user_genome classification fastani_reference fastani_reference_radius fastani_taxonomy fastani_ani
K4093L.5.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Burkholderiaceae;g__Rhodoferax;s__
B4018L.2.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Burkholderiaceae;g__Rhodoferax;s__
W4194L.6.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Burkholderiaceae;g__Rhodoferax;s__
K4096L.2.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Gallionellaceae;g__Sideroxydans;s__
W4194L.3.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Gallionellaceae;g__Sideroxydans;s__
L4105L.2.fa d__Bacteria;p__Proteobacteria;c__Gammaproteobacteria;o__Burkholderiales;f__Gallionellaceae;g__PALSA-1006;s__
多序列对齐结果建树infer
# 6个基因组的120个单拷贝基因建树，1秒
time gtdbtk infer \
--msa_file classify_wf/bin.bac120.user_msa.fasta \
--out_dir infer \
--cpus 8 \
--prefix bin
结果可用itol(https://itol.embl.de/)在线可视化
如果基因组比较多，而且添加上分类、来源注释，结果如下：
人类肠道基因组集基因组进化树(Almeida, 2020, Nature Biotechnology)。
具体的画法可以参照itol网站的帮助。也可以使用我们介绍过的脚本输入快速制作注释文件。
进化树构建流程
从基因组直接建树，de_novo_wf：构建新树并用GTDB注释，包括鉴定、比对、推断树、确定根和装饰。
输入文件为细菌基因组的目录(—genome_dir)，指定扩展名类型(—extension)，以及输出目录(—out_dir)。必须参数有需要选择细菌(—bacteria)/古菌，指定外类群(—outgroup_taxon)。可选常用参数有结果前缀(—prefix)和使用线程数(—cpus)。
# 约4小时。
gtdbtk de_novo_wf --genome_dir bin \
--out_dir de_novo_wf \
--extension gz \
--bacteria \
--outgroup_taxon p__Patescibacteria \
--prefix bin \
--cpus 8
主要结果有：
bin.bac120.decorated.tree: 修饰的有根树
bin.bac120.decorated.tree-table：
树相关信息表
bin.bac120.user_msa.fasta：
多序列对齐文件
附录：GTDB数据库简介
基因组位于 https://data.ace.uq.edu.au/public/gtdb/data/releases/ 中相应版本的genomic_files_reps目录下，
建议大家直接下载latest目录下的最新版，可以保持下载位置一致，同时记录版本号(当前为2020年7月13号更新95版)。
GTDB-tk使用的数据库，位于auxillary_files文件夹中的gtdbtk_data.tar.gz，95版为33G
wget -c https://data.ace.uq.edu.au/public/gtdb/data/releases/latest/auxillary_files/gtdbtk_data.tar.gz
物种注释文件，古菌3千多种，细菌，19万多种
wget -c https://data.ace.uq.edu.au/public/gtdb/data/releases/latest/ar122_taxonomy_r95.tsv
wget -c https://data.ace.uq.edu.au/public/gtdb/data/releases/latest/bac120_taxonomy_r95.tsv
参考基因组文件，32G
wget -c https://data.ace.uq.edu.au/public/gtdb/data/releases/latest/genomic_files_reps/gtdb_genomes_reps.tar.gz
软件：Pierre-Alain Chaumeil, Aaron J Mussig, Philip Hugenholtz & Donovan H Parks. (2019). GTDB-Tk: a toolkit to classify genomes with the Genome Taxonomy Database. Bioinformatics 36, 1925-1927, doi: https://doi.org/10.1093/bioinformatics/btz848
120个基因单拷贝分类法；Donovan H. Parks, Maria Chuvochina, David W. Waite, Christian Rinke, Adam Skarshewski, Pierre-Alain Chaumeil & Philip Hugenholtz. (2018). A standardized bacterial taxonomy based on genome phylogeny substantially revises the tree of life. Nature Biotechnology 36, 996, doi: https://doi.org/10.1038/nbt.4229
种特异的方法和数据库 Donovan H. Parks, Maria Chuvochina, Pierre-Alain Chaumeil, Christian Rinke, Aaron J. Mussig & Philip Hugenholtz. (2020). A complete domain-to-species taxonomy for Bacteria and Archaea. Nature Biotechnology 38, 1079-1086, doi: https://doi.org/10.1038/s41587-020-0501-8
使用实战：Alexandre Almeida, Stephen Nayfach, Miguel Boland, Francesco Strozzi, Martin Beracochea, Zhou Jason Shi, Katherine S. Pollard, Ekaterina Sakharova, Donovan H. Parks, Philip Hugenholtz, Nicola Segata, Nikos C. Kyrpides & Robert D. Finn. (2020). A unified catalog of 204,938 reference genomes from the human gut microbiome. Nature Biotechnology, doi: https://doi.org/10.1038/s41587-020-0603-3
调用的软件引文如下：
基因预测软件Prodigal：Doug Hyatt, Gwo-Liang Chen, Philip F. LoCascio, Miriam L. Land, Frank W. Larimer & Loren J. Hauser. (2010). Prodigal: prokaryotic gene recognition and translation initiation site identification. BMC Bioinformatics 11, 119, doi: https://doi.org/10.1186/1471-2105-11-119
参考树插值法建树pplacer：Frederick A. Matsen, Robin B. Kodner & E. Virginia Armbrust. (2010). pplacer: linear time maximum-likelihood and Bayesian phylogenetic placement of sequences onto a fixed reference tree. BMC Bioinformatics 11, 538, doi: https://doi.org/10.1186/1471-2105-11-538
快速建树软件FastTree：Morgan N. Price, Paramvir S. Dehal & Adam P. Arkin. (2010). FastTree 2 – approximately maximum-likelihood trees for large alignments. PloS One 5, e9490, doi: https://doi.org/10.1371/journal.pone.0009490
基因组距离估计Mash：Brian D. Ondov, Todd J. Treangen, Páll Melsted, Adam B. Mallonee, Nicholas H. Bergman, Sergey Koren & Adam M. Phillippy. (2016). Mash: fast genome and metagenome distance estimation using MinHash. Genome Biology 17, 132, doi: https://doi.org/10.1186/s13059-016-0997-x
高通量ANI计算：Chirag Jain, Luis M. Rodriguez-R, Adam M. Phillippy, Konstantinos T. Konstantinidis & Srinivas Aluru. (2018). High throughput ANI analysis of 90K prokaryotic genomes reveals clear species boundaries. Nature Communications 9, 5114, doi: https://doi.org/10.1038/s41467-018-07641-9
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
系列教程：微生物组入门 Biostar 微生物组 宏基因组
专业技能：学术图表 高分文章 生信宝典 不可或缺的人
一文读懂：宏基因组 寄生虫益处 进化树
必备技能：提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析：图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具：16S预测培养基 生信绘图
科研经验：云笔记 云协作 公众号
编程模板: Shell R Perl
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文，跳转最新文章目录阅读
该软件使我们可以在Postgres中创建一个关系数据库来托管完整的细菌基因组。 除了数据库之外，还有一些软件工具，例如解析器，可以将EMBL或GBK文件转换为CpDB关系模式。 一旦进入CpDB，就可以使用SQL从细菌基因组中提取无限的报告。 该软件是博士学位的一部分。 是由安德森·桑托斯（Anderson Santos）获得的生物信息学博士学位，是在假肺杆菌（Corynebacterium pseudotuberculosis）（Cp）泛基因组计划下开发的。 2009年至2012年之间，Cp全景基因组向科学界提供了15个细菌菌株，这些菌株已保存在GenBank数据库中。完整的论文用葡萄牙语-葡萄牙语撰写。 可从以下地址获得一本书的英文章节，以解释该软件的原因和用途：http://www.intechopen.com/articles/show/title/whole-genome-annotation-in-silico-analysis。 CpDB也是Pannotator工具的骨干：http://pannotator.facom.ufu.br享受它。
手里有一堆未知分类的基因组序列，想知道它们是哪个种？是不是新的种？手工一个个的看16s rRNA序列或者是ANI分析，太费劲了！基因组分类数据库 GTDB（Genome Taxonomy...
GTDB-Tk v1.3.0 requires ~25G of external data which needs to be downloaded
and unarchived. This can be done automatically, or manually:
1. Run the command download-db.sh to automatically download to:
基因组分类数据库：GENOME TAXONOMY DATABASE（https://gtdb.ecogenomic.org/）GTDB Release 214.1 is now available（63G，太大了简直。我用服务器直接下载提示要100多天才能下载完成）所以还是用电脑Windows下载后上传至服务器方便些！
krakenuniq
flextaxd（flextaxd）脚本允许自定义NCBI，QIIME或CanSNPer源格式的数据库，并支持将导出功能转换为NCBI格式的名称和node.dmp文件以及标准制表符分隔的文件（或选定的分隔）。
建立资料库
从源文件--taxonomy_file创建数据库
然后选择--taxonomy_type [支持的格式]
修改数据库
修改分类法（--mod_file / ---- mod_database）
修改选定节点（-父节点）的分类树，需要修改
在 main.py 里的这部分代码的default 替换成你自己的 gtdb 的路径即可，当然，你也可以用参数输入对应的路径。将解压后的文件放到一个文件夹里，default 里填写这个文件夹的绝对路径。
GTDB物种集群工具包
该工具包提供了用于建立，更新和验证使用的物种簇的功能。 它具有透明性，我们对代码的任何部分都可以重用感到高兴，但总的来说，该工具包供GTDB团队内部使用。
在GTDB R04-RS89中引入了物种集群。
如果您发现此软件包有用，请引用：
DH，Parks等。 （2020）。 “ ” Nature Biotechnology ， 。
classify_wf的输入(—genome_dir)为包含多个基因组的文件夹，并指定输出文件(—out_dir)。可选参数有扩展名(—extension)默认为fna，可选fa，gz等；release207一定要加上不然会一直有上面的报错！--skip_ani_screen 加上之后就可以跑了。我们这边已经下载好了，后面记得映射。下好之后先run起来试试（失败了）报错了，看看这两个参数是干什么的。加了nohup 看看会不会断吧！但是出现了新的报错（哈哈哈哈）再试试直接跑，不-itd了。
这个就是分类了，就是物种注释ani_screenidentifyalign, andclassifyiTOLidentifyaligninferroot, anddecorate###输入输出文件格式：>genome_aAKLAK01011>genome_aKAK大家随时可参考这里查看输入输出文件格式，每类文件都有一个示例gtdbtk.logmsa.fastapfam.tsvtree.log。
