Clasificación funcional

Para clasificar las lecturas obtenidas en funciones, podemos usar varias opciones online, la más recomendable es MG-RAST, pero es extremadamente lenta (semanas) o bien en el servidor. En el servidor tenemos SUPERFOCUS que de manera mas o menos rápida clasifica las lecturas en los grupos funcionales de SEED y también podemos hacer una clasificación funcional con Anvio usando la base de datos COG o KEGG, con esta última también podemos reconstruir rutas metabólicas.

SUPERFOCUS

NOTA. Debido a que este análisis puede llevar mucho tiempo, es recomendable correrlo con screen, además es necesario activar conda:

En caso que no tengan CONDA es su PATH, podemos decirle donde esta con:

$ source /opt/miniconda/etc/profile.d/conda.sh

y ahora si podemos activar el ambiente conda:

$ conda activate python3.6

Comando

Ejemplo para usar en biobacter con un solo archivo, el archivo pude ser un concatenado como se describe aquí.

(python3.6)$ superfocus -q FILE.fasta -dir superfocus -t 8

Ejemplo con varios archivos en un subdirectorio:

(python3.6)$ superfocus -q folder_with_seqs -dir superfocus -t 8

Opciones

    -h ------: print help    

    -q query file (FASTA or FASTQ format) or folder with multiple FASTA/FASTQ files when -m 1 

    -dir string: output directory 

    -m int: run the program for multiple files - 0 (False) / 1 ( True) (default: 0) 

    -o string: project name (default 'my_project') 

    -mi float: minimum identity (default 60 %) 

    -ml int: minimum alignment (amino acids) (default: 15) 

    -focus int: runs FOCUS; 1 does run; 0 does not run: default 0 

    -t int: number of threads (default 8) 

    -e float: e-value (default 0.00001) 

    -db string: database (DB_90, DB_95, DB_98, or DB_100; default DB_98) 

    -p int: amino acid input; 0 nucleotides; 1 amino acids (default 0) 

    -a string: aligner choice (rapsearch, blast, diamond; default rapsearch) 

    -fast int: runs RAPSearch2 or DIAMOND on fast mode - 0 (False) / 1 (True) (default: 1) 

    -n int: normalizes each query counts based on number of hits; 0 doesn't normalize; 1 normalizes (default: 1) 

    -r string: use only the subsystems in the organisms predicted by -focus ncbi / rast annotation (default: ncbi)

Resultado

El resultado del análisis es una tabla tipo excel con cuatro niveles jerárquicos de clasificación de genes de RAST-SEED:

Esta tabla puede convertirse a una tabla que puede graficarse con Krona con los siguientes comandos:

$ cut -f1-5 my_project__results__all_levels_and_function.xls | awk -v OFS='\t' 'BEGIN {FS="\t"}; {print $5, $1, $2, $3, $4}' | sed 1,4d > FILE.krona

Lo que hacemos es básicamente cambiar el orden de las columnas con los valores en la primer columna y la clasificación después, ademas de alguna limpieza del archivo. Este nuevo archivo puede ya graficarse con  Krona y generar un archivo html para visualizar e interactuar en cualquier navegador:

$ ktImportText -o FILE.html FILE.krona

El resultado del gráfico de Krona es como el siguiente: