如何获知基因序列属于哪个物种，这个很简单，难的是如何去将这个世界上所有已知的生物分类，以及去构建生物数据库。当数据库构建好之后我们去比对就好了。
先来谈一谈物种分类
分类阶元（taxonomic category）是生物分类学确定共性范围的等级
界（Kingdom）：生物分类的最高级别，如动物界（Animalia）、植物界（Plantae）、真菌界（Fungi）等。
门（Phylum）：在界之下的分类，如脊索动物门（Chordata）、节肢动物门（Arthropoda）等。
纲（Class）：门之下的分类，如哺乳纲（Mammalia）、鸟纲（Aves）等。
目（Order）：纲之下的分类，如灵长目（Primates）、猫科（Felidae）等。
科（Family）：目之下的分类，如犬科（Canidae）、熊科（Ursidae）等。
属（Genus）：科之下的分类，如人属（Homo）、狼属（Canis）等。
种（Species）：属之下的分类，是生物分类的基本单位，如智人（Homo sapiens）、灰狼（Canis lupus）等。
亚种（Subspecies）：种之下的分类，表示同一物种内的不同地理种群或形态，具有一定程度的遗传差异。
我们以鼠伤寒沙门菌为例，来看一下他的生物学分类：
鼠伤寒沙门菌（Salmonella Typhimurium）是一种属于沙门氏菌属（Salmonella）的细菌，它是一种常见的非伤寒性沙门菌，能够引起人类和动物的胃肠炎
界（Kingdom）：细菌界（Bacteria）
门（Phylum）：变形菌门（Proteobacteria）
纲（Class）：γ-变形菌纲（Gammaproteobacteria）
目（Order）：肠杆菌目（Enterobacteriales）
科（Family）：肠杆菌科（Enterobacteriaceae）
属（Genus）：沙门氏菌属（Salmonella）
种（Species）：S. enterica
着重看一下沙门菌的种
沙门氏菌属（Salmonella）是一类重要的肠道致病菌，其中包含两个已被明确识别的物种：Salmonella enterica 和 Salmonella bongori。
Salmonella enterica【肠沙门氏菌】：这是沙门氏菌属中研究得较为深入的一个物种，它进一步被分为六个亚种，包括：这些亚种中，S. enterica subsp. enterica 是最常见的，也是引起人类疾病的最主要类型。它们能够感染包括人类在内的多种温血动物，并引起一系列疾病，包括胃肠炎、伤寒等。
-
enterica（肠沙门菌）
-
salamae（沙门菌亚种沙马亚种）
-
arizonae（亚利桑那沙门菌）
-
diarizonae（第二个亚利桑那沙门菌）
-
houtenae（霍特纳沙门菌）
-
indica（印度沙门菌）
Salmonella bongori【本哥里沙门氏菌】S. bongori 研究较少，它主要与冷血动物有关，但也能在温血动物中引起感染。S. bongori 通常不被认为是人类病原体，但在某些情况下也可以感染人类。S. bongori 被认为在进化上与S. enterica 分支较早，并且拥有不同的基因特征和毒力因子。
结论
鼠伤寒沙门菌（Salmonella Typhimurium）是 Salmonella enterica 物种下的一个血清型，而不是单独的物种
Kraken 2与Bracken
Kraken 2是用于宏基因组学测序读段的分类分配的快速且存储高效的工具。bracken是一个相关的工具，另外估计物种或属的相对丰度。
生物数据库
数据库链接如下：https://benlangmead.github.io/aws-indexes/k2
也要根据实际需求去选择数据库的年限，假设我们还没有发现新冠病毒，比如你做新冠病毒的宏基因组测序，如果2019年末，还没有发现新冠病毒，这时候你就要选择2019年前的数据库
当然我们也可以构建自己的数据库。NCBI上也有自己的数据库，当我们blast比对的时候，就是将序列比对到数据库里。kraken底层就是blast
Kraken2与Bracken
当我们在网页上搜索kraken 时出现一个海洋怪兽和一个虚拟货币，说明kraken这个名字还是蛮popular的
Kraken 和 Bracken 是两个常用于宏基因组学分析的生物信息学工具，它们通常一起使用以提供物种注释和丰度估计。
Kraken
Kraken 是一种用于快速和准确分类宏基因组序列的系统。它通过使用k-mer（k-mer是一种短的DNA序列）来识别序列数据中的物种来源。Kraken的主要特点包括：
快速性：Kraken 设计用于快速处理大规模的序列数据。
准确性：通过使用k-mer索引和最小化技术，Kraken 能够以高精度识别序列。
灵活性：Kraken 可以处理不同类型的序列数据，包括短读序列和长读序列。
用户友好：Kraken 提供了简单的命令行界面，易于使用和集成到工作流程中。
Kraken2 是 Kraken 的后续版本，它引入了新的特性和技术改进，例如使用minimizers来提高分类的准确性和速度。
Bracken
Bracken 是一种统计方法，用于从宏基因组数据中计算物种的丰度。它结合了Kraken的物种注释结果，并应用贝叶斯统计来估计每个物种的相对丰度。Bracken的主要特点包括：
准确性：Bracken 提供了高度准确的丰度估计。
整合性：Bracken 可以整合Kraken的分类结果来提供丰度信息。
统计方法：使用贝叶斯统计方法来估计物种的丰度，这允许对不确定性进行建模。
联合使用 Kraken 和 Bracken
通常，研究人员会首先使用 Kraken 对宏基因组序列进行分类，然后使用 Bracken 来估计每个物种的丰度。这种组合提供了一种强大的方法来分析环境样本中的微生物组成。
Kraken 分类：首先，使用 Kraken 对宏基因组序列数据进行物种注释。
Bracken 丰度估计：然后，使用 Bracken 根据 Kraken 的输出来估计每个物种的丰度
生物数据库的安装以及软件使用
下载 Kraken2 数据库：
可以直接从 Kraken 官网下载索引好的数据库。例如，MiniKraken2 数据库包含了细菌、古菌和病毒的数据库 20：
wget ftp://ftp.ccb.jhu.edu/pub/data/kraken2_dbs/old/minikraken2_v1_8GB_201904.tgztar zxvf minikraken2_v1_8GB_201904.tgz
下载 NCBI taxonomy：
这里要说明一下，这是一个物种分类ID文件，给每一个物种的分类分配有ID
使用 Kraken2 自带的脚本下载 NCBI taxonomy 信息：
kraken2-build --download-taxonomy --db /path/to/your/database
使用 Kraken2 进行序列分类：
使用以下命令对序列进行分类 20：
kraken2 --db ~/dbminikraken2_v1_8GB --threads 56 --report ./TEST.report --output ./TEST.output --paired SP3S1_R1.fa SP3S1_R2.fa
使用 Bracken 估计物种丰度（如果使用 Bracken）：
使用以下命令进行丰度估计 20：
bracken -d ~/dbminikraken2_v1_8GB -i ./out/TEST.report -o ./out/TEST.S.bracken -w TEST.S.bracken.report -r 150 -l S
结果分析：
分析由 Kraken2 和 Bracken 生成的报告文件，以获得物种组成和丰度信息
麻烦大家点赞关注！！
您的关注是我不断前进的动力！！！
网友评论