1. 把想要预测的表型按照如下格式整理到一个文件夹下面,每个文件为一种表型,文件名称为想要预测的表型。这里把5种要预测的表型文件放在了costom_pathway目录下。
其中每个文件内容如下,一个KO ID占一行。
准备好文件之后,运行代码即可。
1. 打开DOCKER虚拟机,进入镜像(注意:运行成功需要至少25G的内存,所以需要给docker更多的内存)
docker run --rm -m 25 -v D:\project\bugbase:/work -it omicsclass/ampliseq-q1:v1.2
2.生成指定表型的预测文件(运行默认为16S数据)
make.user.table.r -i costom_pathway/
参数说明
-i 准备好指定表型的文件目录
运行成功后,目录下会出一个过程文件intermediates(红色)和需要的指定表行预测文件Custom_BugBase_Traits.txt(黄色)。
3.进行表型预测
run.bugbase.r -i table.from_txt_json.biom -m fastmap.txt -c loc -u costom_pathway/Custom_BugBase_Traits.txt -o cus_ko
参数说明
-i otu_table biom1.0格式文件(16S必须是用GREENGENE数据库注释)
-u 指定表型的预测文件
-m 样品信息表
-c 指定样品分组
-o 输出文件名称
-t 指定分类水平 1-7,默认门水平
-T 阈值 0-1,可指定过滤阈值
和默认的预测结果一致,会出现四个文件,分别是标准化的OTU表、哪些OTU对表型有贡献、每种表型预测相对丰度图、阈值图片。
更多详细信息,请参见文献原文:https://www.biorxiv.org/content/10.1101/133462v1
此外,我们在网易云课堂上有各种教学视频,有兴趣可以了解一下:https://study.omicsclass.com/index
1
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!