736. 宏基因组水平基因转移检测（HGT Detection）¶

一句话概述：检测微生物群落中不同物种之间的基因"偷渡"事件——细菌不像人类只能从父母遗传基因，它们还能从"邻居"那里直接拿基因来用，这就是水平基因转移（HGT）。

核心知识点速查表¶

概念	白话解释	关键工具
HGT	水平基因转移，不同物种间直接传递基因	MetaCHIP, WAAFLE
转化	细菌从环境中吸收裸DNA	自然过程
转导	噬菌体携带宿主基因传给另一个菌	噬菌体介导
接合	两个菌通过性菌毛直接传递质粒	质粒介导
WAAFLE	基于泛基因组的HGT检测	Python
MetaCHIP	结合最佳匹配+系统发育的HGT检测	Python
geNomad	检测质粒和噬菌体（HGT载体）	Python

一、原理（白话版）¶

1.1 HGT的三种方式¶

1. 转化(Transformation)：
   死菌释放DNA → 活菌吸收 → 整合到基因组
   比喻：捡到路边的技术手册，学到新技能

2. 转导(Transduction)：
   噬菌体感染A菌 → 不小心打包A的基因 → 感染B菌 → B获得A的基因
   比喻：快递小哥送错了包裹

3. 接合(Conjugation)：
   A菌和B菌通过菌毛连接 → 质粒从A复制到B
   比喻：U盘拷贝文件

1.2 为什么HGT在宏基因组中很重要？¶

抗生素耐药：耐药基因通过HGT在菌群中快速传播
毒力因子：无害菌可能通过HGT获得致病能力
代谢能力：菌可以通过HGT获得降解新底物的能力
进化速度：HGT让细菌进化比垂直遗传快得多

1.3 检测HGT的计算方法¶

方法	原理	优缺点
组成偏差法	HGT来的基因GC含量/密码子偏好与宿主不同	只能检测"近期"转移
系统发育法	基因树和物种树不一致说明发生过HGT	最可靠但计算量大
比较基因组法	一个基因在近缘种中有而在远缘种中也有	需要参考基因组
泛基因组法	基于泛基因组检测嵌合的contig	WAAFLE的核心方法

二、MetaCHIP分析流程¶

2.1 安装¶

# 安装MetaCHIP
conda create -n hgt python=3.8  # 创建专用环境
conda activate hgt  # 激活环境

# 安装MetaCHIP
pip install MetaCHIP  # 安装主程序

# 安装依赖
conda install -c bioconda \
  blast \        # BLAST序列比对
  muscle \       # 多序列比对
  fasttree \     # 快速建树
  mafft \        # 多序列比对（备选）
  prodigal \     # 基因预测
  hmmer  # HMM搜索

# 验证安装
MetaCHIP -h  # 查看帮助信息

2.2 准备输入数据¶

# MetaCHIP需要两个输入：
# 1. MAG基因组文件（每个菌一个fasta）
# 2. 分类信息文件（每个MAG属于什么分类）

# 准备MAG文件目录
ls mags/
# bin.1.fa  bin.2.fa  bin.3.fa ...

# 准备分类信息文件（GTDB-Tk的输出可以直接用）
# 格式：MAG_ID\t分类字符串
cat taxonomy.tsv
# bin.1   d__Bacteria;p__Firmicutes;c__Clostridia;o__Lachnospirales;f__Lachnospiraceae;g__Roseburia;s__Roseburia intestinalis
# bin.2   d__Bacteria;p__Bacteroidota;c__Bacteroidia;o__Bacteroidales;f__Bacteroidaceae;g__Bacteroides;s__Bacteroides fragilis

2.3 运行MetaCHIP¶

# ===== 第一步：在目(Order)水平检测HGT =====
MetaCHIP PI \
  -p sample1 \  # 项目名称前缀
  -r o \  # 在Order(目)水平检测（o=order, c=class, p=phylum）
  -i mags/ \  # MAG文件目录
  -x fa \  # MAG文件后缀
  -taxon taxonomy.tsv \  # 分类信息文件
  -t 8  # 线程数

# ===== 第二步：在纲(Class)水平检测HGT =====
MetaCHIP PI \
  -p sample1 \
  -r c \  # 在Class(纲)水平检测
  -i mags/ \
  -x fa \
  -taxon taxonomy.tsv \
  -t 8

# ===== 第三步：在门(Phylum)水平检测HGT =====
MetaCHIP PI \
  -p sample1 \
  -r p \  # 在Phylum(门)水平检测
  -i mags/ \
  -x fa \
  -taxon taxonomy.tsv \
  -t 8

2.4 结果解析¶

# ===== 解析MetaCHIP结果 =====
import pandas as pd  # 导入pandas
import matplotlib.pyplot as plt  # 导入绑图
import seaborn as sns  # 导入seaborn
import networkx as nx  # 导入网络分析包

# 读取HGT检测结果
hgt_results = pd.read_csv(
    "sample1_HGTs_ip_at_o.txt",  # MetaCHIP输出的HGT列表
    sep="\t"
)

print(f"检测到的HGT事件数: {len(hgt_results)}")
print(hgt_results.head())
# Gene_1       Gene_2       Donor        Recipient    Identity  Direction
# bin1_gene_3  bin2_gene_5  Roseburia    Bacteroides  95.2      bin1→bin2

# 统计各分类间的HGT频率
transfer_counts = hgt_results.groupby(
    ["Donor", "Recipient"]  # 按供体和受体分组
).size().reset_index(name="HGT_count")  # 统计每对之间的HGT数量

# 绘制HGT网络图
G = nx.DiGraph()  # 创建有向图
for _, row in transfer_counts.iterrows():
    G.add_edge(
        row["Donor"],  # 源节点：供体
        row["Recipient"],  # 目标节点：受体
        weight=row["HGT_count"]  # 边权重：HGT次数
    )

plt.figure(figsize=(12, 10))
pos = nx.spring_layout(G, seed=42)  # 弹簧布局
edges = G.edges(data=True)
weights = [e[2]["weight"] for e in edges]  # 提取边权重

nx.draw_networkx_nodes(G, pos, node_color="lightblue",
                       node_size=800)  # 绘制节点
nx.draw_networkx_labels(G, pos, font_size=8)  # 绘制标签
nx.draw_networkx_edges(G, pos, width=[w*0.5 for w in weights],
                       edge_color="gray", arrows=True,
                       arrowsize=15)  # 绘制边，宽度与HGT次数成正比
plt.title("Horizontal Gene Transfer Network")
plt.axis("off")
plt.tight_layout()
plt.savefig("hgt_network.png", dpi=300)
plt.show()

三、WAAFLE分析流程¶

# ===== WAAFLE：基于泛基因组的HGT检测 =====

# 安装WAAFLE
pip install waafle  # 安装WAAFLE

# WAAFLE工作流程：
# 1. 将contigs比对到泛基因组数据库
# 2. 检查每个contig上的基因是否来自不同物种
# 3. 如果一个contig上有基因来自物种A也有来自物种B → 嵌合contig → 可能是HGT

# 第一步：BLAST搜索contig上的基因
waafle_search \
  contigs.fna \  # 输入：宏基因组组装的contigs
  waafle_db/waafledb \  # WAAFLE泛基因组数据库
  --threads 8  # 线程数

# 第二步：分类contigs
waafle_orgscorer \
  contigs.fna \  # 输入：contigs
  contigs.fna.blastout \  # 输入：BLAST结果
  waafle_db/taxonomy.tsv  # 分类信息

# 第三步：检测LGT（横向基因转移）
waafle_genecaller \
  contigs.fna \  # 输入：contigs
  contigs.fna.blastout \  # BLAST结果
  contigs.fna.no_lgt.tsv \  # 非LGT的contigs
  contigs.fna.lgt.tsv  # 检测到LGT的contigs（这是主要结果）

四、geNomad：检测HGT载体¶

# ===== geNomad检测质粒和噬菌体 =====
# 质粒和噬菌体是HGT的主要载体

# 安装
conda install -c bioconda genomad  # 安装geNomad

# 下载数据库
genomad download-database .  # 下载数据库到当前目录

# 运行检测
genomad end-to-end \
  contigs.fna \  # 输入：宏基因组组装的contigs
  genomad_output/ \  # 输出目录
  genomad_db/ \  # 数据库目录
  --threads 8 \  # 线程数
  --min-score 0.7  # 最低置信度阈值

# 结果文件
# genomad_output/
# ├── contigs_summary/
# │   ├── contigs_plasmid_summary.tsv  # 质粒预测结果
# │   ├── contigs_virus_summary.tsv    # 病毒预测结果
# │   └── contigs_summary.tsv         # 汇总

五、常见报错与解决¶

报错信息	原因	解决方案
`MetaCHIP: BLAST error`	BLAST版本不兼容	使用`blast >= 2.9.0`版本
`No HGTs detected`	MAG数量太少或分类不够多样	至少需要不同目/纲的MAG
`WAAFLE database not found`	数据库未下载	从WAAFLE GitHub下载数据库
`Memory error in BLAST`	数据库太大	分批运行或增加内存
`geNomad: model loading error`	数据库版本不匹配	重新下载匹配版本的数据库
`FastTree: segfault`	序列比对文件格式错误	检查MAFFT/MUSCLE输出

六、面试高频问题¶

Q1: HGT的三种方式？在宏基因组中怎么区分？¶

A: 转化（吸收裸DNA）、转导（噬菌体介导）、接合（质粒传递）。在宏基因组中，可以通过检测HGT基因附近是否有噬菌体序列（转导）、质粒复制子（接合）来区分。

Q2: 为什么HGT在肠道菌群中特别值得关注？¶

A: 因为肠道环境密度高、物种多，HGT频率高。最重要的是抗生素耐药基因的水平转移——一个菌获得耐药基因后可以通过HGT迅速传播给其他菌种。

Q3: MetaCHIP和WAAFLE的区别？¶

A: MetaCHIP基于MAG，使用系统发育+最佳匹配双重标准，需要分类信息，适合MAG-level分析。WAAFLE基于contig，检测嵌合contig（一个contig上基因来自不同物种），不需要先分箱，适合contig-level分析。

七、速查表¶

# ===== HGT检测速查 =====

# MetaCHIP（MAG-level）
MetaCHIP PI -p project -r o -i mags/ -x fa -taxon taxonomy.tsv -t 8

# WAAFLE（Contig-level）
waafle_search contigs.fna db --threads 8
waafle_orgscorer contigs.fna blast.out taxonomy.tsv
waafle_genecaller contigs.fna blast.out nolgt.tsv lgt.tsv

# geNomad（检测HGT载体）
genomad end-to-end contigs.fna output/ db/ --threads 8

# ===== HGT检测的判定标准 =====
# 1. 基因树和物种树不一致
# 2. GC含量/密码子使用偏差
# 3. contig上基因来自不同物种
# 4. 基因附近有移动元件特征

# ===== 三种HGT方式 =====
# 转化 = 捡别人的DNA
# 转导 = 噬菌体送错货
# 接合 = U盘拷贝（质粒）