LogoIntMeta

VAMB

Binagem de Metagenômica

VAMB (Autoencodadores Variacionais para Binning Metagenômico) usa autoencodadores variacionais profundos para aprender uma representação latente de contigs a partir de suas frequências de tetranucleotídeo e perfis de co-abundância em múltiplas amostras, permitindo binning metagenômico preciso. [1]

Como Obter o Arquivo de Saída do Modelo

Abaixo está um breve fluxo de trabalho que a equipe executou para obter os exemplos de arquivo de saída que apresentamos na página de ferramentas.

Entrada

Contigs co-montados (FASTA) + arquivos de alinhamento BAM por amostra

Saída

TSV com métricas por cluster: nome de cluster, raio, razão pico/vale, tipo (normal/loner/fallback), total bp, contagem de contig, contig medoide

conda install -c bioconda vamb

Imagem Docker: quay.io/biocontainers/vamb:4.1.3--pyhdfd78af_0

Amostra 1 microbioma intestinal (3 amostras do PRJNA795985, 1M pares de leituras cada) co-montado com Montagem e binado com VAMB v5.0.4, produzindo 7.212 clusters.

  1. 1

    Baixar 3 amostras do PRJNA795985

    for SRR in SRR17531757 SRR17531762 SRR17531772; do fastq-dump --split-files --gzip -X 1000000 --outdir reads/ $SRR; done

    Baixa 1M pares de leituras por amostra (~70 MB comprimidos cada) do estudo "Diet and Antimicrobial Resistance in Healthy US Adults" (Shrestha et al., mBio 2022).

  2. 2

    Co-montar todas as amostras com MEGAHIT

    megahit -1 reads/SRR17531757_1.fastq.gz,reads/SRR17531762_1.fastq.gz,reads/SRR17531772_1.fastq.gz -2 reads/SRR17531757_2.fastq.gz,reads/SRR17531762_2.fastq.gz,reads/SRR17531772_2.fastq.gz -o assembly --min-contig-len 1500 -t 8 --presets meta-sensitive

    Produz 14.934 contigs (≥1.500 pb).

  3. 3

    Mapear cada amostra para contigs

    for SRR in SRR17531757 SRR17531762 SRR17531772; do minimap2 -ax sr -t 8 assembly/final.contigs.fa reads/${SRR}_1.fastq.gz reads/${SRR}_2.fastq.gz | samtools sort -@ 4 -o bams/${SRR}.sorted.bam && samtools index bams/${SRR}.sorted.bam; done
  4. 4

    Executar VAMB v5.0.4

    vamb bin default --outdir vamb_out --fasta assembly/final.contigs.fa --bamdir bams/ -m 1500 --minfasta 200000 -p 8

    Produz vae_clusters_metadata.tsv com 7.212 clusters (715 normal, 6.472 loner, 25 fallback).

Enviar vae_clusters_metadata.tsv para IntMeta

Materiais Utilizados

Arquivos de Saída de Exemplo

Baixe os arquivos de saída usados nas demonstrações da página de ferramentas. Você pode enviá-los diretamente para IntMeta para explorar as visualizações.

Única & Comparação

Análise de Grupo

Referência de Gráficos

Descrições detalhadas para todas as 22 visualizações geradas por VAMB em IntMeta.

cluster-kind-distribution

cluster-kind-distribution

Gráfico de pizza de tipos de cluster da coluna 'kind': normal (separado por picos de densidade em espaço latente), loner (clusters isolados de contig único) e fallback (atribuído ao raio de agrupamento padrão). Uma montagem saudável produz principalmente clusters normais; muitos clusters fallback sugerem separação pobre.

genome-size-distribution

genome-size-distribution

Gráfico de barras de total bp por cluster, ordenado por tamanho e colorido por tipo. VAMB recomenda filtrar clusters abaixo de 250 Kbp e descartar clusters fallback para análise posterior.

radius-vs-pvr

radius-vs-pvr

Gráfico de dispersão de raio de agrupamento versus razão pico-para-vale (PVR, coluna 'peak valley ratio'), colorido por tipo. Clusters normais tipicamente têm PVR mais alto (separação de densidade mais clara) e raio mais apertado. PVR baixo com raio grande sugere clusters pobremente resolvidos.

genome-size-vs-contigs

genome-size-vs-contigs

Gráfico de dispersão de total bp (tamanho de genoma) versus ncontigs por cluster. Bins bem resolvidos se agrupam em contagens de contig moderadas com tamanhos de genoma substanciais. Pontos no canto superior-esquerdo (muitos contigs, genoma pequeno) podem indicar clusters quiméricos.

contigs-per-cluster

contigs-per-cluster

Gráfico de barras de ncontigs por cluster, colorido por tipo. Contagens de contig muito altas podem indicar clusters sobre-fragmentados ou quiméricos que mesclaram contigs não relacionados.

avg-contig-length

avg-contig-length

Gráfico de barras de comprimento médio de contig (total bp / ncontigs) por cluster. Valores mais altos indicam genomas melhor montados com contigs individuais mais longos. Médias baixas sugerem montagens altamente fragmentadas.

metrics-by-kind

metrics-by-kind

Gráfico de caixa agrupado comparando distribuições de tamanho de genoma (bp), contagem de contig e raio entre os três tipos de cluster (normal, loner, fallback). Revela diferenças sistemáticas — por ex., clusters loner tendem a ser menores com contigs únicos.

cluster-metrics-heatmap

cluster-metrics-heatmap

Mapa de calor de métricas normalizadas min-max (bp, ncontigs, raio, razão pico-para-vale) entre os principais clusters. Cada métrica é escalada 0–1 dentro de sua coluna; células mais escuras = valores relativos mais altos. Útil para identificar clusters outlier.

comp-quality-tiers

comp-quality-tiers

Gráfico de barras agrupadas comparando a distribuição de níveis de qualidade heurísticos (Alto / Médio / Baixo baseados em limites de tamanho de genoma e N50) entre amostras. Revela qual amostra produziu clusters VAMB mais de alta qualidade.

comp-genome-size

comp-genome-size

Gráfico de caixa ou gráfico de barras agrupadas comparando a distribuição de tamanho de genoma (total bp) de clusters VAMB entre amostras. Diferenças podem refletir complexidade de comunidade variada ou profundidade de co-montagem.

comp-kind-distribution

comp-kind-distribution

Gráfico de barras empilhado ou agrupado comparando a proporção de clusters normais, loner e fallback entre amostras. Uma fração mais alta de clusters normais indica melhor separação de espaço latente e binning mais confiável.

comp-quality-pct

Gráfico de barras empilhadas 100% mostrando a proporção de clusters de qualidade Alto / Médio / Baixo por amostra. Normaliza para diferentes contagens de clusters, permitindo comparação direta de qualidade de binning. Padrão em benchmarks de desafio CAMI.

comp-total-recovery

comp-total-recovery

Gráfico de barras empilhadas de pares de bases totais recuperados por amostra, divididos por nível de qualidade. Mede volume de dados real vinculado, complementando contagem de clusters. Usado em avaliações VAMB e CAMI.

comp-cdf

comp-cdf

Função de distribuição cumulativa empírica (CDF) de tamanhos de cluster sobreposta por amostra. Revela forma de distribuição completa além de resumos de boxplot. Padrão em benchmarking CAMI.

comp-contigs

comp-contigs

Boxplot de contagem de contig por cluster entre amostras. Contagens de contig mais altas indicam montagens mais fragmentadas, potencialmente de profundidade de sequenciamento mais baixa ou composição de comunidade complexa.

binning-group-quality-tiers

binning-group-quality-tiers

Gráfico de barras agrupadas de contagens de nível de qualidade heurísticos (Alto / Médio / Baixo) por grupo experimental, com teste qui-quadrado. Os níveis são baseados em tipo de cluster e tamanho de genoma: Alto = normal + ≥500 Kbp, Médio = normal ≥100 Kbp ou fallback ≥500 Kbp, Baixo = todo o resto. Nota: estas são heurísticas de métrica de montagem, não classificações MIMAG — VAMB não emite completude ou contaminação.

binning-group-metric-boxplots

binning-group-metric-boxplots

Boxplots comparando uma métrica selecionada (tamanho de genoma, contagem de contig, raio ou razão pico-para-vale) entre grupos. Todos os valores de cluster individual são agrupados por grupo. Teste de Kruskal-Wallis (≥3 grupos) ou teste U de Mann-Whitney (2 grupos) avalia significância; comparações pareadas usam correção BH FDR.

binning-group-recovery-rate

binning-group-recovery-rate

Gráfico de barras agrupadas de contagem média de clusters por amostra em cada nível de qualidade (Alto, Médio, Baixo, Total) entre grupos, com barras de erro ±1 SD. Testa se grupos experimentais diferem em quantos clusters VAMB recuperam em cada nível de qualidade.

binning-group-pca

binning-group-pca

Ordenação de PCA de perfis de qualidade por amostra (tamanho de genoma médio, contagem de contig, raio, razão pico-para-vale, %normal, %loner, %fallback, %HQ). Características são padronizadas z-score antes da decomposição. PERMANOVA na matriz de distância euclidiana testa se centroides de grupo diferem significativamente. Elipses de confiança de 95% são desenhadas para grupos com ≥3 amostras.

binning-group-cdf

binning-group-cdf

Funções de distribuição cumulativa empírica sobrepostas (CDFs) de uma métrica selecionada entre grupos. O teste de Kolmogorov-Smirnov de duas amostras quantifica a distância vertical máxima entre curvas — D-estatísticas significativas indicam que distribuições de métrica dos grupos diferem em localização, propagação ou forma.

binning-group-cluster-types

binning-group-cluster-types

Gráfico de barras empilhado de contagens de tipo de cluster (Normal / Loner / Fallback) por grupo, com teste qui-quadrado. Esses três tipos de cluster são definidos por agrupamento de pico de densidade de espaço latente de VAMB. Valores p significativos sugerem que condições experimentais influenciam a proporção de clusters bem separados versus pobremente resolvidos.

binning-group-total-recovery

binning-group-total-recovery

Gráfico de barras empilhadas de pares de bases totais médios recuperados por grupo, divididos por nível de qualidade. Barras de erro mostram ±1 SD. Mede volume de dados real vinculado por grupo, complementando gráficos de contagem e taxa de recuperação de clusters.

Referências

[1]Nissen, J.N., Johansen, J., Allesøe, R.L. et al. Improved metagenome binning and assembly using deep variational autoencoders. Nat Biotechnol 39, 555–560 (2021).DOI
[2]Anderson, M.J. A new method for non-parametric multivariate analysis of variance. Austral Ecology 26, 32–46 (2001).DOI