soedinglab/metaeuk

MetaEuk - 用于大规模真核宏基因组学的高灵敏度、高通量基因发现与注释工具

https://img.shields.io/conda/dn/bioconda/metaeuk.svg?style=flag&label=BioConda%20install]([] https://img.shields.io/endpoint?url=https%3A%2F%2Fmmseqs.com%2Fbiocontainer.php%3Fcontainer%3Dmetaeuk]([] https://img.shields.io/docker/pulls/soedinglab/metaeuk.svg](https://hub.docker.com/r/soedinglab/metaeuk) https://dev.azure.com/elilevy/MetaEuk/_apis/build/status/soedinglab.metaeuk?branchName=master](https://dev.azure.com/elilevy/MetaEuk/_build/latest?definitionId=2&branchName=master) ![Chat Support]([***]

MetaEuk 是一个模块化工具包，专为大规模真核宏基因组 contig 中的基因发现和注释设计。它结合了 https://github.com/soedinglab/MMseqs2 快速灵敏的同源性搜索能力和动态规划过程，以恢复最优外显子集。它减少了同一基因多次发现的冗余，并解决了同一链上的冲突基因预测。MetaEuk 是 GPLv3 许可的开源软件，用 C++ 实现，支持 Linux 和 macOS，可在多核心上高效运行。

出版物引用

Levy Karin E, Mirdita M and Soeding J. MetaEuk – sensitive, high-throughput gene discovery and annotation for large-scale eukaryotic metagenomics. Microbiome. 2020; 8:48

安装方法

Docker 安装（推荐）

直接从 Docker Hub 拉取镜像并运行：

bash
# 拉取镜像
docker pull soedinglab/metaeuk

# 示例：使用 easy-predict 工作流进行基因预测
docker run --rm -v $(pwd):/workspace soedinglab/metaeuk easy-predict \
  /workspace/contigs.fna \          # 输入 contig 文件（FASTA 格式）
  /workspace/reference_proteins.faa # 参考蛋白质数据库（FASTA 格式）
  /workspace/pred_results           # 输出结果前缀
  /workspace/temp_dir               # 临时目录

其他安装方式

除 Docker 外，还可通过以下方式安装：

bash
# Conda 安装
conda install -c conda-forge -c bioconda metaeuk

# Linux AVX2 静态编译版本
wget https://mmseqs.com/metaeuk/metaeuk-linux-avx2.tar.gz; tar xzvf metaeuk-linux-avx2.tar.gz; export PATH=$(pwd)/metaeuk/bin/:$PATH

# Linux SSE4.1 静态编译版本
wget https://mmseqs.com/metaeuk/metaeuk-linux-sse41.tar.gz; tar xzvf metaeuk-linux-sse41.tar.gz; export PATH=$(pwd)/metaeuk/bin/:$PATH

# macOS 通用静态编译版本（支持 SSE4.1/AVX2/M1 NEON）
wget https://mmseqs.com/metaeuk/metaeuk-osx-universal.tar.gz; tar xzvf metaeuk-osx-universal.tar.gz; export PATH=$(pwd)/metaeuk/bin/:$PATH

其他架构（ARM64、PPC64LE）和旧 CPU（仅支持 SSE2）的预编译二进制文件可在 [***] 获取。

输入数据

MetaEuk 基于与参考蛋白质或蛋白质谱的相似性，在 contig 中搜索真核蛋白质编码基因。输入为序列的 Fasta 文件（可使用 tests/two_contigs 目录中的 contigs.fna 和 proteins.faa 作为小示例）。

您可以 直接使用 easy-predict 工作流处理 Fasta 文件，或通过 createdb 命令将其转换为数据库后使用特定 MetaEuk 模块。关于如何使用 MMseqs2 创建蛋白质谱数据库，请参考 https://github.com/soedinglab/mmseqs2/wiki#how-to-create-a-target-profile-database-from-pfam%E3%80%82

术语定义

• 基因调用（gene call）：基于与特定目标（T）在特定 contig（C）和链（S）上的相似性预测的最优外显子集，称为 TCS 或 调用。
• 预测（prediction）：冗余减少后的 代表性 TCS。

运行 MetaEuk

主要模块

easy-predict       基于与目标的相似性从 contig 预测蛋白质并返回 Fasta 文件
predictexons       基于蛋白质相似性调用最优外显子集
reduceredundancy   聚类共享外显子的调用并选择代表性预测
unitesetstofasta   从外显子集生成 Fasta 输出及头部映射
groupstoacc        生成预测到 TCS 成员的 TSV 映射
taxtocontig        通过多数投票为预测和 contig 分配分类标签

重要参数

--min-length        假定蛋白质片段的最小密码子数量
-e                  保留匹配的最大 E 值
--metaeuk-eval      保留最优外显子集的最大组合 E 值
--metaeuk-tcov      组合集与目标的最小长度比
--exhaustive-search 若参考数据库为谱数据库需添加此参数

核心工作流示例

1. 快速预测（easy-predict）

bash
docker run --rm -v $(pwd):/workspace soedinglab/metaeuk easy-predict \
  /workspace/contigs.fna \
  /workspace/reference.faa \
  /workspace/output \
  /workspace/temp

输出：output.fas（蛋白质序列）、output.codon.fas（密码子序列）、output.headersMap.tsv（头部映射）。

2. 冗余减少

bash
docker run --rm -v $(pwd):/workspace soedinglab/metaeuk reduceredundancy \
  /workspace/callsDB \
  /workspace/predsDB \
  /workspace/groupsDB

3. 分类分配

bash
docker run --rm -v $(pwd):/workspace soedinglab/metaeuk taxtocontig \
  /workspace/contigsDB \
  /workspace/preds.fas \
  /workspace/headersMap.tsv \
  /workspace/taxDB \
  /workspace/taxResult \
  /workspace/temp \
  --majority 0.5 --tax-lineage 1

硬件要求

需要至少支持 SSE4.1 指令集的 CPU，内存消耗根据数据规模动态调整。

开源协议

MetaEuk 遵循 GPLv3 开源协议，允许自由使用、修改和分发。