R调用Taxonkit展示系统发育信息

最新推荐文章于 2024-11-08 10:37:11 发布
最新推荐文章于 2024-11-08 10:37:11 发布
阅读量1.2k 收藏 15
点赞数 13
分类专栏： R语言 文章标签： r语言 数据库 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/asa12138/article/details/139006845
版权

Introduction

TaxonKit是一个用于处理生物分类学数据的命令行工具。
它的主要功能是处理NCBI的生物分类学数据，包括对分类单元（如物种、属、科等）的查找、分类单元的上下位关系查询、分类单元名称的标准化等。

为了方便R社区用户（自己）使用和流程整合，我把Taxonkit工具整合进了R包pctax，也开发了一些配套的系统发育分析和可视化方法。

R调用Taxonkit

准备工作

  1. 安装pctax
    pctax稳定版本可在CRAN上获得:
install.packages("pctax")

或者你可以通过以下方式从GitHub安装pctax的开发版本:

# install.packages("devtools")
devtools::install_github("Asa12138/pctax")
  1. 安装taxonkit：
library(pctax)
pctax::install_taxonkit(make_sure = TRUE)

#成功后taxonkit会安装在下面这个目录👇
tools::R_user_dir("pctax")
  1. 下载NCBI Taxonomy数据文件:
pctax::download_taxonkit_dataset(make_sure = TRUE)

#成功后Taxonomy数据文件会在下面这个目录👇
file.path(Sys.getenv("HOME"), ".taxonkit")

该函数会下载官网最新版本的Taxonomy数据库，如果需要制定版本的数据库，可以自己在官网下载：https://ftp.ncbi.nih.gov/pub/taxonomy/，然后指定位置：

pctax::download_taxonkit_dataset(make_sure = TRUE,taxdump_tar_gz = "~/Downloads/taxdump.tar.gz")

使用

# 下列命令不报错说明可以正常使用
check_taxonkit(print = FALSE)

主要功能与taxonkit一致：

函数功能
taxonkit_list列出指定TaxId下所有子单元的的TaxID
taxonkit_lineage根据TaxID获取完整谱系（lineage）
taxonkit_reformat将完整谱系转化为“界门纲目科属种株”的自定义格式
taxonkit_name2taxid将分类单元名称转化为TaxID
taxonkit_filter按分类学水平范围过滤TaxIDs
taxonkit_lca计算最低公共祖先(LCA)

并且help(taxonkit_*)可查看详细使用说明。

# 列出[genus] Homo下的所有子单元
taxonkit_list(ids = c(9605), indent = "-", show_name = TRUE, show_rank = TRUE)

##  [1] "9605 [genus] Homo"                                    
##  [2] "-9606 [species] Homo sapiens"                         
##  [3] "--63221 [subspecies] Homo sapiens neanderthalensis"   
##  [4] "--741158 [subspecies] Homo sapiens subsp. 'Denisova'" 
##  [5] "-1425170 [species] Homo heidelbergensis"              
##  [6] "-2665952 [no rank] environmental samples"             
##  [7] "--2665953 [species] Homo sapiens environmental sample"
##  [8] "-2813598 [no rank] unclassified Homo"                 
##  [9] "--2813599 [species] Homo sp."                         
## [10] ""

taxonkit_lineage, taxonkit_reformat, taxonkit_name2taxid, taxonkit_filter 与 taxonkit_lca 默认从文件中读取数据，也可通过指定text = TRUE从字符串输入读取输入数据：

# 查询9606和63221的完整谱系
taxonkit_lineage("9606\n63221", show_name = TRUE, show_rank = TRUE, text = TRUE)%>%
    pcutils::strsplit2(split = "\t",colnames = c("taxid","lineage","name","level"))

##   taxid
## 1  9606
## 2 63221
##                                                                                                                                                                                                                                                                                                                                                                                          lineage
## 1                               cellular organisms;Eukaryota;Opisthokonta;Metazoa;Eumetazoa;Bilateria;Deuterostomia;Chordata;Craniata;Vertebrata;Gnathostomata;Teleostomi;Euteleostomi;Sarcopterygii;Dipnotetrapodomorpha;Tetrapoda;Amniota;Mammalia;Theria;Eutheria;Boreoeutheria;Euarchontoglires;Primates;Haplorrhini;Simiiformes;Catarrhini;Hominoidea;Hominidae;Homininae;Homo;Homo sapiens
## 2 cellular organisms;Eukaryota;Opisthokonta;Metazoa;Eumetazoa;Bilateria;Deuterostomia;Chordata;Craniata;Vertebrata;Gnathostomata;Teleostomi;Euteleostomi;Sarcopterygii;Dipnotetrapodomorpha;Tetrapoda;Amniota;Mammalia;Theria;Eutheria;Boreoeutheria;Euarchontoglires;Primates;Haplorrhini;Simiiformes;Catarrhini;Hominoidea;Hominidae;Homininae;Homo;Homo sapiens;Homo sapiens neanderthalensis
##                            name      level
## 1                  Homo sapiens    species
## 2 Homo sapiens neanderthalensis subspecies

从文件中读取数据：

names <- system.file("extdata/name.txt", package = "pctax")
taxonkit_name2taxid(names, name_field = 1, sci_name = FALSE, show_rank = FALSE)%>%
    pcutils::strsplit2(split = "\t",colnames = c("name","taxid"))

##                                              name   taxid
## 1                                    Homo sapiens    9606
## 2            Akkermansia muciniphila ATCC BAA-835  349741
## 3                         Akkermansia muciniphila  239935
## 4                 Mouse Intracisternal A-particle   11932
## 5                                        Wei Shen        
## 6 uncultured murine large bowel bacterium BAC 54B  314101
## 7                       Croceibacter phage P2559Y 1327037

系统发育树

如果是做16S测序的话，在分析过程中就会得到一个带距离的系统发育树。宏基因组分析如果组装MAG后用GTDB-Tk比对数据库后也可以获得有距离的系统发育树。

但有时候我们想要从物种名或taxid获取整齐的谱系信息，用来一个构建系统发育树（层级树，没有真实的距离，只展示包含关系）。这是一个常见的需求，很多文章都会画一个这样的树图来展示自己的数据。

可以实现这个需求的工具有一些：

当然可以使用pctax包快速完成，对于分析流程都在R里做的人来说非常方便:

names <- system.file("extdata/name.txt", package = "pctax")%>%readLines()

# 首先通过`name_or_id2df`获取整齐的系统发育分类：
tax_df=name_or_id2df(names,mode = "name")

# 去除部分NA，原因可能是学名不标准，或者在新数据库里删除了，因为taxonomy数据库是不断变化的
tax_df=na.omit(tax_df)

#用`df2tree`将分类层级表转化为树对象
tax_tree=pctax::df2tree(tax_df[,3:9])

# tax_tree是phylo对象，可以用ape包直接简单绘图
ape:::plot.phylo(tax_tree)

可视化

pctax还提供了一些系统发育信息展示方法：

  1. 系统发育树
data(otutab, package = "pcutils")
#otutab是丰度数据，taxonomy是分类层级表（可通过name_or_id2df获得）
ann_tree(taxonomy, otutab) -> tree

easy_tree(tree, add_abundance = TRUE) -> p
p

添加主要Phylum的strip：

easy_tree(tree, add_abundance = TRUE,add_tiplab = FALSE) -> p
some_tax <- table(taxonomy$Phylum) %>%
  sort(decreasing = TRUE) %>%
  head(5) %>%
  names()
add_strip(p, some_tax)

当然，更多系统发育树的绘制可以参考我之前写的R绘制优美的进化树（基础）和R绘制优美的进化树（进阶），或者使用iPhylo网站来交互式绘图：iPhylo 生成并绘制优美的分类树

  1. 桑基图：
sangji_plot(tree)

3.旭日图

sunburst(tree)

TaxonKit 使用

TaxonKit是采用Go语言编写的命令行工具， 提供Linux, Windows, macOS操作系统不同架构（x86-64/arm64）的静态编译的可执行二进制文件。
发布的压缩包不足3Mb，除了Github托管外，还提供国内镜像供下载，同时还支持conda和homebrew安装。

用户只需要下载、解压，开箱即用，无需配置，仅需下载解压NCBI Taxonomy数据文件解压到指定目录即可。

选择系统对应的版本下载最新版 https://github.com/shenwei356/taxonkit/releases ，解压后添加环境变量即可使用。或可选conda安装

conda install taxonkit -c bioconda -y

表格数据处理，推荐使用 csvtk 更高效：

conda install csvtk -c bioconda -y

测试数据下载可直接 https://github.com/shenwei356/taxonkit 下载项目压缩包，或使用git clone下载项目文件夹，其中的example为测试数据

git clone https://github.com/shenwei356/taxonkit

TaxonKit为命令行工具，采用子命令的方式来执行不同功能， 大多数子命令支持标准输入/输出，便于使用命令行管道进行流水作业， 轻松整合进分析流程中。

  • 输出：
    • 所有命令输出中包含输入数据内容，在此基础上增加列。
    • 所有命令默认输出到标准输出（stdout），可通过重定向（>）写入文件。
    • 或通过全局参数-o或--out-file指定输出文件，且可自动识别输出文件后缀（.gz）输出gzip格式。
  • 输入：
    • 除了list与taxid-changelog之外，lineage, reformat, name2taxid, filter 与 lca 均可从标准输入（stdin）读取输入数据，也可通过位置参数（positional arguments）输入，即命令后面不带 任何flag的参数，如 taxonkit lineage taxids.txt
    • 输入格式为单列，或者制表符分隔的格式，输入数据所在列用-i或--taxid-field指定。

TaxonKit直接解析NCBI Taxonomy数据文件（2秒左右），配置更容易，也便于更新数据，占用内存在500Mb-1.5G左右。 数据下载：

# 有时下载失败，可多试几次；或尝试浏览器下载此链接
wget -c https://ftp.ncbi.nih.gov/pub/taxonomy/taxdump.tar.gz 
tar -zxvf taxdump.tar.gz

# 解压文件存于家目录中.taxonkit/，程序默认数据库默认目录
mkdir -p $HOME/.taxonkit
cp names.dmp nodes.dmp delnodes.dmp merged.dmp $HOME/.taxonkit

Taxonkit的作者大大贴心地提供了中文文档：https://bioinf.shenwei.me/taxonkit/chinese/，非常详细，大家可以参考使用。

关注公众号，获取最新推送

关注公众号 ‘bio llbug’,获取最新推送。

Asa12138
关注
专栏目录
查询宇宙生命的家谱--TaxonKit工具详解
Neptuneyut的博客
06-18 4577
文章目录遇到的问题taxonkit 概述taxonkit安装安装下载依赖数据taonkit使用1）列出给定taxonomy id的子分类树2）从taxid获取完整谱系3）重新构造谱系的格式4）通过物种拉丁名查询taxid：name2taxid回到问题一个也不能少参考 作者：余涛 email：yutao@big.ac.cn 中国科学院大学 遇到的问题 在做宏基因组分析时，通过基因注释得到一个包含10...
taxonkit:实用高效的NCBI分类标准工具包
05-15
TaxonKit-实用且高效的NCBI分类标准工具包 文件： : （，，） 源代码： : 最新版本： Taxid-Changelog ：跟踪TaxId的所有更改，包括删除，新添加，合并，重用和等级/名称更改。 请引用： https : //doi.org/10.1016/j.jgg.2021.03.006 pytaxonkit ，用于TaxonKit的Python绑定。 目录 特征 子指令 基准 数据集 安装 命令行完成 引文 接触 执照 特征 易于安装（下载） 用于多个平台（Linux / Windows / macOS，amd64 / arm64）的静态链接的可执行二进制文件 重量轻，开箱即用，无依赖项，无编译，无配置 无需数据库构建，只需下载NCBI分类数据并解压缩到$HOME/.taxonkit 易于使用（用法和示例） 支持bash补全 快速（请参阅基准测试
TaxonKit安装与使用指南
gitblog_00943的博客
08-25 1020
TaxonKit安装与使用指南 taxonkitA Practical and Efficient NCBI Taxonomy Toolkit, also supports creating NCBI-style taxdump files for custom taxonomies like GTDB/ICTV项目地址:https://gitcode.com/gh_mirrors/ta/tax...
TaxonKit工具：获取物种NCBI数据库的Taxonomy ID
rainforestist的博客
10-19 3551
网址： https://bioinf.shenwei.me/taxonkit/ TaxonKit工具，采用命令行模式，可以便于使用loop循环进行流水作业。 ###想要实现的功能：输入一个科名列表文件，批量查询其taxonomy ID； | 子命令 | 功能 | [list]——列出指定TaxId下所有子单元的的TaxID [lineage] ——根据TaxID获取完整谱系（lineage） [reformat]——将完整谱系转化为“界门纲目科属种株"的自定义格式 | [name2taxid]——将分类单元
获取物种分类信息的方法（TaxonKit/ete3/Biopython）
Kun_98的博客
12-29 1753
解决数据分析中获取物种分类地位困难的问题。提供通过ncbi号、物种名、taoxid号进行物种分类信息获取的方法。
如何在Linux系统中添加新的系统调用
07-30
在Linux系统中添加新的系统调用是一个涉及到操作系统内核级别的编程任务，这通常需要对Linux内核机制有深入的理解。系统调用是操作系统提供给应用程序的接口，允许用户空间的程序安全地使用内核功能，如文件操作、...
嵌入式系统/ARM技术中的Linux系统调用接口、系统调用例程和内核服务例程之间的关系
11-12
系统调用例程，通常是一个汇编语言编写的小型中断处理程序，其入口点是`system_call`。它接收到系统调用接口传递的参数，依据系统调用号查找并跳转到相应的内核服务例程，将参数传递过去。当内核服务例程执行完毕，...
Linux系统调用.pdf
01-27
系统调用流程通过软中断机制实现，Ioctl 用于设备驱动程序中对设备的 I/O 通道进行管理，Procfs 是进程文件系统，用于通过内核访问进程信息，Netlink 是一种允许用户空间和内核空间之间进行通信的机制。
Linux内核中增加一个系统调用.pdf
07-13
在完成以上步骤后，开发者可以成功地在Linux内核中增加一个新的系统调用，并编写出对应的用户态应用程序，用于展示系统中进程的父子关系。这不仅加深了对Linux内核的理解，也为自定义内核功能提供了一种实践路径。
生信软件24 - 查询物种分类学信息和下载基因组TaxonKit和ncbi-genome-download
LittleComputerRobot的博客
07-02 1109
查询物种分类学信息和下载基因组TaxonKit和ncbi-genome-download
TaxonKit：小巧、高效、实用的NCBI分类学数据命令行工具
刘永鑫的博客——宏基因组公众号
02-09 5345
TaxonKit: 小巧、高效、实用的NCBI分类学数据命令行工具集宏基因组按：NCBI物种分类注释信息格式复杂，存在层级不整齐、缺失、名称变动等问题，在使用中存在一定困难。最近发现了一款...
​JGG | TaxonKit：一款实用又高效的NCBI分类学数据工具包
刘永鑫的博客——宏基因组公众号
04-17 732
DOI：https://doi.org/10.1016/j.jgg.2021.03.006JGG | TaxonKit：一款实用又高效的NCBI分类学数据工具包2021年4月15日，JGG...
处理工具_NCBI Taxonomy数据处理：TaxonKit工具详解
weixin_42355003的博客
12-30 2544
目录遇到的问题taxonkit 概述taxonkit安装安装下载依赖数据taonkit使用1)列出给定taxonomy id的子分类树2)从taxid获取完整谱系3)重新构造谱系的格式4)通过物种拉丁名查询回到问题一个也不能少参考遇到的问题在做宏基因组分析时，通过基因注释得到一个包含10k之多种微生物物种名list(scientific name)，现在想统计这些物种在界、门、纲、目、科...
TaxonKit - A cross-platform and Efficient NCBI Taxonomy Toolkit
weixin_30613433的博客
01-18 250
https://github.com/0820LL/taxonkit Usage: https://bioinf.shenwei.me/taxonkit/usage/ 转载于:https://www.cnblogs.com/0820LL/p/10288363.html
列注释_宏基因组之物种注释(基于nr库)
weixin_30282917的博客
01-10 5376
点击上方「蓝字」关注我们宏基因组物种注释的方法有很多,可以基于质控后的cleandata直接用metaphlan2，kraken2进行序列比对，还可以拿组装去冗余后的基因集翻译得到蛋白序列后拿去和Nr蛋白库比对,比对的工具有主流的blast和diamond,前几天刚好捣鼓了一下物种注释过程(基于nr库)，现在将整个流程和注意的细节记录一下，以供参考。软件需求：blast，diamond，...
科研绘图系列：R语言组合堆积图（stacked plot）
专注生信领域
11-04 165
科研绘图系列：R语言堆积图（stacked plot）
MATLAB和Python及R聚类和亚群识别
最新发布
跨学科知识视角展现
11-08 382
在 MATLAB 中进行聚类和亚群识别可以使用一些内置函数和工具箱，如 **Statistics and Machine Learning Toolbox** 和 **Bioinformatics Toolbox**。以下是如何使用 MATLAB 进行聚类和亚群识别的详细步骤，尤其是用于检测和分析选择性扰动效应。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值