watronfire/bacpage

细菌基因组组装与分析流程镜像文档

镜像概述与主要用途

本Docker镜像提供了一个基于Illumina短读长技术的细菌基因组组装与分析流程，旨在自动化完成从原始测序数据到基因组组装及后续生物信息学分析的全过程。该镜像整合了多个主流生物信息学工具，能够简化细菌基因组分析的复杂流程，帮助科研人员、微生物学家及临床研究者高效处理Illumina短读长测序数据，快速获得高质量的基因组组装结果和多维度分析报告。

核心功能和特性

核心功能

• 原始测序数据质控（FastQC、Trimmomatic）
• 细菌基因组从头组装（支持SPAdes、SKESA等主流组装工具）
• 组装质量评估（QUAST）
• 基因预测与功能注释（Prokka）
• 基本变异分析（SNP/Indel检测）
• 物种快速鉴定与分类（Kraken2）

主要特性

• 自动化流程：一键式完成从原始数据到结果报告的全流程分析，减少手动操作
• Illumina优化：专门针对Illumina短读长数据（150-300bp）优化，确保组装准确性
• 灵活配置：支持通过环境变量或配置文件调整关键参数，适应不同实验需求
• 标准化输出：生成符合行业标准的文件格式（FASTA、GFF3、VCF等）和可视化报告
• 资源可控：可根据宿主机配置调整计算资源（线程数、内存限制），平衡效率与资源占用

使用场景与适用范围

适用场景

• 微生物基因组学基础研究（细菌分类、进化关系分析）
• 临床微生物学应用（病原菌快速鉴定、耐药基因检测）
• 环境微生物学研究（肠道菌群、土壤微生物基因组解析）
• 细菌功能基因组学（代谢通路注释、毒力因子预测）
• 大规模细菌基因组流行病学调查（ outbreak溯源分析）

适用人群与机构

• 高校及科研机构的微生物学、基因组学研究团队
• 临床检验实验室（医院、疾控中心）
• 生物技术公司的微生物研发部门
• 公共卫生与流行病学监测机构

使用方法与配置说明

前提条件

• 已安装Docker Engine（推荐版本20.10及以上）
• 拥有Illumina平台产生的双端短读长测序数据（FastQ格式，通常为*_R1.fastq.gz和*_R2.fastq.gz）
• 宿主机配置建议：≥8GB内存（推荐16GB+）、≥4核CPU、≥100GB可用存储空间（单样本）

基本使用命令

单样本分析示例

bash
docker run -d \
  --name bacterial-genome-analysis \
  -v /local/data:/data \  # 本地数据目录（包含FastQ文件）挂载到容器内/data
  -v /local/results:/results \  # 本地结果目录挂载到容器内/results
  -e SAMPLE_ID="Ecoli_2023" \  # 样本ID（用于结果文件命名）
  -e INPUT_R1="/data/Ecoli_R1.fastq.gz" \  # R1端测序数据路径（容器内）
  -e INPUT_R2="/data/Ecoli_R2.fastq.gz" \  # R2端测序数据路径（容器内）
  -e THREADS=8 \  # 启用8线程运行
  -e ASSEMBLER="spades" \  # 使用SPAdes进行组装
  bacterial-genome-pipeline:latest

批量样本分析（通过配置文件）

1. 准备配置文件pipeline_config.yaml（示例）：

yaml
samples:
  - sample_id: "Salmonella_01"
    r1_path: "/data/salmonella_R1.fastq.gz"
    r2_path: "/data/salmonella_R2.fastq.gz"
  - sample_id: "Klebsiella_02"
    r1_path: "/data/klebsiella_R1.fastq.gz"
    r2_path: "/data/klebsiella_R2.fastq.gz"
parameters:
  threads: 8
  assembler: "skesa"
  quality_filter: true
  annotation_tool: "prokka"

2. 运行批量分析命令：

bash
docker run -d \
  --name batch-genome-analysis \
  -v /local/data:/data \
  -v /local/results:/results \
  -v /local/config/pipeline_config.yaml:/config/config.yaml \  # 挂载配置文件
  -e CONFIG_FILE="/config/config.yaml" \  # 指定配置文件路径
  bacterial-genome-pipeline:latest

关键配置参数说明

输出结果目录结构

分析完成后，宿主机/local/results目录下将生成以下内容（以单样本为例）：

Ecoli_2023/
├── qc/                      # 质控结果
│   ├── raw_data_fastqc.html # FastQC原始数据质控报告
│   └── trimmed_data_stats.txt # 修剪后数据统计
├── assembly/                # 组装结果
│   ├── contigs.fasta        # 组装的contig序列
│   ├── scaffolds.fasta      # 组装的scaffold序列（如适用）
│   └── quast_report.html    # QUAST组装质量评估报告
├── annotation/              # 基因注释结果
│   ├── Ecoli_2023.gff       # GFF3格式注释文件
│   ├── Ecoli_2023.faa       # 预测蛋白质序列
│   └── Ecoli_2023.ffn       # 核苷酸序列
├── taxonomy/                # 物种分类结果
│   └── kraken_report.txt    # Kraken2物种鉴定报告
└── summary_report.html      # 综合分析报告（HTML格式）

注意事项

• 首次运行说明：首次启动时，镜像会自动下载必要的注释数据库（约2-5GB），建议在网络通畅环境下运行
• 资源需求：复杂基因组（如大质粒、高重复序列）可能需要更多内存（建议≥16GB），可通过--memory参数限制Docker容器内存使用
• 数据格式要求：输入FastQ文件需为gzip压缩格式（.fastq.gz），且双端文件名需匹配*_R1.fastq.gz和*_R2.fastq.gz命名规范
• 结果解读：综合报告（summary_report.html）包含各步骤关键指标，建议优先查看以评估分析质量
• 工具更新：如需使用最新版组装/注释工具，可通过docker pull bacterial-genome-pipeline:latest更新镜像