kraken软件操作手册

转录组数据质量分析完，想拿kraken软件分析下数据有没有微生物的序列污染

找了全网没看见什么相关的指导文章，看官网的操作手册也很鸡助，所以自己翻译了官网手册以及写了代码，希望对后来的人有些帮助。

Kraken是2013年Wood提出的的宏基因组序列分类软件，能够快速对宏基因样品中的DNA序列进行分类，因此可以进行微生物检测。Kraken在序列比对环节(环节C)采用精确k-mer匹配和精简数据库的方法(环节B)，忽略基因变异，采取精确匹配；并且建立了专用数据库与k-mer匹配相配合，极大地提高了检测速度.Kraken分为两个版本：内存开销较大的normal版和将内存开销限制为2Gb以内的mini版.Kraken速度极快，精度较低，适用于做微生物检测的预处理.

官网网址：http://ccb.jhu.edu/software/kraken/

操作文档网址 ：http://ccb.jhu.edu/software/kraken/MANUAL.html

一 安装

1、如果安装了miniconda的话可以直接用命令安装

conda install kraken

2、从kraken官网下载source包，其中包括了kraken的一些代码，安装脚本install_kraken.sh，以及readme文件

在安装脚本目录下运行

./install_kraken.sh $KRAKEN_DIR

$KRAKEN_DIR指定kraken安装的目录

当看到提示 "Kraken installation complete."说明安装完成，随后将kraken两个主要的脚本复制到加入环境变量

cp $KRAKEN_DIR/bin/kraken $HOME/bin

cp $KRAKEN_DIR/bin/kraken-build $HOME/bin

$HOME/bin你环境变量的位置

二、下载kraken标准数据库

kraken-build --standard --threads 24 --db $DBNAME

--threads 24指定线程数24

--db $DBNAME指定安装的目录

当数据库构建完成，可以使用以下命令删除冗余的文件

kraken-build --db $DBNAME --clean

三、分类代码

kraken --db $DBNAME seqs.fa

主要参数：

--threads NUM设置线程数

--classified-out输出已经被分类的序列也就是污染的序列

--unclassified-out输出未被分类的序列也就是未污染的序列

--output输出

| or >也是输出

--fastq-input声明输入文件是fastq格式

--gzip-compressed声明输入文件是.gz的压缩格式

--bzip2-compressed声明输入文件是.bz的压缩格式

--paired如果是双端测序，则需声明为是双端测序

四、实例代码

代码一：输出classify序列和unclassify序列以及一个.kraken文件

--threads 8：指定线程 8

--db /data/program/Assessment/kraken_database/指定标准数据库的路径

--fastq-input--gzip-compressed指定fastq文件格式，这里指定为gzip

--paired指定是双端测序

$$输入文件的路径与名称：read1 read2

--classified-out指定输出分类的序列文件——有污染

$输出分类的序列文件的路径及名称

--unclassified-out指定输出未分类的序列文件——无污染

$输出未分类的序列文件的路径及名称

> $输出一个.kraken文件

代码二:输出报告，报告统计了污染的比例，还有污染的种类

$上面生成的.kraken文件

> $指定输出报告的路径及名称

最终我加入我自己的输入文件路径与输出文件路径等内容，写成的代码如下：

nohup...& 是把任务挂到后台运行

最终得到的报告如下：

98.46%未被污染

1.54%被污染，且列出污染的序列属于哪个物种。

就酱

希望对大家有帮助。