MEGAHIT — 超大宏基因组高效组装工具¶

# 方法1：conda 安装（推荐）
conda install -c bioconda megahit  # 从 bioconda 安装

# 方法2：源码编译
git clone https://github.com/voutcn/megahit.git  # 克隆源码
cd megahit && mkdir build && cd build             # 创建构建目录
cmake .. -DCMAKE_BUILD_TYPE=Release               # 配置 Release 模式
make -j 16                                         # 编译

# 验证安装
megahit --version  # 当前最新 v1.2.9（2020年发布，至今无新版本）

# 单样本宏基因组组装
megahit \
  -1 R1.fq.gz \                  # Read 1
  -2 R2.fq.gz \                  # Read 2
  -o megahit_output \             # 输出目录
  -t 32 \                        # 32 线程
  --min-contig-len 500            # 最短 contig 长度（过滤短片段）

# 组装结果
# megahit_output/final.contigs.fa — 最终 contig 序列

# 多样本联合组装（co-assembly，提高低丰度物种检测）
megahit \
  -1 s1_R1.fq.gz,s2_R1.fq.gz,s3_R1.fq.gz \  # 多个样本的 R1 用逗号分隔
  -2 s1_R2.fq.gz,s2_R2.fq.gz,s3_R2.fq.gz \  # 多个样本的 R2
  -o coassembly_output \
  -t 32 \
  --min-contig-len 1000           # 联合组装建议过滤 <1000bp

# 带交叉读段的组装（单端 + 双端混合）
megahit \
  -1 R1.fq.gz -2 R2.fq.gz \      # 双端读段
  -r unpaired.fq.gz \             # 单端/未配对读段
  -o mixed_output \
  -t 32

# 超大数据集的内存优化
megahit \
  -1 R1.fq.gz -2 R2.fq.gz \
  -o low_mem_output \
  -t 32 \
  -m 0.5 \                        # 只使用 50% 可用内存
  --k-min 21 \                    # 最小 k-mer（默认 21）
  --k-max 141 \                   # 最大 k-mer（默认 141）
  --k-step 12                     # k-mer 步进（默认 12）

# 预设参数组合
megahit \
  -1 R1.fq.gz -2 R2.fq.gz \
  --presets meta-large \           # 大型宏基因组预设（更大 k-mer 范围）
  -o preset_output \
  -t 32

# 从断点恢复
megahit \
  -o megahit_output \
  --continue                       # 从上次中断处继续

# 1. 统计组装质量
# 用 seqkit 快速统计
seqkit stats megahit_output/final.contigs.fa
# 或用 QUAST
quast megahit_output/final.contigs.fa -o quast_report

# 2. 将读段比对回组装（计算 contig 覆盖度，binning 必需）
bwa-mem2 index megahit_output/final.contigs.fa
bwa-mem2 mem -t 16 megahit_output/final.contigs.fa R1.fq.gz R2.fq.gz \
  | samtools sort -@ 4 -o mapped.bam
samtools index mapped.bam

# 3. 基因预测
prodigal -i megahit_output/final.contigs.fa \
  -o genes.gff -a proteins.faa -p meta    # -p meta 宏基因组模式