微生物多样性专题 | 扩增子测序分析实战（二）数据库整理之UNITE
文：小样 | 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UNITE
前几期，我们讲到了16S（常选RDP或Greengene）和18S(常选SILVA或PR2)的几种常用数据库，今天呢，小编给大家带来另一个针对ITS区域测序的权威数据库——UNITE（讲的不好，勿喷ღ( ´･ᴗ･` )比心）。
ITS（全称ribosomal internal transcribed spacer，核糖体基因内转录间隔区）是最常用的真菌鉴定及多样性检测的marker基因，UNITE数据库是专门针对真菌ITS序列（包括ITS1和ITS2区）最全的数据库，不用考虑ITS注释数据库的选择，UNITE就是近乎唯一的存在！
https://unite.ut.ee/
通过主页可知，最近一次的更新是在2017-06-08，版本是V.7.2：
1，主页下方检索模块第一个参数Threshold可以选择不同的阈值对数据库中的序列进行聚类；
2，第二个参数include选择是否包含singleton序列，即没有与其碱基完全相同的物种序列；
3，第三个方框中可以直接填入一个感兴趣的物种【不填的话就默认统计数据库中所有物种】，然后点击Go，即可以查看左下角展示的物种序列统计信息及右下角对应的扇形图。
下图是以97%相似度聚类，不包含singleton序列，选取Glomeromycota门水平的物种，示例如下：
此外，UNITE数据库也内置了blast功能，可以通过首页右上角菜单栏 Run Analysis 看到，有兴趣的小伙伴可以再对该数据库进行详细了解。
我们现在重点讲解下数据下载及整理，数据下载路径https://unite.ut.ee/repository.php，官方提供了多种后续软件操作格式对应的数据，此处我们选择mothur软件对应格式，并后续对其进行处理【注：每种软件对应数据一样，只是格式不同！】
mothur release下有4个下载链接（选择最新版下载）：
从上到下自定义为：Download1~4：
Download1：包含经过质量过滤但未经聚类的全部673903条UNITE+INSD序列【即为Download2中的数据】和UNITE species Hypotheses假设物种序列；
Download3：与Download4不同之处在于文件命名中是否带有s，
Download4：带s包含了singletons序列，相比较而言Download3中序列真实性更高，结果更准确，因此我们选择Download3下载：
wget https://unite.ut.ee/sh_files/sh_mothur_release_28.06.2017.zip
unzip sh_mothur_release_28.06.2017.zip
也可在windows系统下点击Download下载保存。
可以连续点击Download两次，第二次不会出现上示情况，便可以进行下载~
下载解压后得到以下6个文件：
其中包括以3种不同的相似度（97/99/dynamic）聚类得到的序列文件（.fasta）及其注释文件（.tax），dynamic是指得到的序列间的相似度是不定的，官方解释如下：
小编这里是选取99的聚类序列和注释文件进行后续处理的（共包含29909条Fungi ITS序列~）。
UNITEv6_sh_99.fasta序列文件格式为：
UNITEv6_sh_99.tax注释文件格式为：
为了多种数据库格式统一，小编自己写了个perl脚本（需要的同学记得关注生信控后联系小编吆…）,注释文件整理后：
对应的下载最新版的用于UCHIME软件的嵌合体序列：
wget https://unite.ut.ee/sh_files/uchime_reference_dataset_28.06.2017.zip
unzip uchime_reference_dataset_28.06.2017.zip
uchime_reference_dataset_28.06.2017/ITS1_ITS2_datasets下的嵌合体序列分别用于ITS1和ITS2数据：
cp $pwd/UNITEv6_sh_99_new.tax ./
cp $pwd/ UNITEv6_sh_99.fasta ./
整理完成，最终目录结构如下：
到这里，UNITE数据库下载便大功告成…后续就可以使用mothur进行注释了吆…..