构建可靠的宏基因组组装基因组(MAGs)对于理解微生物群落、分类注释和代谢过程重建具有重要意义,因此降低数据组装contigs错误率对于后续分析至关重要。近日,复旦大学类脑智能科学与技术研究院路易斯·佩德罗·科埃略(Luis Pedro Coelho)、赵兴明、华中科技大学陈卫华及团队在Genome Biology发表最新研究,开发了一种基于机器学习,用于全自动识别和纠正宏基因组数据中装配错误的工具metaMIC(https://github.com/ZhaoXM-Lab/metaMIC),通过模拟和真实数据集验证,发现metaMIC的性能良好可为下游分箱提供可靠基础,值得测试。