微生物多样性专题 | 扩增子测序分析实战（二）数据库整理之GreenGene
愿关注我们的人都能找到
属于自己的皮球
文：向屿 | 编辑：湖心
本文系原创转载需授权
微生物多样性专题
扩增子测序分析实战（二）
数据库整理之GreenGene
官方主页：
http://greengenes.lbl.gov/cgi-bin/nph-index.cgi
新的官网链接
http://greengenes.secondgenome.com/
倒是简单，只提供数据库下载：
从官网上可以看到，最新的数据库更新停留在了2013年5月，即gg_13_5版本，但是目前可以在QIIME官网上下载到gg_13_8版本，数据下载路径：
ftp://greengenes.microbio.me/greengenes_release/gg_13_5/gg_13_8_otus.tar.gz
解压缩后可见：
1、notes：简要的说明文档；
2、otus：在不同相似度标准下使用 pick_otus.py 聚OTU得到的map文件；
3、rep_set/rep_set_aligned：在不同相似度标准下使用 pick_otus.py 聚OTU得到的OTU代表序列；
4、taxonomy：OTU代表序列对应的物种注释信息；
5、trees：树文件
以99%序列相似度得到的数据库文件中，包含203452条16S序列（99_otus.fasta），序列格式如下：
而其对应的序列注释文件（99_otu_taxonomy.txt）已经对部分属种水平注释进行了一点补充：
注：
1、与之前讲到的数据库物种注释信息的格式略有不同，因为是qiime整理的格式，故可以看到对于不同分类水平，其rank注释是以下划线前面的字母标识的，分别是k、p、c、o、f、g、s，对应界门纲目科属种；
2、GreenGene数据库比较明显的问题就是属种水平注释低，所以很多条目里，g和s下划线后面都是空的；
GreenGene数据库的格式整理比较简单，依据下划线前的rank信息，将rank全称整理成后面带大括号的格式即可，如下：
通过统计可知，属水平无注释信息的序列占50%左右，而种水平达到90%左右：
所以，如果关注属种水平的注释，则不建议使用该数据库。