微生物组数据hub：一个开放访问的平台，整合了环境元数据、分类信息和功能注释，用于处理全面的宏基因组组装基因组数据集

《Microbiome》：Microbiome Datahub: an open-access platform integrating environmental metadata, taxonomy, and functional annotation for comprehensive metagenome-assembled genome datasets

　　

摘要

背景

组装的宏基因组（MAGs）为我们提供了关于未培养微生物基因组多样性的重要见解。然而，存储在公共仓库（如INSDC）中的MAG数据集往往难以重复使用，因为这些数据集的质量参差不齐，分类学和功能注释不一致，且环境元数据的管理也不完善。尽管有MGnify、IMG/M和SPIRE等二级MAG数据库提供了标准化资源，但它们是从公共宏基因组读取数据重新构建MAG的，因此并不能代表出版物中报告的原始MAG。

结果

为了解决这一问题，我们开发了Microbiome Datahub，这是一个开放访问平台，它系统地收集并重新注释了来自INSDC的原始MAG数据。我们收集了214,427个MAG，使用DFAST预测基因，通过CheckM进行质量评估，利用GTDB-Tk标准化分类学归属，使用Bac2Feature推断27种表型特征，通过PZLAST将蛋白质分配到MBGD直系群和KEGG同源群中，并使用宏基因组和微生物环境本体（Metagenome and Microbes Environmental Ontology）对环境元数据进行注释。在这些MAG中，平均完整性为80.5%，污染率为1.8%；值得注意的是，最常见的值是完整性大于95%、污染率小于1%，表明大多数MAG的质量较高。比较分析显示，Microbiome Datahub提供了在系统发育和环境上都具有多样性的MAG：虽然其中大多数来自脊椎动物肠道环境，但也有大量MAG来自其他栖息地，例如地下水，其中包含近10,000个来自Patescibacteria的MAG。通过对27种表型特征（包括最适生长温度）的推断，进一步揭示了不同门之间的生态差异。蛋白质聚类结果显示有5600万个40%同源性的簇，其中大多数与MGnify和GlobDB的结果不同，约19%的蛋白质未归属于任何MBGD直系群，这突显了它们的新颖性。

结论

Microbiome Datahub整合了MAG基因组序列、基因和蛋白质预测结果、质量指标、环境和分类学注释、直系群分配以及表型预测，并通过网页界面、API和批量下载方式提供这些数据。通过将原始MAG与经过整理的元数据和功能注释结合起来，Microbiome Datahub成为一个全面且可重复使用的资源，将加速微生物组学和微生物基因组学研究。

视频摘要