微生物研究的重要性已经不言而喻。今年5月，美国继脑计划、精准医学、抗癌“登月”之后又启动了一个重大国家科研计划——国家微生物组计划（National Microbiome Initiative）。此项计划通过对微生物群落或“微生物组”基本问题的研究，将有助于推动基础研究迈向广泛领域的实际应用，包括环境治理、粮食生产、营养与医学研究等。
研究微生物组，目前首选宏基因组研究策略，对特定生境中的微生物群落作为一个整体展开研究。借助的主要研究工具是高通量测序技术。我们为研究者提供微生物组学系统解决方案，从总体到个体，胜任不同的研究需求。
现在，请今天的主角登场，联川最新2.0宏基因组分析，带给你不卡顿的体验。
底层优化
1. 更加严谨的测序质量控制流程
包括去除测序接头、去除低质量碱基、去除宿主序列，其中去低质量采用窗口扫描法，当窗口内测序碱基的平均质量低于某个阈值时，则将序列从这个窗口起始开始到末尾的部分截除，并设置序列长度阈值, 用更高的精度控制碱基质量。
窗口扫描法示意图
2. 先进的组装策略和软件
采用单样组装加混合组装的组装策略，保证组装速度和完整性，采用SPAdes[1, 2] + QUAST[3]进行宏基因组组装及评估，SPAdes在Google Scholar引用达1300多次。对MetaHIT[4] MH0045样品进行组装效果评估，从组装结果的N50和数据量（Total Length）来看，SPAdes表现出色。
SPAdes组装效果
SPAdes已被用于全球病毒组学的研究[5]，SPAdes可以组装环境样本得到病毒等物种的序列。
SPAdes在全球病毒组学中的应用
3. 先进的比对工具DIAMOND[6]
比对速度最快达到BLAST的20000倍左右，并具有接近BLAST的精确度。
DIAMOND比对速度及精度评估
4. 更加准确的物种注释LCA算法
不是仅仅考虑最佳数据库比对序列（top hit）的信息，还增加了对identity、query coverage、top hits数目及evalue区间等比对因素的考量。
比对因素及LCA算法示意图
权威数据库最新数据版本
1. 2016年新版物种分类及功能数据库，提供更全面更准确的物种及功能注释
严谨独到的分析内容
1.提供基因水平和功能层次水平的比较及差异分析，同时从微观和宏观的角度进行差异研究。
左图差异基因heatmap分析，右图差异功能heatmap分析
左图功能丰度比较及样品聚类分析，右图差异基因GO功能富集分析
左图基于差异功能的样品PCA分析，右图差异基因KEGG功能富集分析
人性化的呈现界面
1. 报告采用网页呈现形式，可以展示更多动态的效果，体验更舒适顺畅。
网页版报告主页
物种注释Krona动态饼图展示
QUAST组装评估效果展示
功能丰度柱状图展示
参考文献
[1] Bankevich A, Nurk S, Antipov D, et al. SPAdes: a new genome assembly algorithm and its applications to single-cell sequencing[J]. Journal of Computational Biology, 2012, 19(5): 455-477.
[2] Nurk S, Meleshko D, Korobeynikov A, et al. metaSPAdes: a new versatile de novo metagenomics assembler[J]. arXiv preprint arXiv:1604.03071, 2016.
[3] Gurevich A, Saveliev V, Vyahhi N, et al. QUAST: quality assessment tool for genome assemblies[J]. Bioinformatics, 2013, 29(8): 1072-1075.
[4] Qin et al. A human gut microbial gene catalogue established by metagenomic sequencing. Nature, 464(7285):59–65, March 2010.
[5] Paez-Espino D, Eloe-Fadrosh E A, Pavlopoulos G A, et al. Uncovering Earth’s virome[J]. Nature, 2016, 536(7617): 425-430.
[6] B. Buchfink, Xie C., D. Huson, "Fast and sensitive protein alignment using DIAMOND", Nature Methods 12, 59-60 (2015).
[7] Minoru Kanehisa and Susumu Goto. Kegg: kyoto encyclopedia of genes and genomes. Nucleic acids research,28(1):27–30, 2000.
[8] eggNOG 4.5: a hierarchical orthology framework with improved functional annotations for eukaryotic, prokaryotic and viral sequences. Jaime Huerta-Cepas, Damian Szklarczyk, Kristoffer Forslund, Helen Cook, Davide Heller, Mathias C. Walter, Thomas Rattei, Daniel R. Mende, Shinichi Sunagawa, Michael Kuhn, Lars Juhl Jensen, Christian von Mering, and Peer Bork. Nucl. Acids Res. (04 January 2016) 44 (D1): D286-D293. doi: 10.1093/nar/gkv1248
[9] Ashburner et al. Gene ontology: tool for the unification of biology (2000) Nat Genet 25(1):25-9.
[10] Jia et al. 2016. CARD 2017: expansion and model-centric curation of the Comprehensive Antibiotic Resistance Database. Nucleic Acids Research, in press
[11] Lombard V, Golaconda Ramulu H, Drula E, Coutinho PM, Henrissat B (2014) The Carbohydrate-active enzymes database (CAZy) in 2013. Nucleic Acids Res 42:D490–D495. [PMID: 24270786].
[12] Urban M, Pant R, Raghunath A, Irvine AG, Pedro H and Hammond-Kosack K (2015). The Pathogen-Host Interactions database: additons and future developments. Nucleic Acids Res 43 (Database Issue): D645-655.doi: 10.1093/nar/gku1165
