Genomics, Proteomics & Bioinformatics(GPB)近期在线发表了由华中农业大学李锦铨团队题为“MicroWorldOmics: All-in-one Desktop Solution for Microbiome Profiling, Virome Analysis, and Unexplored ‘Dark Matter’ Discovery”的研究论文。在这里我们文章的第一作者李润泽为大家解读MicroWorldOmics的研究工作。

要点介绍

　　研究问题

　　MicroWorldOmics研究旨在回应微生物组与病毒组学中的方法学瓶颈：高通量测序数据分析流程复杂、技术门槛高，且缺乏兼容两类数据联合分析的一体化方案。现有命令行工具对使用者编程能力要求较高，制约了湿实验研究者对数据的自主挖掘。如何在降低门槛的同时兼顾分析灵活性与可扩展性，是工具开发的核心矛盾。同时，相较于微生物组分析成熟的工具链，病毒组学分析，尤其是宏基因组中未知病毒序列的识别与功能注释，长期缺乏标准化集成平台。这一空白制约了噬菌体-宿主互作及病毒-疾病关联等前沿研究的深入发展。

　　研究方法

　　MicroWorldOmics是一款面向微生物组与病毒组研究的一站式桌面软件，其核心研究方法依托插件开发模式，使用户无需编程即可通过图形界面完成复杂生信分析。在具体应用上，该软件集成了微生物组与病毒组的协同分析流程，支持多样性表征、丰度差异检测、标志物识别、网络构建，以及噬菌体挖掘、溶原性判定、物种鉴定和噬菌体宿主预测，同时还支持针对“暗物质”的噬菌体裂解酶与抗菌肽活性分析，以及包括MLST、血清分型和耐药基因检测在内的流行病学分析。为支撑这些功能，软件在技术层面整合了超过80个Python模块和600个R包，广泛用于统计建模、深度学习及数据可视化，从而为研究者提供高效、可扩展的多组学解析方案。

　　主要结果

　　1. 提供了一站式免编程分析平台：研究提出并构建了MicroWorldOmics，一款面向生命科学与生物医学领域的集成式桌面应用，其核心优势在于无需编程基础即可完成复杂的微生物组与病毒组数据分析。

　　2. 实现了全面的多组学分析功能：该软件整合了90个子应用程序，涵盖流行病学分析、宏基因组/扩增子与病毒组综合分析和“暗物质”探索四大核心功能模块。

　　3. 整合了丰富的生物信息学资源与算法：研究调用了超过80个Python模块和600个R包，应用于生物信息学分析、统计分析、深度学习及数据可视化等多个方面。

　　4. 具备出色的跨平台兼容性：MicroWorldOmics支持在Windows、Linux和Mac三大主流操作系统上部署运行，并兼容基于Python、R、C++等多种语言开发的软件。

　　数据链接或代码连接或其他

　　https://github.com/hzaurzli/MicroWorldOmics

研究背景

　　高通量测序技术的迅猛发展，尤其是宏基因组测序的广泛应用，已深刻变革微生物组与病毒组学研究范式。Illumina、PacBio SMRT及Oxford Nanopore等主流平台催生了海量复杂测序数据，为全球尺度下微生物进化动态解析、新基因簇发掘及噬菌体-宿主互作网络构建提供了前所未有的数据基础。近年来，深度宏基因组研究已揭示多族群肠道微生物组演化规律，而URPC、CHGV等大型病毒组数据库的建立，则为基因水平转移及噬菌体-宿主匹配提供了高分辨率参照。

　　然而，该领域仍面临显著计算挑战：数据高维稀疏性、编程语言入门门槛及跨平台软件碎片化问题，共同制约了生物学内涵的高效挖掘。现有分析平台涵盖社区软件包(Bioconda、Bioconductor等)、在线系统(Galaxy、Hiplot)及桌面工具(TBtools、PhyloSuite)三大类，但分别存在依赖编程能力、资源消耗大或个性化支持不足等局限。尤其值得注意的是，在噬菌体“暗物质”注释、核心基因组构建及病原血清型鉴定等前沿方向上，兼具新型算法开发、多组学整合与可视化交互的集成化专业工具仍极为匮乏，亟待进一步研发与完善。

结果展示

　　01 基于PyQt5的MicroWorldOmics框架设计

　　MicroWorldOmics以PyQt5为核心框架，通过WorkThread与pyqtSignal实现运算与界面异步解耦，规避高负载任务导致的界面阻塞，并构建了插件化管理与并行运算体系。界面采用三栏式布局，集成14个模块92个子应用，覆盖系统发育重建、噬菌体深度学习、宏基因组分析及网络构建等方向。各插件集成输入输出提示、状态日志面板及多样化参数控件，部分支持交互式表格。平台借助PyQt5 Web引擎无缝渲染Shiny应用，支持多格式数据输入输出及可出版图表下载，并建有在线资源站点存放手册与源代码。上述设计共同构成面向生物医学领域、无需编程且跨平台的一站式微生物组与病毒组数据分析桌面服务系统。

图1 MicroWorldOmics 的设计理念、框架架构和主要功能

　　02 面向分离株与宏基因组数据的集成化分析案例

　　MicroWorldOmics针对细菌研究构建分离株全基因组与微生物群落宏基因组/扩增子两大分析模块。分离株分析中，“ShinyMap”插件实现基于元数据的地理分布可视化;核心基因组模块通过Shiny集成“BactDating”R包，基于分子钟模型与贝叶斯算法提供时间信号检测、时间树构建及群体结构分析，支持两种系统发育树输出。群落分析层面，平台依据Tao Wen等(2023)的最佳实践构建Shiny交互界面，集成PCoA、NMDS等降维分析、三元图可视化三组间群落分布、ggClusterNet网络构建与自定义配色，并提供时间序列分析、BugBase表型预测及ShinyBatch批次效应校正等高级工具。上述模块共同构成面向无编程背景研究者的一站式微生物组学数据分析与可视化技术体系。

图2 MicroWorldOmics 的布局和子应用用户界面

　　03 面整合深度学习模型的噬菌体识别、分类与功能预测分析体系

　　MicroWorldOmics针对噬菌体研究构建了涵盖噬菌体contig识别、物种分类、溶原性预测及宿主关系推断四大核心模块的深度学习分析框架。平台集成了基于Transformer的contig识别模型、图卷积网络分类器、自监督与微调结合的溶原性预测工具及知识图谱宿主预测工具，并通过算法重构与跨平台优化解决了深度学习应用中的计算效率与资源利用问题。对于依赖复杂环境的Genomad插件，平台采用远程服务器部署模式以确保功能性。此外，平台将深度学习技术扩展至生物“暗物质”探索，集成了抗菌肽与噬菌体裂解酶的杀菌活性预测模型。基于上述工具，研究以反刍动物肠道病毒组为案例，成功鉴定出8个噬菌体科，其中长尾噬菌体科占主导地位(在物种“鹿”中达到63.2%)，并发现烈性噬菌体显著多于温和噬菌体，表明其可能是肠道微生物群落的关键生态调控因子。

图3 MicroWorldOmics 中病毒组/噬菌体组分析的代表性应用案例

总结与展望

　　MicroWorldOmics通过为Windows、Linux及macOS系统提供专属安装包实现了跨平台部署，在入门级配置(2核CPU/16GB RAM)下仍可稳定运行，其中Windows与macOS版本凭借图形加速优化适用于现场移动分析，Linux版本则在大数据场景中借助超算架构展现出更高计算吞吐量。在生物信息学软件快速发展且多数工具依赖编程技能的背景下，MicroWorldOmics作为无需编程基础的专业平台，填补了微生物组与病毒组数据挖掘领域的空白。尽管当前版本仍面临深度学习插件存储空间控制、部分插件运行效率及上游分析任务缺失等挑战，但已显著提升了复杂生物信息学流程的操作性与可维护性。未来，平台将整合更多微生物与性状关联分析方法及新型人工智能框架，进一步丰富其功能体系，为用户提供更全面、更友好的数据分析体验。

　　文章编译来源

　　Li R, Dong W, Yang Z, Wang M, Xiong J, Ma Y, et al. Title. Genomics Proteomics Bioinformatics, 2026. doi:

　　英文全文详见

　　https://biomed.hzau.edu.cn/info/1008/5075.htm

　　作者及资助信息

　　华中农业大学李锦铨教授为论文通讯作者，华中农业大学博士研究生李润泽和广州医科大学附属妇女儿童医疗中心博士后董炜为论文共同第一作者。该研究得到了国家自然科学基金优秀青年基金，国家重点研发计划和中国科协青年人才托举工程博士生专项计划等多项基金的资助。同时，本课题组诚聘副教授，博士后，欢迎对噬菌体、感染与免疫和疫苗方面感兴趣的有志之士加盟，详情请见：https://biomed.hzau.edu.cn/info/1008/5075.htm