如何构建kraken2个性化数据库

kraken2就不介绍了，是一款挺好用的快速比对宏基因组软件。

现在有了nt数据库下面animal的序列，那么如何构建kraken2的数据库呢？

首先推荐把kraken2安装到单独的conda环境中，而不是把kraken2直接安装

conda install kraken2                 #不推荐

这种虽然方便，但是很可能与其它软件产生环境变量冲突

看了看kraken2的说明书，它提供”archaea”, “bacteria”, “plasmid”, “viral”, “human”, “fungi”, “plant”, “protozoa”, “nr”, “nt”, “env_nr”, “env_nt”, “UniVec”, “UniVec_Core”数据库，但确实没有动物库

那么自己构建一个库吧。

1 首先利用kraken2自身下载数据库的功能，下载taxonomy分类库

kraken2-build --download-taxonomy --threads 24 --db $DBNAME

2 添加nt.animal.fa

kraken2-build --add-to-library nt.animal.fa --db $DBNAME

这一步就会报错，因为nt.animal.fa库里有一些奇奇怪怪的accession，例如4W1Z_7

其实这些accession也没问题，但kraken2就是识别不出来，好吧，那只能更改源代码

找到kraken2安装的目录，修改一下libexec/scan_fasta_file.pl

注释掉die那一行，就OK了，吐槽一下kraken2编程真严谨，如果是我这句估计都不写

另外，需要注意的是，nt.animal.fa库里有些很短的序列，可能只有几十bp,也可以写个perl把这些序列删了，我试了试，152G的文件变成了149G，似乎用处不大

3 构建个性化库

kraken2-build --build --db $DBNAME           #当时自己好像没加线程，以后试试加线程

4 运行kraken2

kraken2 --db $DB --threads 20 --paired ../s-592_NDSW56977_1.fq ../s-592_NDSW56977_2.fq --report report --output output --classified-out cseqs#.fq --unclassified-out de-s-592_NDSW56977#.fq            #kraken2好处就是还能把未分类的序列paired，真优秀，这些序列就是去除宿主的序列了