中国微生物期刊iMeta实时影响因子突破33！微科盟和基因组所刘永鑫团队强强联手发表生科云全球热点文章

随着宏组学(meta-omics)方法在研究微生物结构、功能和互作等方面的广泛应用，我们积累了大量宝贵的数据资源。然而，如此丰富的人类/环境微生物组数据也为现有的生物信息学工具提出了新的挑战。因此，我们开发了微科盟生科云(Wekemo Bioincloud)——一个专业的宏组学(meta-omics)数据分析平台。该平台提供了全面的分析解决方案，方便用户在处理大量组学数据中选择适用的工具。目前Wekemo Bioincloud已配备了38个工作云流程和119个可视化工具，可用于研究不同的数据集，是一个便于用户使用的平台。此外，该平台支持在线修改矢量图，并通过独立的注册账号，确保了用户的隐私和数据的可追溯性。Wekemo Bioincloud可以通过以下链接获取：https://www.bioincloud.tech/，欢迎大家使用本平台并正确引用。

引  言

宏组学方法的最新发展，涵盖了宏基因组学、宏转录组学、宏蛋白质组学、宏病毒组学、代谢组学以及理化数据，标志着我们正迎来全面理解复杂生物系统的革新时代。这些多维度的组学数据集包括了微生物群落的丰富性，迫切需要强大且用户友好的生物信息学工具，以揭示微生物群落的整体情况，并阐明环境与微生物组之间的相互作用。因此，微生物组领域已开发了多个数据分析平台，用于高通量组学数据的处理。例如，QIIME2和EasyAmplicon用于扩增子数据分析，Trimmomatic或fastp用于数据质控，Kraken2用于物种分类，HUMAnN3用于功能分析，MultiPrime用于高效设计引物，ImageGP用于数据可视化等等。这些工具的开发为人们深入探索组学数据提供了重要支持。

通常，标准的组学数据分析流程包括原始数据处理、物种分类注释、序列功能分析和统计分析。尽管本领域已经开发了多个分析流程/软件来标准化这些分析，然而，个性化分析和定制分析对不同的研究目的至关重要。目前，本领域已发展了各种工具、分析流程或在线分析平台来支持组学数据的分析，例如，QIIME2是一款专门为扩增子测序分析设计的软件，目前其应用也升级扩展到宏基因组数据分析；EasyAmplicon是专门用于本地服务器上扩增子测序分析的流程；MicrobiomeAnalyst是主要用于扩增子测序、宏基因组和代谢组学分析的在线平台；Notame专注于代谢组学分析；MetaProteomeAnalyzer用于宏蛋白质组数据分析；此外，还出现了许多创新方法，用于从组学数据中识别可靠和稳定的生物标志物，也有部分研究/综述对现有各种R包或软件进行总结和比较。这些工具大多数都针对一种或两种特定类型的组学数据，而当前多组学分析对于科学问题的研究至关重要。然而，多样且复杂的分析方法和工具意味着研究人员不仅需要大量时间安装各种工具或R包，而且还要适应不同工具或平台的使用，这凸显了开发适用于宏组学/多组学数据分析和可视化的在线平台的重要性。

因此，我们推出了Wekemo Bioincloud，专为宏组学数据分析量身定制，旨在解决用户在工具选择上面临的挑战。Wekemo Bioinclud平台安全地将用户的测序存储在云端，并提前配置了各种分析工具，以满足用户挖掘数据的需求。该平台包含云流程(Workflow)和工具(Tools)两个模块，并确保了用户在不同步骤具有选择性，为用户对所获数据的深入探索提供保障。可通过访问以下链接，了解平台详情https://www.bioincloud.tech/。

结  果

Wekemo Bioincloud概述

Wekemo Bioincloud包含两个主要模块：云流程模块和工具模块。在云流程模块中，用户可以逐步分析组学数据，流程会生成详细报告，说明每次分析所使用的软件和参数报告；而在工具模块，用户可以参考我们提供的演示(Demo)数据使用不同工具。该平台旨在方便研究人员访问分析，可以一键修改样品分组或一键运行所有分析。此外，平台不仅在线提供SVG编辑器，而且允许用户设置电子邮件提醒，以节省科研者的宝贵时间。平台还提供了教学视频，涵盖工具使用、云流程和结果解读，增强用户对其数据的理解。独立的注册系统确保了用户数据的隐私性、追溯性和协作性。研究人员可以通过两种方式使用平台：1) 参考在线示例(Demo)表格，选择工具模块进行数据分析；2) 提交原始数据，后台提供标准分析表，然后用户可以通过云流程或工具模块进行个性化分析。工具模块的数据每天会被删除，云流程分析的原始数据和结果报告将保留2年，为用户提供充足的时间深入挖掘数据。

截至2023年12月6日，我们对 Google Scholar 上引用‘Wekemo Bioincloud’的所有出版物进行了统计，删除未知/重复条目后，共计140篇文章使用了我们的平台。有趣的是，42.14%的文章使用了云流程，57.86%的文章则选择了功能模块来可视化结果。其中，相关性检验、正交偏最小二乘判别分析(OPLS-DA)、主坐标分析(PCoA)和线性判别分析效应大小(LEfSe)分析是工具模块最常用的工具。

云流程介绍

云流程模块目前已更新了38个数据分析流程，涵盖了宏基因组、宏转录组、宏蛋白质组、宏病毒组、代谢组、基因组和理化数据等各种类的型数据进行一步式分析（图1）。每个云流程都配有全面的演示报告、示例流程和结果解释，方便新用户快速入门。对于常规组学分析，用户只需参考我们的演示流程，准备原始测序数据和样本信息(metadata)。面对大量宏组学分析软件，我们的云流程还包括各种软件选项，用户可以根据自身数据的特点轻松选择不同的分析算法/软件，所有处理方法都将在输出报告中展示。

图1. Wekemo Bioincloud的38个云流程框架图

Wekemo Bioincloud平台为宏组学(meta-omics)数据分析提供了多样的云流程(Workflow)，满足用户开展标准化和个性化分析。

此外，我们还为用户提供一些灵活的选择，以获得个性化的分析。例如，宏基因组流程可以对微生物组样本的肠型进行分类，宏基因组分箱流程可预测原噬菌体或分泌蛋白；10×单细胞转录组云流程整合了比对、定量、聚类和基因表达分析等过程；此外，我们还包括了纯二代组装或二、三代混合组装的方法来比较分析细菌和真菌基因组的组装效果，为系统探索数据并揭示生物学意义提供支持。

可视化工具介绍

为直观呈现科学发现，Wekemo Bioincloud平台提供了一系列用于可视化、分析和比较组学数据的工具(图2)。目前已推出119个子功能，涵盖以下方面：(1) 组间特征/基因的贡献/丰富度/组成展示；(2) 组间差异比较；(3) 整体结构差异比较；(4) 数据分析，如显著性检验(ANOVA、Kruskal Wallis等)；(5) 功能/代谢通路预测；(6) 基因表达差异；(7) 系统发育构建；(8) 相关性检验；(9) 可视化流程；(10) 其他(如引物设计等)。所有子功能都带有流行度和难度分数，可以帮助用户衡量每个工具的使用频率和复杂性。截至2023年12月10日，分组聚类热图、LEfSe图和分组百分比堆积条形图是目前最受欢迎的三种工具，其使用次数分别达到57,759次、65,248次和54,943次。