Kaiju
物种分类Kaiju 是一个蛋白质级别的宏基因组分类器，将 DNA reads 转化为氨基酸序列，并使用 Burrows-Wheeler transform (BWT) 将其与参考蛋白质数据库进行匹配。 [1]
如何获取输出模型文件
以下是团队运行的简要工作流，用于获取我们在工具页面上呈现的输出模型示例。
输入
FASTQ/FASTA 文件（单端或双端 reads）
输出
制表符分隔的分类结果，包含分类单元 ID，以及各分类等级的汇总表
conda install -c bioconda kaiju
Docker 镜像： quay.io/biocontainers/kaiju:1.10.1--h43eeafb_0
样本 1 肠道宏基因组 reads（200K 子集）使用 Kaiju 与精选肠道微生物群落 数据库（来自 NCBI RefSeq 的 644 个代表/参考基因组）进行分类。
- 1
从 NCBI SRA 下载 reads
prefetch SRR14092310 && fasterq-dump SRR14092310 -O /data --split-files && gzip /data/SRR14092310_*.fastq
- 2
子集至 200K reads 对
zcat SRR14092310_1.fastq.gz | head -800000 > subset_R1.fastq && zcat SRR14092310_2.fastq.gz | head -800000 > subset_R2.fastq
200K 子集使输出保持在 IntMeta 的 50 MB 上传限制以下。
- 3
运行 Kaiju 分类
kaiju -t nodes.dmp -f kaiju_db_gut.fmi -i subset_R1.fastq -j subset_R2.fastq -o kaiju_raw.tsv -z 12
- 4
添加分类单元名称
kaiju-addTaxonNames -t nodes.dmp -n names.dmp -i kaiju_raw.tsv -o kaiju_output.tsv -r superkingdom,phylum,class,order,family,genus,species -u
使用的材料
| 样本 1 | SRR14092310 — 人类肠道宏基因组，VRE 第 0 天，肠球菌为主（单个、比较、组-菌群失调） |
| 样本 2 | SRR14092160 — 人类肠道宏基因组，VRE 前 -9 天，多样性社区（比较、组-健康） |
| 样本 3 | SRR17531757 — 健康成人肠道宏基因组（组-健康） |
| 样本 4 | SRR17531762 — 健康成人肠道宏基因组（组-健康） |
| 样本 5 | SRR17531772 — 健康成人肠道宏基因组（组-健康） |
| 样本 6 | SRR14092162 — HCT 患者肠道，肠球菌为主（组-菌群失调） |
| 样本 7 | SRR14092309 — HCT 患者肠道，肠球菌为主（组-菌群失调） |
| 样本 8 | SRR14092284 — HCT 患者肠道，克雷伯菌 + 大肠杆菌（组-菌群失调） |
| 样本 9 | SRR14092299 — HCT 患者肠道，肠球菌为主 99%（组-菌群失调） |
| 样本 10 | SRR14092304 — HCT 患者肠道，克雷伯菌为主 97%（组-菌群失调） |
| 样本 11 | SRR17531755 — 健康成人肠道宏基因组（组-健康） |
| 样本 12 | SRR17531758 — 健康成人肠道宏基因组（组-健康） |
| 数据库 | 精选肠道微生物群落蛋白质数据库（644 个代表/参考基因组，2.19M 蛋白质，1.3 GB FM-index） |
| Docker 镜像 | quay.io/biocontainers/kaiju:1.10.1--h43eeafb_0 |
示例输出文件
下载工具页面演示中使用的输出文件。您可以直接上传到 IntMeta 来探索可视化。
单个和比较
分组分析
图表参考
IntMeta 中 Kaiju 生成的所有 30 个可视化的详细描述。
distribution
显示按 Kaiju 蛋白质级别分类结果中 reads 计数排列的前N个生物体的柱状图。由于 Kaiju 在匹配之前将 reads 转化为氨基酸，它可以检测到核苷酸 k-mer 方法无法发现的发散型生物体。
composition
饼/环形图，显示顶部分类单元在选定分类等级上的相对读段计数百分比，来自 Kaiju 的 BWT 蛋白质级别分配结果。
richness
计算每个主要分类等级（Domain 至 Species）中至少分配到一个 reads 的不同生物体数。蛋白质级别的分类倾向于检测到比 DNA k-mer 工具更多的发散型或新颖物种。
diversity
从各分类单元 reads 计数比例计算的 α 多样性指数：Shannon H = −Σ(pᵢ · ln pᵢ)、Simpson D = 1 − Σ(nᵢ(nᵢ−1))/(N(N−1)) 以及 Pielou 均匀度 J = H / ln(丰富度)。衡量 Kaiju 丰度数据的群落丰富度和均匀度。
multilevel-composition
堆叠柱状图，在每个主要分类等级按 reads 计数显示顶部分类单元；剩余分类单元分组为「其他」。揭示从门到物种级别的组成变化。
dependency-wheel
弦图，将 Kaiju 系统发育输出中各分类等级的亲本和子分类单元连接起来。连线宽度与共享 reads 计数成正比；低于最小覆盖度阈值的边被过滤。
sankey-flow
桑基流向图，显示 reads 通过 Kaiju 分类体系从更高分类等级分布到更低分类等级的过程。带宽等于 reads 计数；低覆盖度边被移除。
comp-grouped-abundance
分组柱状图，将来自每个样本的顶部分类单元在选定分类等级并排放置。每组包含每个样本的一个柱，按样本身份着色，能够直接视觉比较 Kaiju 分类样本中相同生物体的绝对 reads 计数。
comp-relative-abundance
100% 堆叠柱状图，其中每个柱代表一个样本，段落显示每个分类单元的相对贡献。当样本具有非常不同的测序深度时很有用，因为所有柱均被归一化至相同高度。
comp-abundance-heatmap
颜色矩阵热图，一轴为分类单元，另一轴为样本。单元格颜色强度与选定分类等级的 reads 丰度成正比。两轴的层级聚类将相似的样本和共现的分类单元分组在一起。
comp-diversity-indices
多面板图表，在自己的 y 轴刻度上显示每个样本的 Shannon 熵、Simpson 多样性、观测丰富度和 Pielou 均匀度。能够快速进行跨样本 α 多样性比较，避免尺度失真。
comp-shared-taxa
维恩图，显示在样本之间共享的分类单元计数与每个单独样本特有的分类单元。在所选分类等级使用 reads ≥ 1 的存在/不存在计算。
group-alpha-diversity
每组 Shannon 熵、Simpson 多样性、观测丰富度和 Pielou 均匀度的箱线图。每个箱总结组内变异。Kruskal-Wallis p 值检验组间是否存在显著差异。
group-pcoa
基于 Bray-Curtis 相异性矩阵的主坐标分析 (PCoA)。点按组分配着色，具有 95% 置信椭圆。轴标签显示各坐标解释的方差百分比。
group-nmds
非度量多维标度 (NMDS) 排序，显示应力值。点按组着色，具有置信椭圆。较低的应力值（<0.2）表示原始距离在二维中的良好表示。
group-distance-boxplots
组内与组间 Bray-Curtis 距离的箱线图。PERMANOVA R² 和 p 值量化分组解释的方差比例。ANOSIM R 统计量衡量组分离的程度。
group-relative-abundance
在选定的分类等级组平均相对丰度为 100% 堆叠柱。每个柱显示该组中所有样本的平均相对组成，能够进行直接的组级比较。
group-differential-abundance
具有组间显著丰度差异的分类单元的柱状图（Kruskal-Wallis 检验，Benjamini-Hochberg FDR 校正）。颜色指示哪个组具有更高的丰度。仅显示通过显著性阈值的分类单元。
group-lefse
LEfSe（线性判别分析效应大小）生物标志物图表。水平柱显示显著区分组间的分类单元的 LDA 分数。更高的 LDA 分数表示与各自组更强的关联。
group-shared-taxa
显示跨实验组共享和独特分类单元的维恩图。每个组的分类单元集是该组中任何样本检测到的所有分类单元的并集。单击区域查看特定的分类单元列表及 reads 计数。
group-classification
显示每个实验组平均已分类与未分类 reads 的堆叠柱状图。工具提示显示每组的百分比分解和样本计数。
group-distribution
在所选分类等级显示顶N个分类单元的平均 reads 计数的分组柱状图，按实验组分组。能够比较组间的分类丰度模式。
group-heatmap
显示每个实验组（列）和分类单元（行）的平均 log₁₀ 转换 reads 计数的热图。颜色强度反映丰度，允许快速视觉比较组间的分类学特征。
rarefaction
稀释曲线，在选定等级绘制观测到的分类单元与子采样 reads 深度的关系。使用超几何期望进行分析计算。曲线平台化表示测序深度充分；仍在上升的曲线表示取样不足。
rank-abundance
秩-丰度曲线（Whittaker 图），分类单元按递减的相对丰度在对数 y 轴上排列。曲线沿 x 轴的长度反映丰富度，而斜率指示均匀度——陡峭的下降意味着少数几个分类单元占主导。
comp-rarefaction
所有上传样本的叠加稀释曲线。能够在样本间视觉比较测序工作量和分类学饱和度。
comp-rank-abundance
所有上传样本的叠加秩-丰度曲线。较陡的曲线表示更不均匀的群落，由较少的分类单元占主导。
group-taxonomic-sunburst
显示完整分类学层级为同心环的交互式旭日图。LEfSe 生物标志物节点按其富集组着色；非显著节点为灰色。单击任何环段向下钻取。
group-volcano
火山图：log₂ 折叠变化（x）vs −log₁₀ 调整后 p 值（y）。水平线上方的点通过显著性检验（BH FDR）。着色的点在各自的组中显著富集。
comp-classification
显示每个样本的总已分类与未分类 reads 的堆叠柱状图。能够快速比较样本间的分类率——未分类比例大可能表示存在新颖生物体或数据库限制。