GTDB-tk注釋細(xì)菌基因組

文獻(xiàn) 1
標(biāo)題：A complete domain-to-species taxonomy for Bacteria and Archaea
中文：細(xì)菌古菌注釋到種
雜志：NBT
時(shí)間：2020

摘要：

基因組分類學(xué)數(shù)據(jù)庫(kù)是一種系統(tǒng)發(fā)育一致的、基于基因組的分類學(xué)，提供了約15萬(wàn)個(gè)細(xì)菌和古細(xì)菌基因組從域到屬的有序分類。然而，基因組分類數(shù)據(jù)庫(kù)中幾乎40%的基因組沒(méi)有物種名。我們通過(guò)使用普遍接受的平均核苷酸鑒定標(biāo)準(zhǔn)來(lái)設(shè)定物種界限，并提出包含所有公開可用的細(xì)菌和古細(xì)菌基因組的物種群，來(lái)解決這一限制。與以往一般的核苷酸鑒定研究不同，我們選擇了一個(gè)具有代表性的基因組作為定義每個(gè)物種的有效命名“類型”。在24706個(gè)提議的物種群中，8792個(gè)是基于已發(fā)表的名稱。我們?yōu)槭Ｓ嗟?code>15914個(gè)物種cluster指定了占位符名稱，為越來(lái)越多的未栽培物種的基因組提供名稱。該資源為細(xì)菌和古細(xì)菌基因組提供了一個(gè)完整的從域到種的分類框架，這將有助于對(duì)未栽培物種的研究和提高科學(xué)結(jié)果的交流。

GTDB Species Cluster Toolkit:
https://github.com/Ecogenomics/gtdb-species-clusters

文獻(xiàn)2：
標(biāo)題：GTDB-Tk: a toolkit to classify genomes with the Genome Taxonomy Database
中文：用GTDB數(shù)據(jù)庫(kù)注釋基因組的工具
雜志：Bioinformatics
時(shí)間：2019

GTDB-Tk：https://github.com/ecogenomics/gtdbtk
Bioconda: https://ecogenomics.github.io/GTDBTk/installing/bioconda.html
官網(wǎng)：https://gtdb.ecogenomic.org/

新版安裝

# 最新版
conda create -n gtdbtk-2.3.2 -c conda-forge -c bioconda gtdbtk=2.3.2
conda activate gtdbtk-2.3.2
# 配置數(shù)據(jù)庫(kù)
conda env config vars set GTDBTK_DATA_PATH="/hwfsxx1/ST_HN/P18Z10200N0423/huty/databases/GTDB_214.1/release214/"
# 檢測(cè)
gtdbtk check_install

[2023-08-31 16:01:13] INFO: GTDB-Tk v2.3.2
[2023-08-31 16:01:13] INFO: gtdbtk check_install
[2023-08-31 16:01:13] INFO: Using GTDB-Tk reference data version r214: /hwfsxx1/ST_HN/P18Z10200N0423/huty/databases/GTDB_214.1/release214
[2023-08-31 16:01:13] INFO: Running install verification
[2023-08-31 16:01:13] INFO: Checking that all third-party software are on the system path:
[2023-08-31 16:01:13] INFO:          |-- FastTree         OK
[2023-08-31 16:01:13] INFO:          |-- FastTreeMP       OK
[2023-08-31 16:01:13] INFO:          |-- fastANI          OK
[2023-08-31 16:01:13] INFO:          |-- guppy            OK
[2023-08-31 16:01:13] INFO:          |-- hmmalign         OK
[2023-08-31 16:01:13] INFO:          |-- hmmsearch        OK
[2023-08-31 16:01:13] INFO:          |-- mash             OK
[2023-08-31 16:01:13] INFO:          |-- pplacer          OK
[2023-08-31 16:01:13] INFO:          |-- prodigal         OK
[2023-08-31 16:01:13] INFO: Checking integrity of reference package: /hwfsxx1/ST_HN/P18Z10200N0423/huty/databases/GTDB_214.1/release214
[2023-08-31 16:01:15] INFO:          |-- pplacer          OK
[2023-08-31 16:01:15] INFO:          |-- masks            OK
[2023-08-31 16:01:24] INFO:          |-- markers          OK                                        %)
[2023-08-31 16:01:24] INFO:          |-- radii            OK
[2023-08-31 16:01:35] INFO:          |-- msa              OK
[2023-08-31 16:01:35] INFO:          |-- metadata         OK
[2023-08-31 16:01:35] INFO:          |-- taxonomy         OK

歷史版本
1 conda安裝

# latest version
conda create -n gtdbtk -c conda-forge -c bioconda
conda activate gtdbtk
conda install -c conda-forge -c bioconda gtdbtk

gtdbtk版本

gtdbtk --help
              ...::: GTDB-Tk v1.0.2 :::...

指定版本安裝

conda install -c conda-forge -c bioconda gtdbtk=2.1.0
#conda install -c conda-forge -c bioconda gtdbtk=2.1.1

gtdbtk -h

2 數(shù)據(jù)庫(kù)
版本

下載數(shù)據(jù)庫(kù)

nohup wget -c https://data.ace.uq.edu.au/public/gtdb/data/releases/release207/207.0/auxillary_files/gtdbtk_r207_v2_data.tar.gz &
# 數(shù)據(jù)庫(kù)太大了，找專業(yè)人士幫忙下載
tar -zxvf gtdbtk_r207_v2_data.tar.gz
ls
# gtdbtk_r207_v2_data.tar.gz  release207_v2

3 數(shù)據(jù)庫(kù)配置

# Determine the GTDB-Tk environment path
conda activate gtdbtk
which gtdbtk
# /miniconda3/envs/gtdbtk/bin/gtdbtk

# 3.1 Edit the activate file
echo "export GTDBTK_DATA_PATH=/path/to/release/package/" > /miniconda3/envs/gtdbtk/etc/conda/activate.d/gtdbtk.sh

# OR 3.2 /miniconda3/envs/gtdbtk/etc/conda/activate.d/不存在，解決辦法
conda env config vars set GTDBTK_DATA_PATH="/public/home/zzumgg03/huty/databases/gtdb_v207/release207_v2/"
# To make your changes take effect please reactivate your environment

3 使用方法

gtdbtk --help
gtdbtk classify_wf --help
# 使用方法
usage: gtdbtk classify_wf (--genome_dir GENOME_DIR | --batchfile BATCHFILE)
                          --out_dir OUT_DIR [-x EXTENSION]
                          [--min_perc_aa MIN_PERC_AA] [--prefix PREFIX]
                          [--cpus CPUS] [--force] [--scratch_dir SCRATCH_DIR]
                          [-r] [-d] [-h]

參數(shù)：
classify_wf -> Classify genomes by placement in GTDB reference tree
--cpus CPUS number of CPUs to use (default: 1)
-x, --extension EXTENSION extension of files to process, gz = gzipped (default: fna)
--genome_dir GENOME_DIR directory containing genome files in FASTA format
--out_dir OUT_DIR directory to output files

4 注釋MAG

gtdbtk classify_wf \
--cpus 16 \
-x fa \
--genome_dir bins_drep_comp70/dereplicated_genomes/ \
--out_dir anno_drep_comp70/

error -> 更新軟件到2.1.0

[2022-05-19 09:28:29] INFO: GTDB-Tk v1.0.2
[2022-05-19 09:28:29] INFO: gtdbtk classify_wf --cpus 32 -x fa --genome_dir bins_drep_comp70/dereplicated_genomes/ --out_dir anno_drep_comp70/
[2022-05-19 09:28:29] INFO: Using GTDB-Tk reference data version r207: /hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/databases/release207_v2/
[2022-05-19 09:28:30] INFO: Identifying markers in 120 genomes with 32 threads.
[2022-05-19 09:28:31] INFO: Running Prodigal V2.6.3 to identify genes.
==> Finished processing 120 of 120 (100.0%) genomes.
[2022-05-19 09:35:02] INFO: Identifying TIGRFAM protein families.
==> Finished processing 120 of 120 (100.0%) genomes.
[2022-05-19 09:36:18] INFO: Identifying Pfam protein families.
==> Finished processing 120 of 120 (100.0%) genomes.
[2022-05-19 09:36:24] INFO: Annotations done using HMMER 3.3.2 (Nov 2020)
[2022-05-19 09:36:42] INFO: Done.
[2022-05-19 09:36:43] ERROR: Uncontrolled exit resulting from an unexpected error.

================================================================================
EXCEPTION: FileNotFoundError
  MESSAGE: [Errno 2] No such file or directory: '/hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/databases/release207_v2/markers/pfam/individual_hmms/PF00380.14.hmm'
________________________________________________________________________________

5 指定版本安裝，配置，使用，結(jié)果

# 安裝
conda install -c conda-forge -c bioconda gtdbtk=2.1.0
# 配置數(shù)據(jù)庫(kù)
echo "export GTDBTK_DATA_PATH=/hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/databases/release207_v2/" > /hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/softwares/miniconda3/envs/gtdbtk/etc/conda/activate.d/gtdbtk.sh
# 參數(shù)
source /hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/softwares/miniconda3/etc/profile.d/conda.sh
conda activate gtdbtk

gtdbtk classify_wf \
--cpus 32 \
-x fa \
--genome_dir bins_drep_comp70/dereplicated_genomes/ \
--out_dir anno_drep_comp70/

# 提交任務(wù)
qsub -cwd -l vf=200G,p=32 -q st_supermem.q -P st_supermem -binding linear:8 ./sc_gtdb.sh

過(guò)程

結(jié)果

建樹

gtdbtk infer --msa_file align/gtdbtk.bac120.user_msa.fasta.gz \
--out_dir infer_tree --cpus 8

過(guò)程

[2022-12-05 11:47:29] INFO: GTDB-Tk v2.1.0
[2022-12-05 11:47:29] INFO: gtdbtk infer --msa_file align/gtdbtk.bac120.user_msa.fasta.gz --out_dir infer_tree --cpus 8
[2022-12-05 11:47:29] INFO: Using GTDB-Tk reference data version r207: /hwfssz1/ST_HEALTH/P18Z10200N0423/hutongyuan/databases/release207_v2/
[2022-12-05 11:47:29] INFO: Inferring FastTree (WAG, SH support values) using a maximum of 8 CPUs.
[2022-12-05 11:48:20] INFO: FastTree version: 2.1.11
[2022-12-05 11:48:20] INFO: Done.

更多閱讀：
GTDB：基因組分類數(shù)據(jù)庫(kù)，物種注釋和進(jìn)化樹構(gòu)建工具GTDB-tk

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容