如何快速检测基因组水平转移基因？HGTector2 完整教程与实战案例 🧬

HGTector2 是一款强大的基因组水平转移（HGT）检测工具，基于序列同源性模式分布实现全基因组范围内的 HGT 事件预测。通过自动化分析流程和智能参数优化，它能帮助研究人员快速识别潜在的水平转移基因，推动微生物进化与基因组学研究。

🚀 核心功能与优势

HGTector2 重新设计的工作流带来三大核心优势：

全自动化分析流程

无需复杂参数配置，从序列比对到结果可视化全程自动化。工具会智能推断分类群分组、优化聚类阈值，最大限度减少人工干预。关键分析模块位于 hgtector/analyze.py，实现从原始比对结果到 HGT 预测的完整转换。

高效本地计算支持

支持 DIAMOND 和 BLAST 两种序列比对工具，结合本地数据库实现高速分析。数据库构建模块 hgtector/database.py 可自动下载并编译 NCBI 非冗余蛋白序列，确保分析的可控性和可重复性。

多维度可视化结果

生成丰富的统计图表直观展示 HGT 分布特征，包括：

• 近缘/远缘得分直方图与密度曲线
• 基因聚类散点图（低近缘得分+高远缘得分特征）
• 轮廓系数热力图显示预测置信度

HGTector2 分析结果示例

⚡ 快速上手：5 步完成 HGT 检测

1️⃣ 环境准备与安装

# 创建并激活 Conda 环境
conda create -n hgtector -c conda-forge python=3 pyyaml pandas matplotlib scikit-learn bioconda::diamond
conda activate hgtector

# 安装 HGTector2
pip install git+https://gitcode.com/gh_mirrors/hg/HGTector

2️⃣ 构建参考数据库

hgtector database -o db_dir --default

默认数据库包含 NCBI 非冗余蛋白序列，约需 10+ 小时和数十 GB 存储空间。详细配置可参考 数据库构建指南。

3️⃣ 序列比对（本地模式）

hgtector search -i input.faa -o search_dir \
  -m diamond -p 16 \
  -d db_dir/diamond/db \
  -t db_dir/taxdump

输入文件为蛋白质序列 FASTA 文件，输出包含比对结果和简化分类数据库。比对参数优化可参考 搜索模块文档。

4️⃣ HGT 事件预测

hgtector analyze -i search_dir -o analyze_dir -t db_dir/taxdump

分析模块自动完成：

• 分类群分组（自群/近缘群/远缘群）
• 得分计算与聚类分析
• HGT 候选基因筛选与置信度评估

5️⃣ 结果解读

核心输出文件位于 analyze_dir：

• scores.tsv：所有基因的分组得分表
• hgts/[样本名].txt：预测的 HGT 基因列表（含潜在供体信息）
• scatter.png：近缘/远缘得分散点图（关键 HGT 特征可视化）

HGT 得分分布示例

🧪 实战案例：大肠杆菌 HGT 检测

以大肠杆菌 O55:H7 基因组为例，展示 HGTector2 的分析能力：

数据准备

下载参考蛋白序列：

wget -O o55h7.faa.gz https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/025/165/GCF_000025165.1_ASM2516v1/GCF_000025165.1_ASM2516v1_protein.faa.gz

分析结果

自动分类群分组结果：

• 自群：大肠杆菌种（562）- 9 个分类单元
• 近缘群：肠杆菌科（543）- 24 个分类单元
• 远缘群：所有其他分类单元

大肠杆菌 HGT 预测结果

分析共识别出 33 个潜在水平转移基因，其中 12 个显示高置信度（轮廓系数 > 0.7）。潜在供体主要来自γ-变形菌门和放线菌门，提示这些基因可能通过质粒或噬菌体介导的水平转移获得。

📚 进阶配置与优化

自定义分类群分组

通过 --self-tax 和 --close-tax 参数手动指定分类群：

hgtector analyze ... --self-tax 562,620 --close-tax 1236,28216

此例将大肠杆菌（562）和志贺氏菌（620）设为自群，γ-变形菌门（1236）和β-变形菌门（28216）设为近缘群。

数据库优化策略

• 最小测试库：使用 --reference 参数构建仅含参考基因组的小型数据库，适合快速测试
• 分类过滤：通过 -r superkingdom 限制特定超门序列，减少数据库体积
• 定期更新：建议每 3-6 个月更新一次数据库以纳入最新序列数据

详细优化方法见 高级运行指南。

📝 许可证与引用

HGTector2 采用 BSD 3-clause 许可证，源代码可自由用于学术研究。完整许可信息见 LICENSE 文件。

如果使用本工具，请引用：

Zhu Q, Kosoy M, Dittmar K. HGTector: an automated method facilitating genome-wide discovery of putative horizontal gene transfers. BMC Genomics. 2014. 15:717.

🔍 深入学习资源

• 首次运行教程：doc/1strun.md - 从示例数据了解基础流程
• 参数优化指南：doc/realrun.md - 大型基因组分析的最佳实践
• 配置文件说明：hgtector/config.yml - 自定义分析参数的详细说明

立即开始使用 HGTector2，探索微生物基因组中隐藏的水平转移奥秘！🔬