網(wǎng)址： https://bioinf.shenwei.me/taxonkit/
TaxonKit工具，采用命令行模式，可以便于使用loop循環(huán)進行流水作業(yè)。
想要實現(xiàn)的功能：輸入一個科名列表文件，批量查詢其taxonomy ID；
| 子命令 | 功能 |
[list]——列出指定TaxId下所有子單元的的TaxID
[lineage] ——根據(jù)TaxID獲取完整譜系（lineage）
[reformat]——將完整譜系轉(zhuǎn)化為“界門綱目科屬種株"的自定義格式 |
[name2taxid]——將分類單元名稱轉(zhuǎn)化為TaxID |
[filter]——按分類學水平范圍過濾TaxIDs |
[lca]——計算最低公共祖先(LCA) |
[taxid-changelog]——追蹤TaxID變更記錄 |
version——顯示版本信息、檢測新版本 |
genautocomplete ——生成shell自動補全配置腳本 |
1. 安裝
選擇系統(tǒng)對應的版本下載最新版 https://github.com/shenwei356/taxonkit/releases
conda install taxonkit -c bioconda -y
表格數(shù)據(jù)處理，推薦使用 csvtk 更高效 conda install csvtk -c bioconda -y
2. 下載NCBI Taxonomy數(shù)據(jù)文件庫
TaxonKit直接解析NCBI Taxonomy數(shù)據(jù)文件（2秒左右），配置更容易，也便于更新數(shù)據(jù)，占用內(nèi)存在500Mb-1.5G左右。 數(shù)據(jù)下載：
有時下載失敗，可多試幾次；或嘗試瀏覽器下載此鏈接
wget -c https://ftp.ncbi.nih.gov/pub/taxonomy/taxdump.tar.gz
tar -zxvf taxdump.tar.gz
解壓文件存于家目錄中.taxonkit/，程序默認數(shù)據(jù)庫默認目錄
mkdir -p
HOME/.taxonkit
3. 使用
功能1： list 列出指定TaxId所在子樹的所有TaxID
示例：
以人屬(9605)和腸道中著名的Akk菌屬(239934)為例
taxonkit list --show-rank --show-name --indent " " --ids 9605,239934
功能2: lineage 根據(jù)TaxID獲取完整譜系
查找指定taxids列表的物種信息，tee可輸出屏幕并寫入文件
taxonkit lineage taxids.txt | tee lineage.txt
功能3: reformat 生成標準層級物種注釋
目的是生成“界門綱目科屬種”的分類學譜系（complete lineage），因為很多級別即不常用，而且不完整。通常只想保留界門綱目科屬種。
值得注意的是，不是所有物種都有完整的界門綱目科屬種水平，特別是病毒以及一些環(huán)境樣品。 TaxonKit可以用自定義內(nèi)容替代缺失的分類單元，如用“__”替代。 更厲害有用的是，TaxonKit還可以用更高層級的分類單元信息來補齊缺失的層級 (-F/--fill-miss-rank)，比如:
-F參數(shù)會用family信息來補齊genus信息
$ echo 1327037 | taxonkit lineage | taxonkit reformat -F | cut -f 1,3
其它有用的選項：
-P/--add-prefix：給每個分類學水平添加前綴，比如s__species。
-t/--show-lineage-taxids：輸出分類學單元對應的TaxID。
-r/--miss-rank-repl: 替代沒有對應rank的taxon名稱
-S/--pseudo-strain: 對于低于species且rank既不是subspecies也不是stain的taxid，使用水平最低taxon名稱做為菌株名稱。
功能4: name2taxid 將分類單元名稱轉(zhuǎn)化為TaxID
分類單元名稱轉(zhuǎn)化為TaxID非常容易理解，唯一要注意的是某些TaxId對應相同的名稱，比如
-i指定列，-r顯示級別，-L不顯示世系
echo Drosophila | taxonkit name2taxid | taxonkit lineage -i 2 -r -L
Drosophila 7215 genus
Drosophila 32281 subgenus
Drosophila 2081351 genus
獲取TaxID之后，可以立即傳給taxonkit進行后續(xù)操作，但要注意用-i指定TaxId所在列。
實例
/mnt/d$ cat /mnt/d/FamilyID_list.txt | taxonkit name2taxid | taxonkit lineage -i 2 -r -L | tee /mnt/d/example_lineage.txt
讀取FamilyID_list.txt文件中的科名，批量查詢Taxonomy ID并屏幕輸出保存到/mnt/d/example_lineage.txt文件中
Pinaceae 3318 family
Pinaceae 3318 family
Simaroubaceae 23808 family
...
**更多有用的功能：
功能5: filter 按分類學水平范圍過濾TaxIDs
filter可以按分類學水平范圍過濾TaxIDs，注意，不僅僅是特定的Rank，而是一個范圍。 比如genus及以下的分類學水平，用-L genus -E genus，類似于 <= genus。
功能6: lca 計算最低公共祖先(LCA)
功能7: TaxID changelog 追蹤TaxID變更記錄
NCBI Taxonomy數(shù)據(jù)每天都在更新，每月初（大多為1號）的數(shù)據(jù)作為存檔保存在 taxdump_archive/ 目錄， 舊版本最早數(shù)據(jù)到2014年8月，新版本只到2018年12月。
