Kraken

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

Roihussa Kraken on tarjolla Kraken 2 -versiona (moduuli kraken2, komento kraken2).

Kraken

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia MIT-lisenssillä.

Saatavuus

Roihu: 2.17.1 (moduuli kraken2), bio-apps-moduulin kautta.

Käyttö

Kraken 2 on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten Kraken 2 -moduuli:

module load bio-apps/v202603
module load kraken2/2.17.1

Tämä lataa Kraken 2 -paketin, jonka voi käynnistää komennolla kraken2. Esimerkiksi:

kraken2 --help

Tietokannat

Kraken 2 tarvitsee viitetietokannan, jota se käyttää hakemistopolun kautta (--db). Viitetietokannat eivät sisälly moduuliin.

Jaetut viitetietokannat

CSC suunnittelee tarjoavansa jaettuja viitetietokantoja keskitetystä sijainnista Roihussa. Tätä ollaan vielä ottamassa käyttöön. Siihen asti lataa tai rakenna oma tietokantasi kirjoitettavaan sijaintiin (esimerkiksi projektisi /scratch-hakemistoon).

Voit rakentaa standarditietokannan komennolla kraken2-build (tämä lataa viitedataa ja vaatii huomattavasti levytilaa, muistia ja aikaa):

kraken2-build --standard --db /scratch/<project>/kraken_db

Vaihtoehtoisesti voit ladata valmiiksi rakennetun Kraken 2 -indeksin ja osoittaa --db-valitsimen hakemistoon, johon purit sen.

Esimerkkieräajokomentosarja

Kraken 2:n käyttö suuren viitetietokannan kanssa vaatii paljon muistia. Esimerkiksi standarditietokanta vaatii noin 40 GB muistia. Siksi Kraken kannattaa käytännössä aina suorittaa eräajona. Alla on esimerkki Kraken-ajosta, jossa käytetään 4 ydintä, 40 GB muistia ja 6 tunnin ajoaikaa:

#!/bin/bash
#SBATCH --job-name=kraken2
#SBATCH --account=<project>
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --partition=small
#SBATCH --time=06:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=4
#SBATCH --mem-per-cpu=10000M

module load bio-apps/v202603
module load kraken2/2.17.1

kraken2 --db /scratch/<project>/kraken_db --threads $SLURM_CPUS_PER_TASK input.fasta --output results.txt

Korvaa <project> CSC-projektillasi (esimerkiksi project_2001234) ja osoita --db tietokantahakemistoosi.

Voit lähettää eräajotiedoston eräajo-järjestelmään komennolla:

sbatch batch_job_file.sh

Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajokomentosarjan luominen Roihulle.

Tuki

CSC:n Service Desk

Lisätietoja

Krakenin kotisivu