1. MetaBat2的安装

按MetaBat2引文[1]提供的下载地址，从以下路径下载到最新版本的MetaBat2

https://bitbucket.org/berkeleylab/metabat/downloads/

mkdir metabat2 & cd metabat2

wget https://bitbucket.org/berkeleylab/metabat/downloads/metabat-static-binary-linux-x64_v2.12.1.tar.gz

tar -zxvf  metabat-static-binary-linux-x64_v2.12.1.tar.gz

#下载后解压即可使用，主程序为runMetaBat.sh

2. MetaBat2的使用

MetaBat2的输入为组装的contig序列以及将二代reads比对到contig序列上的比对文件(bam格式)。

比对可以采用BWA或Bowtie2，以Bowtie2为例进行比对，Bowtie2的安装可参见之前写的博文：Bowtie2和Samtools软件更新

/path/to/bowtie2-build --threads 30 assembly_contig.fasta assembly_contig

/path/to/bowtie2 --threads 30 -x assembly_contig -1 /path/to/wgs_reads_R1.fastq.gz -2 /path/to/wgs_reads_R2.fastq.gz | samtools sort --threads 30 -o sample.sort.bam -

# 其中assembly_contig.fasta是宏基因组组装软件组装出的结果；wgs_reads_R1.fastq.gz和wgs_reads_R2.fastq.gz是二代数据reads

比对完生成sample.sort.bam文件，再采用MetaBat2做Binning

sh /path/to/runMetaBat.sh /path/to/assembly_contig.fasta  /path/to/ sample.sort.bam

运行完会生成assembly_contig.fasta.metabat-bins目录

3. 评估

这是这篇博文的重点！

本博文采用的测试数据来自材料[2]，文章中既测了二代WGS数据，也测了HiC数据，我们可以采用HiC数据可视化地查看聚类结果如何。通过比对后可视化结果如下：

图中一个蓝色框表示聚的一个类。结果显示有一些类结果比较好，如4-7个蓝色框(Cluster)；也有一些聚类结果不好，如1-3个蓝色框(Cluster)

上述图中我们发现不同Cluster的颜色深浅不同，而互作图中颜色深浅可以评估出互作强度。那么很自然，会再去查看一下二代WGS数据比对到每个Cluster的contigs上，Cluster的平均深度如何？

结果如下，除第7个Cluster测序深度不同外，其它几个Cluster差异并不大

参考文献

[1] Dongwan D. Kang, Feng Li, Edward Kirton, et al. MetaBAT2: an adaptive binning algorithm for robust and efficient genome reconstruction from metagenome assemblies. 2019. Peerj.

[2] Joshua N. Burton, Ivan Liachko, Maitreya J. Dunham, et al. Species-Level Deconvolution of Metagenome Assemblies with Hi-C Based Contact Probability Maps. 2014. G3