Kraken

Kraken on sekvenssiluokitin, joka liittää DNA-sekvensseille taksonomisia luokituksia. Kraken tutkii kyselysekvenssin sisältämiä k-meerejä ja käyttää näiden k-meerien sisältämää tietoa tietokannan kyselyyn. Tietokanta yhdistää k-meerit alimpaan yhteiseen esi-isään kaikista genomeista, joiden tiedetään sisältävän tietyn k-meerin.

Kraken

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia MIT-lisenssillä.

Saatavuus

Puhti: 2.1.2

Käyttö

Kraken sisältyy biokit-moduuliin. Ota se käyttöön suorittamalla komento:

module load biokit

Tämä lataa Kraken2-paketin, jonka voi käynnistää komennolla kraken2. Esimerkiksi:

kraken2 --help

Puhdissa on saatavilla useita Kraken2-viitetietokantoja. Oletuksena Kraken2 käyttää standard-tietokantaa, joka perustuu NCBI:n taksonomiseen tietoon ja RefSeqin täydellisiin genomeihin bakteerien, arkeonien ja virusten domeeneissa sekä ihmisen genomiin ja tunnettujen vektorien kokoelmaan (UniVec_Core).

Puhdissa saatavilla olevat tietokannat ovat:

Name	Mem. request	Description
standard	40 GB	NCBI:n taksonominen tieto sekä RefSeqin täydelliset genomit bakteerien, arkeonien ja virusten domeeneista, yhdessä ihmisen genomin ja tunnettujen vektorien kokoelman (UniVec_Core) kanssa.
krak_microb	44 GB	RefSeqin bakteeri-, arkea-, virus-, sieni- ja alkueläingenomit
16S_Greengenes_k2db	1 GB	Greengenes 16S -data
16S_RDP_k2db	1 GB	RDP 16S -data
16S_SILVA132_k2db	1 GB	Silva 132 16S -data
16S_SILVA138_k2db	1 GB	Silva 138 16S -data
minikraken_8GB_20200312	1 GB

Kraken2:n käyttö suuren viitetietokannan kanssa vaatii paljon muistia. Esimerkiksi työt, joissa käytetään standardia Kraken2-tietokantaa, vaativat 40 GB muistia. Siksi Kraken kannattaa käytännössä aina suorittaa eräajona. Alla on esimerkkiajo Krakenille käyttäen 4 ydintä, 40 GB muistia ja 6 tunnin ajoaikaa:

#!/bin/bash -l
#SBATCH --job-name=kraken2
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --time=06:00:00
#SBATCH --partition=small
#SBATCH --ntasks=1
#SBATCH --nodes=1  
#SBATCH --cpus-per-task=4
#SBATCH --account=project_123456
#SBATCH --mem=40000

module load biokit
kraken2 -db standard --threads $SLURM_CPUS_PER_TASK input.fasta --output results.txt

Voit lähettää eräajotiedoston eräajojärjestelmään komennolla:

sbatch batch_job_file.bash

Katso lisätietoja eräajojen suorittamisesta Puhdin käyttöoppaasta.

Lisätietoja

Krakenin kotisivu