HTS (NGS) 関連のインフォマティクス情報についてまとめています。



Sourmash  helpより

 Sourmashのサブコマンド `gather` は、メタゲノム解析で最適なリファレンスゲノム(のシグネチャファイル)をリファレンスゲノムデータベースから選択する。 k-merは非常に特異的なので、Sourmash gather は、過去にシークエンシングされたことのある環境や、多くのゲノムが単離されシークエンシングされたことのある環境からのメタゲノムに最も適している(引用2)。





本体 Github

mamba install -c bioconda sourmash -y

> sourmash -v 

sourmash 4.3.0


$ sourmash

== This is sourmash version 4.3.0. ==

== Please cite Brown and Irber (2016), doi:10.21105/joss.00027. ==


Compute, compare, manipulate, and analyze MinHash sketches of DNA sequences.


Usage instructions:

    Basic operations

        sourmash compare --help   compare sequence signatures made by compute

        sourmash compute --help   compute sequence signatures for inputs

        sourmash gather --help    search a metagenome signature against dbs

        sourmash index --help     index signatures for rapid search

        sourmash info --help      display sourmash version and other information

        sourmash plot --help      plot distance matrix made by 'compare'

        sourmash prefetch --help  search a signature against dbs, find all overlaps

        sourmash search --help    search a signature against other signatures


    Taxonomic operations

        sourmash lca --help


    Manipulate signature files

        sourmash sig --help

        sourmash signature --help


    Create signatures

        sourmash sketch --help


    Operations on storage

        sourmash storage --help


    Integrate taxonomy information based on "gather" results

        sourmash tax --help



  -h, --help     show this help message and exit

  -v, --version  show program's version number and exit

  -q, --quiet    don't print citation information


> sourmash gather



The `gather` subcommand selects the best reference genomes to use for

a metagenome analysis, by finding the smallest set of non-overlapping

matches to the query in a database.  This is specifically meant for

metagenome and genome bin analysis.  (See "Classifying Signatures" [1]

in the command line documentation for more information on the

different approaches that can be used here.)


If the input signature was created with `-p abund`, output

will be abundance weighted (unless `--ignore-abundances` is

specified).  `-o/--output` will create a CSV file containing the



`gather`, like `search`, will load all of provided signatures into

memory.  You can use `sourmash index` to create a Sequence Bloom Tree

(SBT) that can be quickly searched on disk; this is the same format in

which we provide GenBank and other databases.


Command line usage:


sourmash gather query.sig [ list of signatures or SBTs ]



Example output:


overlap     p_query p_match

---------   ------- --------

1.4 Mbp      11.0%  58.0%     JANA01000001.1 Fusobacterium sp. OBRC...

1.0 Mbp       7.7%  25.9%     CP001957.1 Haloferax volcanii DS2 pla...

0.9 Mbp       7.4%  11.8%     BA000019.2 Nostoc sp. PCC 7120 DNA, c...

0.7 Mbp       5.9%  23.0%     FOVK01000036.1 Proteiniclasticum rumi...

0.7 Mbp       5.3%  17.6%     AE017285.1 Desulfovibrio vulgaris sub...



The command line option `--threshold-bp` sets the threshold below

which matches are no longer reported; by default, this is set to

50kb. see the Appendix in Classifying Signatures [1] for details.




Use `sourmash gather` to classify a metagenome against a collection of

genomes with no (or incomplete) taxonomic information.  Use `sourmash

lca summarize` to classify a metagenome using a collection of genomes

with taxonomic information.





 gather: error: the following arguments are required: query, databases




上にリンクを張ったチュートリアルでは、iHMP IBD cohortのstool sampleを使用している(サンプリングした一定期間後に症状が出た個人と出なかった個人のサンプル)。


1、それぞれのペアエンドfastqからMinHash sketchの作成。

for infile in *_1.fastq.gz
    bn=$(basename ${infile} _1.fastq.gz)
    sourmash sketch dna -p k=21,k=31,k=51,scaled=1000,abund --merge ${bn} -o ${bn}.sig ${infile} ${bn}_2.fastq.gz


2、sourmashデータベースとして、 GTDB rs207 representatives databaseをダウンロードする。チュートリアルに書いてある通り、rs207 fullやGenBankなど使うことでより多くのサンプル配列にマッチさせることができる。

wget -Oがダウンロードされる。


3、sourmash gatherを実行して、メタゲノムに含まれる既知のk-merをすべてカバーするデータベースの最小限のメタゲノムを求める。

for infile in *_1.fastq.gz
    bn=$(basename ${infile} _1.fastq.gz)
    sourmash sketch dna -p k=21,k=31,k=51,scaled=1000,abund --merge ${bn} -o ${bn}.sig ${infile} ${bn}_2.fastq.gz


4、sourmash taxonomy を使ってtaxonomyに変換する。

wget -O gtdb-rs207.taxonomy.csv.gz
gunzip gtdb-rs207.taxonomy.csv.gz
sourmash tax prepare -t gtdb-rs207.taxonomy.csv -o gtdb-rs207.taxonomy.sqldb -F sql

for infile in *_gather_gtdbrs207_reps.csv;
sourmash tax annotate -g ${infile} -t gtdb-rs207.taxonomy.sqldb;



引用2のブログ記事では、sourmash gatherとsourmash taxonomyを使って、メタゲノムの生のショットガンリードからphyloseqによる分類まで、流れを説明しています。興味がある方は確認して下さい。


sourmash: a library for MinHash sketching of DNA

C. Titus Brown, Luiz Irber

Journal of Open Source Software, 1(5), 27


Adventures in Seq-land(Blog)

From raw metagenome reads to phyloseq taxonomy table using sourmash gather and sourmash taxonomy