1. MetaPhlAn简介与安装

我第一次接触 MetaPhlAn 是在 2015 年，当时一个肠道菌群项目需要从宏基因组里快速识别物种组成。用 BLAST 对每个 reads 去比对，跑了三天还没结束。后来师兄甩给我一行命令：metaphlan2.py input.fastq --bowtie2db ~/db_v20 --output profile.txt。十五分钟出结果，我当时就惊了。

MetaPhlAn 到底是什么？说白了，它是一款基于标记基因（marker gene）的宏基因组物种 profiling 工具。它不比对整个基因组，而是挑出每个物种特有的、单拷贝的、保守的基因片段作为“指纹”。然后拿你的测序 reads 去匹配这些指纹。

1.1 发展历史：从 v1 到 v4 的进化

这个工具最早是 Curtis Huttenhower 团队在 2012 年发布的。我简单梳理一下主要版本变迁：

1.2 主要应用场景

在我接触过的项目中，MetaPhlAn 最常用在以下几个地方：

• 疾病队列研究：比如 IBD、糖尿病、结直肠癌患者 vs 健康人的菌群差异分析
• 环境微生物群落：土壤、水体、污水处理厂等样本的物种组成评估
• 宿主-微生物互作：分析同一宿主不同部位的微生物定殖情况
• 时序追踪：纵向采样看菌群演替规律（我做过一个抗生素干预的时间序列项目）

1.3 Conda 安装与版本选择

安装 MetaPhlAn 最简单的方式就是 Conda。我个人习惯新建一个独立环境，避免依赖冲突。

conda create -n metaphlan_env python=3.9
conda activate metaphlan_env
conda install -c bioconda metaphlan

这样装的是最新稳定版（目前是 v4.1.1）。如果你需要特定版本，可以在包名后加版本号：

conda install -c bioconda metaphlan=4.0.6

我曾经踩过一个坑：在 CentOS 7 上用 conda 安装后，运行报错说 glibc 版本太低。解决办法很简单——升级 Conda 或者改用 Docker 镜像。

# 如果还是报错，试试 docker
docker pull biobakery/metaphlan:4.1.1
docker run -it --rm -v $(pwd):/data biobakery/metaphlan:4.1.1 metaphlan /data/input.fastq --input_type fastq -o /data/profile.txt

1.4 MetaPhlAn 工作流概览

安装完之后，我们来看看它到底怎么工作的。下面这张图是我自己总结的核心流程：

为什么这个流程能跑这么快？因为标记基因库比全基因组数据库小了两个数量级。你想想看，人类肠道菌群已知的物种大概一两千个，每个物种只保留几十个基因片段，总数据量才几百 MB。比对时 Bowtie2 只需要加载这些 marker 序列，内存占用极低。

1.5 数据库下载与管理

安装完 MetaPhlAn 之后，别忘了下载数据库。别问我怎么知道的——我第一次装完直接跑，报错说找不到数据库，查文档才知道还要手动下载。

# 下载默认数据库（v30，约 2.5GB）
metaphlan --install

# 如果你要指定数据库版本，可以用 --bowtie2db 参数指定路径
metaphlan input.fastq --bowtie2db /path/to/mpa_vJun23_CHOCOPhlAnSGB --input_type fastq -o profile.txt

1.6 检查安装是否成功

跑一个最小测试，验证一切正常：

# 查看版本
metaphlan --version

# 用内置测试数据跑一遍
metaphlan --test

# 如果看到类似下面的输出，说明安装成功
# Sample: test.fastq
# Clade            Relative abundance (%)
# Bacteroides      45.23
# Faecalibacterium 12.56
# ...

嗯，到这里你就把 MetaPhlAn 装好并且跑通了。记住这个基础流程，后面所有参数调优都是在这个框架上的改进。