01

—

宏基因组学分类器

宏基因组学（Metagenomics）主要研究直接从环境中获得的基因组序列。宏基因组学分类器（Metagenomics classifier）主要解决的问题是对一个数据集中每一条 read 做分类，确定其所属的物种。宏基因组学数据一般包含超过千万条 reads 序列，因此一般通过 k-mer 的方法统计 reads 数量进行分类。这造成分类的结果不考虑 reads 在基因组上的位置。而实验室的试剂盒及取样环境都可能造成污染。鉴定并剔除这些假阳性的数据对于宏基因组学分类是很重要的。

02

—

2014年发表的 Kraken

在 2014 年，D. E Wood 和 S. L. Salzberg 在 Genome Biology 杂志发表了题为“Kraken: ultrafast metagenomic sequence classification using exact alignments” 的论文。该论文介绍的 Kraken 软件主要用于宏基因组 DNA 序列的分类，相比于此前的软件， Kraken 通过 exact alignment of k-mers 的方法，极大地降低了运行时间。其精确度可以匹及速度最快的 BLAST 程序。在快速运行模式，Kraken 可以每分钟分类 410 万条 100 bp 的 reads，比 Megablast 快 909 倍，比丰度估算程序 MetaphlAn 快 11 倍。Kraken 软件的地址为：http://ccb.jhu.edu/software/kraken/

03

—

2018年的 KrakenUniq

2018 年 11 月 16 日，约翰·霍普金斯大学的 F.P. Breitwieser, D. N. Baker, 和 S. L. Salzberg 在 Genome Biology 杂志发表了标题为“KrakenUniq: confident and fast metagenomics classification using unique k-mer counts”的论文介绍了一个新的宏基因组学分类软器KrakenUniq，用于宏基因组数据分类。KrakenUniq 相比于 2014 年发表的 Kraken 同样是基于 exact match of k-mers，不同的是 KrakenUniq 在此基础上添加了一个用于评估数据集中每一个物种 unique k-mers 的覆盖度的算法。

KrakenUniq 算法和输出简介

04

—

KrakenUniq 的测试效果

通过多个数据集的测试，研究者发现 KrankenUniq 相比于其它方法有着更好的分类效果和精确度，可以在疾病样品中把低丰度的假阳性数据从病原物中区分出来。另外，KrakenUniq 还通过应用概率基数估计算法 HyperLogLog，使其运行速度和 Kraken 一样快，仅比 Kraken 多消耗一点内存。

05

—

KrakenUniq 的安装和使用

KrakenUniq 主要是用 C++ 和 Perl 语言写作的，源代码地址为：

https://github.com/fbreitwieser/krakenuniq

KrakenUniq 可以通过 conda 安装，命令为：

conda install krakenuniq

也可以从源代码安装，命令为：

git clone https://github.com/fbreitwieser/krakenuniq
cd krakenuniq
./install_krakenuniq /PATH/TO/INSTALL_DIR

构建数据库的命令如下：

krakenuniq-build --db DBDIR --kmer-len 31 --threads 10 --taxids-for-genomes --taxids-for-sequences

运行 KrankenUniq 的命令如下：

krakenuniq --db DBDIR --threads 10 --report-file REPORTFILE.tsv > READCLASSIFICATION.tsv

详细使用说明参见该软件的 Manual。

参考资料：

1. Breitwieser FP, Baker DD, Salzberg SL. (2018). KrakenUniq: confident and fast metagenomics classification using unique k-mer counts. Genome Biology 2018, 19:198. https://doi.org/10.1186/s13059-018-1568-0

2. https://github.com/fbreitwieser/krakenuniq
   

3. Wood DE, Salzberg SL. Kraken: ultrafast metagenomic sequence classification using exact alignments. Genome Biology, 15:R46. https://doi.org/10.1186/gb-2014-15-3-r46

4. http://ccb.jhu.edu/software/kraken/

5. Segata N, Waldron L, Ballarini A, Narasimhan V, Jousson O, Huttenhower C: Metagenomic microbial community profiling using unique clade-specific marker genes. Nat Methods. 2012, 9: 811-814. https://doi.org/10.1038/nmeth.2066

6. Flajolet P, Fusy é, Gandouet O, Meunier F. HyperLogLog: the analysis of a near-optimal cardinality estimation algorithm. In: AofA: analysis of algorithms; 2007-06-17; Juan les Pins. France: Discrete mathematics and theoretical computer science; 2007. p. 137–56.

欢迎关注“植物基因组”微信公众号

搜索微信公众号“植物基因组”或“plant-genomes”关注