物种分类分析

MICOS-2024 物种分类与多样性分析完整指南。

---

概述

物种分类模块识别并定量分析宏基因组样本中的微生物种类。它将质量控制、序列分类和多样性分析整合为一个完整的分析流程。

核心特性

• 高速分类: Kraken2 处理速度约 1000 万 reads/分钟
• 精确丰度估计: Bracken 改善种水平定量
• 交互式可视化: Krona 图表探索分类组成
• 多样性指标: 通过 QIIME2 计算 Alpha 和 Beta 多样性

---

方法论

分类算法 (Kraken2)

Kraken2 使用 k-mer 进行分类：

1. 数据库构建: 参考基因组被分解为 k-mers（默认 k=35）
2. 最小化索引: 仅存储最小化子以减少内存使用
3. 分类: 使用 LCA（最近公共祖先） 算法将输入 reads 与数据库匹配
4. 置信度评分: 基于 k-mer 覆盖度计算分类置信度

分类层级

层级	代码	示例
域	D	Bacteria
门	P	Proteobacteria
纲	C	Gammaproteobacteria
目	O	Enterobacterales
科	F	Enterobacteriaceae
属	G	Escherichia
种	S	Escherichia coli

---

工作流程

---

输入要求

数据格式

格式	扩展名	配对/单端
FASTQ (gzip)	.fastq.gz	配对或单端
FASTQ	.fastq	配对或单端

质量要求

指标	最低值	推荐值
读长	≥ 50 bp	≥ 100 bp
质量分数 (Q30)	> 70%	> 85%
每样本测序深度	100 万 reads	1000 万+ reads

---

运行分析

方式 1: 完整流程

python -m micos.cli full-run \
  --input-dir data/raw_input \
  --results-dir results \
  --threads 16 \
  --kneaddata-db /path/to/kneaddata_db \
  --kraken2-db /path/to/kraken2_db

方式 2: 仅物种分类

python -m micos.cli run taxonomic-profiling \
  --input-dir data/cleaned_reads \
  --output-dir results/taxonomy \
  --threads 16 \
  --kraken2-db /path/to/kraken2_db \
  --confidence 0.1

---

参数配置

Kraken2 参数

taxonomic_profiling:
  kraken2:
    confidence: 0.1
    min_base_quality: 20
    memory_mapping: true
    use_names: true

置信度阈值选择

值	灵敏度	精确度	适用场景
0.0	很高	较低	探索性分析
0.1	高	良好	默认，平衡
0.3	中等	高	保守分析
0.5	低	很高	仅高置信度

---

输出文件

目录结构

results/taxonomic_profiling/
├── raw/
│   ├── sample1.kraken
│   └── sample1.report
├── bracken/
│   └── sample1.bracken
├── krona/
│   └── sample1.krona.html
└── biom/
    └── feature-table.biom

---

结果解读

分类率

分类率	解读	操作
< 50%	高未分类率	检查数据库覆盖度，考虑降低置信度
50-70%	中等	大多数分析可接受
70-90%	良好	标准性能
> 90%	优秀	高质量数据和良好数据库覆盖

Alpha 多样性典型值（人类肠道）

指标	范围	说明
Shannon	2.5-4.5	>4 表示高多样性
观察物种数	50-200	随测序深度变化

---

故障排除

问题: 分类率低

# 降低置信度阈值
taxonomic_profiling:
  kraken2:
    confidence: 0.05

问题: 数据库加载慢

# 使用内存映射
taxonomic_profiling:
  kraken2:
    memory_mapping: true

---

相关文档

• 多样性分析 - 详细多样性指标
• 功能注释 - 功能分析
• 配置指南 - 参数参考