Metagenomic Intelligence and Comprehensive Omics Suite
“猛犸杯”国际生命科学数据创新大赛是由华大生命科学研究院、深圳国家基因库等机构联合主办的国际性生物信息学竞赛。大赛面向全球招募参赛者，不限年龄、国籍和职业，旨在推动多组学分析工具和算法的快速发展，降低工具使用门槛，促进生命科学领域的创新和发展。大赛秉持以赛促训、以赛促学、以赛促教、以赛促创的理念，通过比赛激发创新思维与实践能力，推动科研与教育的深度融合。
| 项目 | 详情 |
|---|---|
| 全称 | 2024“猛犸杯”国际生命科学数据创新大赛——多组学生信开发者挑战赛 |
| 简称 | 2024“猛犸杯”大赛—生信开发者挑战赛 |
| 主办方 | 华大生命科学研究院、深圳国家基因库、崖州湾科技城管理局 |
| 支持单位 | 国际数据委员会（CODATA）、国家超算互联网、崖州湾国家实验室 |
| 参赛对象 | 全球高校、科研院所、企业从业人员等 |
| 竞赛类别 | 健康生命 & 医学、程序设计、大数据、计算机 & 信息技术 |
| 比赛平台 | STOmics Cloud |
| 赛事页面 | 赛氪 · DataCastle |
| 阶段 | 时间 |
|---|---|
| 初赛 | 2024年5月15日 — 2024年8月15日 |
| 初赛评审 | 2024年8月16日 — 2024年9月14日 |
| 线上公投 | 2024年9月18日 — 2024年10月8日 |
| 线下决赛 | 2024年10月24日（海南） |
背景：在新时代背景下，生命科学领域的多组学技术成为了推动生物医学、疾病防控、农业育种和种植、环境监测等领域发展的重要工具。随着空间组学、单细胞组学和基因组学等前沿技术的飞速发展，多组学工具和应用在维度、深度、广度上都有了很大提升和发展。然而，由于开发语言、环境和封装等差异的原因，科研人员与高校学生在探索多组学数据分析时，常遭遇分析工具开发困难、工具使用门槛高的挑战。
赛题要求：参赛选手在参赛平台上进行多组学工具的开发，创建和共享具有应用价值大、影响力高、易用性好的工具或工具系列。
大赛目标：
- 激发创新思维 — 鼓励参赛者在多组学技术领域进行创新工具和算法研究
- 提升技术水平 — 通过比赛提升参赛者的多组学技术水平和实践能力，培养高层次科研人才
- 推动科教融合 — 促进科学研究与教育教学的融合，推动从科研到教育的全链条发展
奖项设置：作品提交奖、初赛人气奖、决赛奖
MICOS-2024（Metagenomic Intelligence and Comprehensive Omics Suite）是参加 2024 届“猛犸杯”大赛的参赛作品，聚焦宏基因组学方向。项目整合了 Kraken2、QIIME2、KneadData 等主流工具，基于 WDL 工作流和 Docker 容器化，提供从原始测序数据到生物学洞察的完整、可重现、易用的分析流程。
MICOS-2024 是一个专为宏基因组学研究设计的综合分析平台，解决宏基因组数据分析中的复杂性和可重现性挑战。平台整合多个经过验证的生物信息学工具，覆盖质控、物种分类、多样性分析、差异丰度分析、功能注释等完整流程。
- 标准化工作流：基于WDL的可重现分析流程
- 容器化部署：Docker/Singularity支持，确保环境一致性
- 模块化设计：灵活的分析组件，支持自定义流程
- 多样化输出：丰富的可视化图表和统计报告
- 高性能计算：优化的并行处理，支持HPC环境
graph LR
A[原始FASTQ] --> B[质量控制<br/>KneadData]
B --> C[物种分类<br/>Kraken2]
C --> D[格式转换<br/>BIOM]
D --> E[多样性分析<br/>QIIME2]
C --> F[可视化<br/>Krona]
E --> G[统计分析<br/>R/Phyloseq]
F --> H[交互式报告]
G --> H
| 功能模块 | 工具 | 版本 | 描述 |
|---|---|---|---|
| 质量控制 | KneadData/FastQC | v0.12.0 | 宿主DNA去除和序列质量过滤 |
| 增强质量控制 | 自定义Python模块 | v1.0.0 | 高级质量评估和可视化 |
| 物种分类 | Kraken2 | v2.1.3 | 基于k-mer的快速分类学分类 |
| 多样性分析 | QIIME2 | 2024.5 | Alpha/Beta多样性计算和统计检验 |
| 差异丰度分析 | DESeq2/ALDEx2/ANCOM-BC | - | 多种差异分析方法 |
| 功能注释 | KEGG/COG/Pfam | - | 功能基因注释和通路分析 |
| 系统发育分析 | FastTree/MUSCLE | - | 系统发育树构建和分析 |
| 16S rRNA分析 | DADA2/QIIME2 | - | 扩增子序列分析流程 |
| 宏转录组分析 | Salmon/DESeq2 | - | RNA-seq数据分析和功能注释 |
| 网络分析 | NetworkX/igraph | - | 微生物共现网络构建和分析 |
| 可视化 | Krona/Plotly | v2.8.1 | 交互式分类学组成图表 |
| 统计分析 | R/Phyloseq | - | 高级统计分析和可视化 |
- 工作流管理：WDL工作流引擎，支持断点续传和错误恢复
- 并行计算：多线程处理，支持HPC集群部署
- 容器化：Docker/Singularity支持，确保环境隔离
- 可扩展性：模块化设计，便于集成新的分析工具
- 可重现性：版本锁定和容器化确保结果一致性
- 标准兼容：输出格式兼容QIIME2、Phyloseq、LEfSe等主流工具
| 数据集规模 | 样本数量 | 处理时间 | 内存使用 |
|---|---|---|---|
| 小型 | 10个样本 | ~2小时 | 16GB |
| 中型 | 50个样本 | ~8小时 | 32GB |
| 大型 | 100个样本 | ~15小时 | 64GB |
基准测试基于标准Kraken2数据库，使用16核CPU环境
- 操作系统: Linux (Ubuntu 20.04+) 或 macOS
- 内存: 最少16GB，推荐32GB+
- 存储: 至少100GB可用空间
- CPU: 多核处理器，推荐16核+
# 克隆项目
git clone https://github.com/BGI-MICOS/MICOS-2024.git
cd MICOS-2024
# 启动核心分析服务（示例 Compose）
docker compose -f deploy/docker-compose.example.yml up -d
# 运行测试
./scripts/run_test_data.sh# 安装Miniforge
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
bash Miniforge3-Linux-x86_64.sh
# 创建环境
git clone https://github.com/BGI-MICOS/MICOS-2024.git
cd MICOS-2024
mamba env create -f environment.yml
conda activate micos-2024
# 验证安装
./scripts/verify_installation.sh.
├── micos/ # 核心 Python 包（质控、物种分类、多样性分析、功能注释等）
├── scripts/ # 运行脚本与分析模块（Shell / Python / R）
│ ├── run_full_analysis.sh # 一键运行完整分析
│ ├── run_module.sh # 按模块运行分析
│ ├── verify_installation.sh # 验证安装环境
│ ├── enhanced_qc.py # 增强质控
│ ├── functional_annotation.py
│ ├── network_analysis.py
│ └── ...
├── steps/ # 分步骤分析教程（01-09，从质控到统计分析）
├── workflows/ # WDL 工作流定义
│ └── wdl_scripts/ # 各版本 WDL 脚本和配置
├── config/ # 配置模板（分析参数、数据库路径、样本元数据）
├── containers/singularity/ # Singularity 容器定义文件
├── deploy/ # Docker Compose 部署配置
├── data/raw_input/ # 原始测序数据输入目录
├── docs/ # 用户手册、配置指南、故障排除
├── tests/ # 单元测试和集成测试
├── changelog/ # 版本更新日志
├── .github/ # GitHub Actions CI 和 Issue 模板
├── CITATION.md # 引用信息
├── pyproject.toml # Python 项目配置
├── requirements.txt # Python 依赖
├── environment.yml # Conda 环境配置
└── README.md
详细的安装说明请参考：📖 完整安装指南
MICOS-2024 需要以下参考数据库：
- Kraken2 数据库（用于物种分类）
- KneadData 数据库（用于宿主 DNA 去除）
- QIIME2 分类器（用于分类学注释）
请参考 docs/configuration.md 获取下载与准备指南，并根据 config/databases.yaml.template 填写本地路径。
config/
├── analysis.yaml # 分析参数配置
├── databases.yaml # 数据库路径配置
└── samples.tsv # 样本元数据# 复制配置模板
cp config/analysis.yaml.template config/analysis.yaml
cp config/databases.yaml.template config/databases.yaml
cp config/samples.tsv.template config/samples.tsv
# 编辑配置文件
nano config/analysis.yaml
nano config/databases.yaml
nano config/samples.tsv详细配置说明请参考：⚙️ 配置指南
# 1. 准备数据
mkdir -p data/raw_input
cp /path/to/your/*.fastq.gz data/raw_input/
# 2. 配置分析参数
cp config/analysis.yaml.template config/analysis.yaml
# 编辑配置文件...
# 3. 运行完整分析
./scripts/run_full_analysis.sh
# 4. 查看结果
firefox results/reports/analysis_report.html# 基础分析模块
./scripts/run_module.sh quality_control
./scripts/run_module.sh enhanced_qc
./scripts/run_module.sh taxonomic_profiling
./scripts/run_module.sh diversity_analysis
# 高级分析模块
./scripts/run_module.sh differential_abundance
./scripts/run_module.sh functional_annotation
./scripts/run_module.sh phylogenetic_analysis
./scripts/run_module.sh network_analysis
# 专业分析模块
./scripts/run_module.sh amplicon_analysis # 16S rRNA分析
./scripts/run_module.sh metatranscriptome # 宏转录组分析
# 可视化和报告
./scripts/run_module.sh visualization
./scripts/run_module.sh report_generation# 使用WDL工作流
java -jar cromwell.jar run \
workflows/wdl_scripts/meta-dev.wdl \
--inputs config/analysis.json详细使用说明请参考：📖 用户手册
| 类型 | 位置 | 描述 |
|---|---|---|
| 分析报告 | results/reports/ |
HTML格式的交互式报告 |
| 质量控制 | results/quality_control/ |
FastQC和MultiQC报告 |
| 增强质量控制 | results/enhanced_qc/ |
高级质量评估和可视化报告 |
| 物种分类 | results/taxonomic_profiling/ |
Kraken2分类结果和Krona图表 |
| 多样性分析 | results/diversity_analysis/ |
Alpha/Beta多样性指标和图表 |
| 差异丰度分析 | results/differential_abundance/ |
DESeq2/ALDEx2/ANCOM-BC结果 |
| 功能注释 | results/functional_annotation/ |
KEGG/COG/Pfam注释结果 |
| 系统发育分析 | results/phylogenetic_analysis/ |
系统发育树和进化分析 |
| 16S rRNA分析 | results/amplicon_analysis/ |
扩增子序列分析结果 |
| 宏转录组分析 | results/metatranscriptome/ |
RNA-seq分析和功能注释 |
| 网络分析 | results/network_analysis/ |
微生物共现网络和拓扑分析 |
| 统计表格 | results/tables/ |
CSV/TSV格式的数据表 |
- Krona交互式图表: 分类学组成的层次结构展示
- 多样性分析图: Alpha/Beta多样性箱线图和PCoA图
- 丰度热图: 样本间物种丰度比较
- 差异分析图: 火山图、MA图和差异物种热图
- 功能注释图: KEGG通路图和GO富集分析
- 系统发育树: 交互式系统发育树可视化
- 网络图: 微生物共现网络和模块分析
- 质量控制图: 序列质量、GC含量和复杂度分析
- 统计检验结果: 差异分析和生物标志物发现
| 文档 | 描述 |
|---|---|
| 用户手册 | 完整的安装和使用指南 |
| 配置指南 | 详细的配置参数说明 |
| 故障排除 | 常见问题和解决方案 |
| 分类学分析 | 物种分类分析流程 |
我们欢迎社区贡献！请查看 贡献指南 了解详情。
- 报告问题: 提交Issue
- 功能建议: 提交Feature Request
- 代码贡献: Fork项目并提交Pull Request
本项目采用 MIT许可证。
感谢华大生命科学研究院、深圳国家基因库、崖州湾科技城管理局举办的“猛犸杯”国际生命科学数据创新大赛为本项目提供的平台和支持。
感谢以下开源项目：
- Kraken2 - 分类学分类
- QIIME2 - 微生物组数据分析
- KneadData - 质量控制
- Krona - 交互式可视化
- DESeq2 - 差异丰度分析
- Phyloseq - 微生物组生态分析
MICOS-2024 | 2024“猛犸杯”国际生命科学数据创新大赛参赛作品