jù)庫(kù),，但它從2009年開(kāi)始就不再更新,。而CARD(the Comprehensive Antibiotic Research Database)數(shù)據(jù)庫(kù)包含了ARDB數(shù)據(jù)庫(kù)中所有抗性信息，并搭建了一個(gè)基于志愿者貢獻(xiàn)的數(shù)據(jù)共享平臺(tái),，做到了實(shí)時(shí)更新保證了數(shù)據(jù)的有效性,。目前，CARD數(shù)據(jù)庫(kù)收集了超過(guò)1600個(gè)已知的抗生素抗性基因,。

CARD數(shù)據(jù)庫(kù)(http://arpcard.)核心是ARO(Antibiotic Resistance Ontology), ARO包含了與抗生素抗性基因,，抗性機(jī)制，抗生素和靶相關(guān)的term,，如圖所示,。2017年發(fā)表的文章中,，更新了數(shù)據(jù)庫(kù)的相關(guān)功能，其中也提到了其他本體論,，如用于描述抗生素抗性基因預(yù)測(cè)模塊和參數(shù)的MO,，定義不同term之間關(guān)系類(lèi)型的RO，以及描述CARD中物種和菌株的NCBI Taxonomy,。建議大家利用CARD官方軟件rgi對(duì)全部得非冗余基因進(jìn)行抗生素抗性基因注釋,。但注釋之后如何批量的對(duì)注釋的各個(gè)層面的注釋結(jié)果進(jìn)行提取、統(tǒng)計(jì)學(xué)分析以及可視化的工作,，就靠大家各顯神通通過(guò)自編腳本來(lái)完成啦,。

噬菌體宿主預(yù)測(cè)

（1）利用Crass軟件(Skennerton CT et.al, 2013)獲取數(shù)據(jù)中CRISPR spacer和repeat序列信息，然后將序列回比至組裝后的contig序列,，通過(guò)注釋結(jié)果來(lái)篩選噬菌體候選宿主信息,。 篩選閾值為e-value<=1e-10并且比對(duì)相似性>=95%,；

（2）基于已有噬菌體-微生物相互關(guān)系數(shù)據(jù)庫(kù)Microbe Versus Phage（MVP,， http://mvp./home） 整理構(gòu)建目前存在與噬菌體-原核生物（細(xì)菌/古菌） 的相互關(guān)系型數(shù)據(jù)庫(kù)。通過(guò)比對(duì)確定組裝contig與數(shù)據(jù)庫(kù)中的病毒序列的相似度,，并通過(guò)關(guān)系型數(shù)據(jù)庫(kù)映射關(guān)系預(yù)估contig對(duì)應(yīng)的可能宿主,。

病毒基因組系統(tǒng)發(fā)育樹(shù)

系統(tǒng)發(fā)育樹(shù)（Phylogenetic tree，又稱(chēng)為系統(tǒng)發(fā)生樹(shù)/系統(tǒng)發(fā)生樹(shù)/系統(tǒng)演化樹(shù)/進(jìn)化樹(shù)等）,，是用來(lái)表示物種間親緣關(guān)系遠(yuǎn)近的樹(shù)狀結(jié)構(gòu)圖(Huelsenbeck JP, et al, 2001),。1965年，Linus Pauling等(Zuckerkandl E, et al, 1965)提出了分子進(jìn)化理論,，基于分子特性（DNA,、RNA和蛋白質(zhì)分子），推斷物種之間的系統(tǒng)發(fā)生關(guān)系,，由于核苷酸和氨基酸序列中含有生物進(jìn)化歷史的全部信息,，因此利用該方法構(gòu)建的系統(tǒng)進(jìn)化樹(shù)更為準(zhǔn)確。在系統(tǒng)進(jìn)化樹(shù)中,，物種按照親緣關(guān)系遠(yuǎn)近被安放在樹(shù)狀結(jié)構(gòu)的不同位置,，因而，進(jìn)化樹(shù)可以簡(jiǎn)單地表示生物的進(jìn)化過(guò)程和親緣關(guān)系,。病毒基因組系統(tǒng)發(fā)育分析為將目標(biāo)基因組與近源序列一同建立進(jìn)化樹(shù),， 用以了解其系統(tǒng)發(fā)育關(guān)系， 將目標(biāo)病毒與其他病毒的親緣關(guān)系,、 進(jìn)化路徑和聚類(lèi)分群等情況進(jìn)行可視化,， 有助于梳理病毒之間的相關(guān)性和互作影響等關(guān)系。 具體使用 blast 軟件,， 把目標(biāo)基因組分別于E-GENE IVD數(shù)據(jù)庫(kù)比對(duì),，使用 MEGA 軟件構(gòu)建進(jìn)化樹(shù),。

圖4：病毒基因組系統(tǒng)發(fā)育樹(shù)

病毒序列de novo預(yù)測(cè)

目前病毒序列的去除宿主以及注釋識(shí)別的主要手段還是基因序列相似度比對(duì)的策略。但是目前微生物數(shù)據(jù)庫(kù)并不完善,，特別是病毒序列,，數(shù)據(jù)庫(kù)序列有限，通過(guò)比對(duì)注釋識(shí)別效率不高,。 而DeepVirFinder(Ren J, et al, 2020)利用了深度學(xué)習(xí)和大數(shù)據(jù)的優(yōu)勢(shì),，無(wú)需與參考序列比對(duì)，顯著提高了病毒識(shí)別的速度和準(zhǔn)確性,，將有助于在高通量組學(xué)時(shí)代下對(duì)病毒的研究,。DeepVirFinder對(duì)基因序列搭建了基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks）的模型，利用大量已知的病毒序列和細(xì)菌序列進(jìn)行訓(xùn)練,，得到了最優(yōu)的二元分類(lèi)器,。卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)在于它可以自主學(xué)習(xí)得到病毒的特征（motifs），無(wú)需事先定義,，因此比傳統(tǒng)的機(jī)器學(xué)習(xí)方法更加準(zhǔn)確,。另外，此模型利用已知序列學(xué)到了病毒的一般性特征,，因此比基于序列比對(duì)的傳統(tǒng)方法在識(shí)別未知病毒上更加靈活有效,。

病毒-微生物互作關(guān)聯(lián)分析

微生態(tài)環(huán)境中，病毒與細(xì)菌或者古菌之間的相互作用復(fù)雜,。目前已知的先驗(yàn)知識(shí)并不充足,，基于病毒豐度與細(xì)菌豐度表，利用統(tǒng)計(jì)學(xué)手段計(jì)算皮爾斯或者斯皮爾曼相關(guān)系數(shù),，構(gòu)建病毒-微生物互作關(guān)聯(lián)網(wǎng)絡(luò)是有效深入解讀病毒與其他微生物之間互作關(guān)系的有效手段,。

圖5：病毒與細(xì)菌互作網(wǎng)絡(luò)圖

篇幅限制，今天就先和大家聊到這里,，想跟蹤了解最新的宏病毒組相關(guān)的分析進(jìn)展及思路,，請(qǐng)持續(xù)關(guān)注易基因公眾號(hào)，有想看的宏病毒相關(guān)的內(nèi)容也可以后臺(tái)留言給小編,，安排,！

Reference

1) Bolger AM, Lohse M, Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data[J]. Bioinformatics, 2014, 30(15): 2114-2120.

2) Breitbart M, Salamon P, Andresen B, et al. Genomic analysis of uncultured marine viral communities[J]. Proc Natl Acad Sci USA, 2002, 99(22): 14250-14255.

3) Che LQ, Hu Q, Wang R, et al. Inter-correlated gut microbiota and SCFAs changes upon antibiotics exposure links with rapid body-mass gain in weaned piglet model[J]. Journal of Nutritional Biochemistry, 2019, UNSP 108246.

4) Ewels P, Magnusson M, Lundin S, et al. MultiQC: summarize analysis results for multiple tools and samples in a single report[J]. Bioinformatics, 2016, 32(19): 3047-3048.

5) Handelsman J, Rondon MR, Brady S F, et al. Molecular biological access to the chemistry of unknown soil microbes: a new frontier for natural products[J]. Chem Biol, 1998,5(10): R245-R249.

6) Handelsman J. Metagenomics: application of genomics to uncultured microorganisms[J]. Microbiol Mol Biol Rev, 2004, 68(4): 669-685.

7) Hill NM. The Invention of Lefse: A Christmas Story[J]. Library Journal, 2011, 136(15):  66-66.

8) Huelsenbeck JP, Ronquist F. MRBAYES: Bayesian inference of phylogenetic trees[J]. Bioinformatics, 2001, 17(8): 754-755.

9) Kanehisa M, Goto S. KEGG: Kyoto Encyclopedia of Genes and Genomes[J]. Nucleic Acids Research, 2000, 28(1), 27-30.

10) Lefkowitz EJ, Dempsey DM, Hendrickson RC, et al. Virus taxonomy: the database of the international committee on taxonomy of viruses (ICTV)[J]. Nucleic Acids Res, 2017, 46: D708–D717.

11) Lu J, Breitwieser FP, Thielen P, et al. Bracken: estimating species abundance in metagenomics data[J]. PeerJ Computer Science, 2017, e104.

12) Pesenti A, Taudte RV, McCord B, et al. Coupling Paper-Based Microfluidics and Lab on a Chip Technologies for Confirmatory Analysis of Trinitro Aromatic Explosives[J]. Analytical Chemistry, 2014, 86(10): 4707-4714.

13) Ren J, Song K, Deng C, et al. Identifying viruses from metagenomic data using deep learning[J]. Quantitative Biology, 2020, 8(1): 64-77.

14) Qi Hu, Cong Liu, Du Zhang, et al. Effects of Low-Dose Antibiotics on Gut Immunity and Antibiotic Resistomes in Weaned Piglets[J]. Frontiers in Immunology .                                                                                                                                                      

15) Schmidt TM, DeLong EF, Pace N R. Analysis of a marine picoplankton community by 16SrRNA gene cloning and sequencing[J]. J Bacteriol, 1991,173 (14):4371-4378.

16) Skennerton CT, Imelfort M, Tyson GW. 2013. Crass: identification and reconstruction of CRISPR from unassembled metagenomic data. Nucleic Acids Res 41:e105.

17) Zuckerkandl E, Pauling L. MOLECULES AS DOCUMENTS OF EVOLUTIONARY HISTORY[J]. Journal of Theoretical Biology, 1965, 8(5), 327-+.