Kraken2
物种分类Kraken2 是一种超快速的 k-mer 分类方法，通过检查 reads 中的 k-mer 并用这些 k-mer 查询数据库，为短 DNA reads 分配分类学标签 [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
包含每个分类等级的分类计数的制表符分隔报告，加上每个 reads 的分类文件
conda install -c bioconda kraken2
Docker 镜像： staphb/kraken2:latest
样本 1 人类肠道宏基因组(SRR14092160，5.5M reads 对)用 Kraken2 对数据库进行分类
- 1
从 NCBI SRA 下载 reads
prefetch SRR14092160 && fasterq-dump SRR14092160 -O /data --split-files && gzip /data/SRR14092160_*.fastq
人类肠道宏基因组，VRE 定植前时间点(Day -9). Illumina 双端，5.5M reads 对
- 2
下载 PlusPF-8 数据库
wget https://genome-idx.s3.amazonaws.com/kraken/k2_pluspf_08_GB_20251015.tar.gz && mkdir -p kraken2_db && tar xzf k2_pluspf_08_GB_20251015.tar.gz -C kraken2_db/
约 5.6 GB 下载，7 GB 解压. 预建索引可在 https://benlangmead.github.io/aws-indexes/k2 获得
- 3
运行 Kraken2 分类
kraken2 --db kraken2_db --paired --gzip-compressed --threads 12 --report kraken2_output.tsv --output /dev/null SRR14092160_1.fastq.gz SRR14092160_2.fastq.gz
52.29% 已分类. 多样群落由 Bacillota 主导
使用的材料
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 Kraken2 生成的所有 31 个可视化的详细描述。
distribution
柱状图按进化枝 reads 计数（分配到该分类单元的 reads 加上所有后代）排名前面的生物体，来自 Kraken2 报告. 提供所选分类等级下最丰富分类单元的快速概览
composition
饼图/环形图显示前几个分类单元占其合并 reads 计数的百分比. 每个分片计算为(分类单元进化枝 reads / 显示的进化枝 reads 之和)× 100
richness
在每个主要分类等级(Domain 至 Species)计算至少有一个进化枝 reads 的每个独特生物体. 柱高是原始不同分类单元的计数——不按丰度加权——因此有 1 个 reads 的分类单元与有 100 万个的计数相同
diversity
从所选分类等级处的每个分类单元的进化枝 reads 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))，Pielou 均匀度 J = H / ln(丰富度). 较高的 Shannon 熵表示群落更加均匀
clade-vs-direct
进化枝 reads（分类单元加所有后代）与前几个分类单元的直接分配 reads 的并排比较. 包括特异性比率（直接 / 进化枝）：接近 1.0 的值意味着大多数 reads 直接映射到该分类单元，接近 0 表示丰度由子分类单元驱动
multilevel-composition
堆叠柱状图显示在每个主要分类等级（按进化枝 reads）排名前面的分类单元，其余分类单元分组为 Other. 揭示社区组成如何随分类分辨率从 Domain 到 Species 增加而变化
dependency-wheel
弦图连接跨分类等级(直到所选最大分类等级)的父分类单元与子分类单元. 连接厚度与共享的进化枝 reads 计数成比例. 低于最小覆盖度阈值(默认 5% 总 reads)的边被过滤掉
sankey-flow
桑基流向图追踪 reads 如何从起始分类等级(默认: Domain)分布到结束分类等级(默认: Genus). 每条带的宽度等于从父分类单元流向子分类单元的 reads 计数. 低于最小覆盖度阈值(默认 5%)的边被移除以减少混乱
comp-classification
堆叠柱状图显示每个样本的已分类与未分类 reads 总数. 能快速比较跨样本的分类速率——大量未分类部分可能表示新生物体或数据库限制
comp-grouped-abundance
分组柱状图将每个样本的前几个分类单元在所选分类等级并排放置. 每组包含每个样本一条柱，按样本标识着色，能直接目视比较同一生物体在样本间的绝对进化枝 reads 计数
comp-relative-abundance
100% 堆叠柱状图，每条柱代表一个样本，分段显示每个分类单元的比例贡献. 在样本测序深度差异很大时有用，因为所有柱都归一化到相同高度
comp-abundance-heatmap
热图，一轴为分类单元，另一轴为样本. 单元格颜色强度与所选分类等级的进化枝 reads 丰度成比例. 两轴的分层聚类将相似的样本和共现的分类单元分组在一起
comp-diversity-indices
多面板图表显示每个样本的 Shannon 熵、Simpson 多样性、观测丰富度和 Pielou 均匀度，各自有独自的 y 轴刻度. 不扭曲刻度的情况下能快速进行样本间 α 多样性比较
comp-shared-taxa
维恩图显示样本间共享的分类单元计数与每个样本独有的分类单元. 在所选分类等级使用进化枝 reads ≥ 1 的存在/不存在计算
group-alpha-diversity
Shannon 熵、Simpson 多样性、观测丰富度和 Pielou 均匀度的箱线图，按组分示. 每个箱总结组内变异. Kruskal-Wallis p-值检验组间是否有显著差异
group-pcoa
主坐标分析(PCoA)，基于 Bray-Curtis 相异度矩阵. 点按组分配着色，带 95% 置信椭圆. 轴标签显示每个坐标解释的方差百分比
group-nmds
非度量多维尺度缩放(NMDS)排序分析，显示应力值. 点按组着色，带置信椭圆. 较低的应力(<0.2)表示原始距离在 2D 中的良好表现
group-distance-boxplots
PERMANOVA 组内对组间 Bray-Curtis 距离的箱线图. R² 和 p-值量化分组解释的方差分数. ANOSIM R 统计量衡量组分离程度
group-relative-abundance
组平均相对丰度为 100% 堆叠柱，在所选分类等级. 每条柱显示该组中所有样本的平均比例组成，能直接进行组级比较
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). 颜色表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 得分. 较高的 LDA 得分表示与相应组的较强关联
group-shared-taxa
维恩图显示实验组间共享和独特的分类单元. 每个组的分类单元集合是属于该组的任何样本中检测到的所有分类单元的并集. 点击区域查看具体分类单元列表及 reads 计数
group-classification
堆叠柱状图显示每个实验组的平均已分类与未分类 reads. 误差棒表示每组内样本间的标准差. 工具提示显示百分比分解和每组的样本计数
group-distribution
分组柱状图显示所选分类等级下前 N 个分类单元的平均 reads 计数，按实验组分组. 误差棒显示标准差. 能比较组间的分类丰度模式
group-heatmap
热图显示每个实验组(列)和分类单元(行)的平均 log₁₀ 转换后的 reads 计数. 颜色强度反映丰度，能快速目视比较组间的分类学特征
rarefaction
稀疏曲线绘制观测分类单元与所选等级的亚采样 reads 深度. 使用超几何期望分析计算. 曲线平台表示测序深度充分；仍上升的曲线表示欠采样
rank-abundance
秩丰度曲线(Whittaker 图)，分类单元按相对丰度递减在对数 y 轴排序. 曲线沿 x 轴的长度反映丰富度，而斜率表示均匀度——陡峭下降意味着少数分类单元主导
comp-rarefaction
所有上传样本的重叠稀疏曲线. 能目视比较跨样本的测序工作量和分类学饱和度
comp-rank-abundance
所有上传样本的重叠秩丰度曲线. 更陡峭的曲线表示更不均匀的群落，由更少的分类单元主导
group-taxonomic-sunburst
交互式旭日图显示完整的分类学层级为同心环. LEfSe 生物标志物节点按其富集组着色；不显著的节点为灰色. 点击任何环分段向下钻取
group-volcano
火山图: log₂ 折叠变化(x)对 −log₁₀ 调整后 p-值(y). 超过水平线的点通过显著性(BH FDR). 着色的点在相应的组中显著富集