Emmett Diary

宏基因组数据进行分箱（binning）后，需要对得到的宏基因组组装基因组（MAG）进行质量评估。常用的工具是CheckM，主要以每个MAG的completeness与contamination来作为判断指标。Bowers, R., Kyrpides, N., Stepanauskas, R. et al. Minimum information about a single amplified genome (MISAG) and a metagenome-assembled genome (MIMAG)

本文从全球尺度上14种生境（包括宿主相关与环境）中的宏基因组数据整理了一个标准统一、不含冗余的基因集，称为Global Microbial Gene Catalogue，简称GMGC，后面的v1指的可能是第1版，之后可能还会有进一步的更新。

背景在进行扩增子分析时，我们拿到的最关键的一个中间数据就是OTU/ASV表，在这个矩阵中，我们能获得我们的分析对象（OTU/ASV）在样本间的分布规律，并通过微生物群落的结构在样本之间的差异来解决一系列的科学问题。其中，我们常常可以通过OTU/ASV在不同样本间的共现关系得到它们之间的相关性关系。在WGS支持下的宏基因组测序分析，通过组装、分箱等步骤可以获得metagenome assembled genomes（MAGs），每一个MAG常被认作一个单菌，我们选取高质量（完整度高、污染率低）的MAG可以

CheckM结果转化为易整理的表格形式

Kaiju，在日语里好像是怪兽的意思！

OPERA-MS二三代混装与Contig丰度、深度的计算

过年期间，我的三代Nanopore测序数据回来了。本来期待的是几十G的数据吧，结果人家寄来的硬盘上来就是两三T，人直接傻了。经过整理，发现测序公司送来的数据分有两种类型，一种就是我们熟悉的FASTQ格式的文件，只算这些文件的话，应该就是我预料之内的数据量；而数据量中相当大一部分是.fast5格式的文件，我也是第一次处理Nanopore下机数据，这里也是查阅了一些相关的材料，整理下写成一份学习笔记。HDF5格式和FAST5格式.fast5格式实际上是在HDF5格式上的一种变体，不少讲.fast5文件的文档