文章目录
一、PathoScope简介
PathoScope通过对测序reads与参考数据库的比对，结合贝叶斯方法进行去歧义分配，能够准确地对复杂样本中的微生物进行分类和丰度估算。适用于16S、宏基因组、转录组等多种数据类型。
二、安装方法
1. Conda安装（推荐）
PathoScope官方推荐使用Bioconda进行安装，自动解决依赖（如samtools、bowtie2等）。
# 创建Python 2.7环境并安装PathoScope
conda create -n pathoscope python=2.7 pathoscope
conda activate pathoscope
这将自动安装PathoScope及其依赖。
2. 源码安装
如需源码安装，可按如下步骤操作：
下载源码
SourceForge下载地址解压并安装
tar xvf pathoscope_2.0.tar.gz cd pathoscope_2.0 python setup.py install
注意：PathoScope目前仅支持Python 2.7环境，建议使用conda新建环境。
三、使用流程
PathoScope分析流程主要分为比对和定量两步。
1. 构建参考数据库
以基因或物种为单位准备参考序列（fasta），并用bowtie2构建索引：
bowtie2-build reference_genes.fasta reference_genes
2. 比对reads到参考数据库
假设你的reads为sample_1.fastq和sample_2.fastq（双端），或sample.fastq（单端）：
双端：
bowtie2 -x reference_genes -1 sample_1.fastq -2 sample_2.fastq -S sample.sam
单端：
bowtie2 -x reference_genes -U sample.fastq -S sample.sam
3. PathoScope去歧义分配与定量
将SAM文件输入PathoScope，进行丰度估算：
PathoScopeID.py -alignFile sample.sam \
-outDir pathoscope_out \
-fileType sam \
-expTag sample \
-refFile reference_genes.fasta
-alignFile：比对得到的SAM文件-outDir：输出目录-fileType：输入文件类型（sam/bam）-expTag：样本标签-refFile：参考序列fasta
4. 查看定量结果
输出目录下会有sample.id.summary.tsv等文件，包含每个基因/物种的reads数和丰度估算。
四、输出结果解读
根据官方文档，PathoScope的主要输出为TSV格式的丰度表，包含以下字段：
- Genome：参考基因组/基因名称
- Final Guess：去歧义分配后，分配到该基因组的reads百分比（按比例分配多重比对reads）
- Final Best Hit：去歧义分配后，唯一分配到该基因组的reads百分比
- Final Best Hit Read Numbers：唯一分配到该基因组的reads数
- Final high confidence hits：高置信度（比对分数50%-100%）reads百分比
- Final low confidence hits：低置信度（比对分数1%-50%）reads百分比
- Initial Guess/Best Hit：去歧义分配前的reads分配情况
- 其余为初始分配的相关统计
表头还会显示总比对reads数和总比对到的基因组数。
五、常见问题与建议
- Python版本：务必使用Python 2.7环境，推荐conda管理。
- 参考数据库：可用NCBI、KEGG等数据库的基因/物种fasta文件自建。
- 多样本分析：可批量运行比对和PathoScopeID.py，最后合并结果。
- 结果可视化：输出的TSV文件可用Excel、R等工具进一步分析和绘图。
六、参考资料
总结：PathoScope为微生物丰度定量分析提供了高效、准确的解决方案。通过简单的安装和标准化流程，即可快速获得高分辨率的微生物群落结构信息，极大提升了宏基因组和微生物组数据的分析效率和准确性。