准备
代码Tutorial：
Github：https://github.com/qdu-bioinfo/parallel-meta-suite
Gittee：https://gitee.com/qdu-bioinfo/parallel-meta-suite
视频Tutorial：
Bilibili：https://www.bilibili.com/video/BV12F411s7uM/
Youtube：https://youtu.be/bSdrUSpzNDg
- 一台服务器/Win WSL （配置RAM 8GB/CPU 4+cores）
安装PMS
wget http://bioinfo.single-cell.cn/Released_Software/parallel-meta/3.7/parallel-meta-suite-3.7-src.tar.gz tar -xzvf parallel-meta-suite.tar.gz cd parallel-meta-suite.tar.gz source install.sh
如果你用的Xshell，这里安装过程中会提醒你安装Xmanger，官网下载即可，个人版可以免费一个月，然后登录服务器时候在属性里点击隧道-> 连接即可，然后等shell脚本自动安装完就行了。
Xmanger连接
使用
PMS流程框架
安装完目录结构如下所示，
example文件下有示例文件，执行文件在bin目录下。
我们只需要准备三个文件
- meta.txt ：包含每个样品的meta信息，最基本的分组信息，如果有其他指标的话可以添加，我这里有12个样品，各6个生物学重复。
- seqs.list ：记录这些样品序列的相对路径
- seqs文件夹：记录每个样品测序fastq序列，就是我们最原始的未拆分的下机序列。
OK，这三个文件准备好之后，我们只需要一条命名即可运行
PM-pipeline -i seqs.list -m meta.txt -o out_dir
运行之前我们先PM-pipeline -h一下了解还有哪些可用的参数:
- -D: 选择数据库，默认为G(GreenGenes-13-8 16S rRNA 97%level), S (SLIVA 16SrRNA数据库), O (Oral_Core 16S rRNA)，E(SLIVA 18S rRNA), T(ITS ITS1), C (GreenGenes-13-8 16S rRNA 99%level)
- -M: 测序类型T(shotgun)或者F(rRNA)
- -r： rRNA拷贝数教程，默认T
- -k：测序格式检查 默认F
- -f：功能分析（预测），默认T
- -v：ASV去噪，默认T
- -c： 嵌合体去除 默认T
- -d： 序列比对阈值（0~1直接）使用ASV时候默认0.99
- -L: 分类水平（1-6：门-种）
- -w: 分类聚类类型： 0 加权 1非加权 2都有
- -F: 功能分析水平（指定KEGG LEVEL 1,2,3或者4(KO号)）
- -s：测序数量标准化深度
- -R: 稀释曲线
- -E: 双端数据 T, 默认F
- -G: 网络分析边(相关性)的筛选阈值：默认0.5
接下来我们选择有用的参数运行命令
nohup PM-pipeline -i seqs.list -m meta.txt -t 10 -R -E T -D S -o out_dir &
我设置10线程，大概40min作用，目录下生产了out_dir文件
目录传输到本地，index.html文件方便查询我们的结果。
查看其中的一些结果，物种与功能的Alpha、Beta、群落组成，随机森林，网络分析等等基本都一键生成了，仔细观察结果，之前文章中用的是老一套97%OTU聚类方法，现在换成了ASV算法得到结果基本一致，对于属水平的鉴定也似乎精准了不少。
感慨：该流程化套件真的降低了我们数据分析的门槛，以后拿到数据后可以直接一键跑个流程根据结果初步挖掘有用信息，大大提高了我们的科研效率，曾经也上游shell，下游R写了流程化的脚本，现在看来这个用起来更便捷些，没必要重复造轮子了(这里reaspect开发人员), 针对些重要结果个性化分析出图就行了~~
另外，想起之前也介绍过一个16s下游流程化分析可视化的R包Microeco也值得我们学习：使用Microeco包轻松分析你的16S扩增子数据
