课程介绍：为什么要对比Kraken2和MetaPhlAn

做宏基因组分析的朋友，应该都跟这两个工具打过交道。

Kraken2和MetaPhlAn，是目前最主流的两个物种分类工具。但说实话，它们俩的"世界观"完全不同。我刚开始用的时候也踩过坑——同一个样本，两个工具给出的丰度结果差异很大，一度让我怀疑是不是自己操作出了问题。

后来我才明白，这不是谁对谁错的问题。而是它们各自的底层逻辑，决定了它们擅长的事情不一样。

两种完全不同的分类哲学

我们来看看这两个工具到底怎么工作的：

Kraken2嘛，说白了就是拿你的reads跟数据库里所有物种的k-mer撞一下。撞上了就记一笔。它不挑食，能撞上的都认。这种做法的好处是速度快、灵敏度高，坏处就是容易把相似物种搞混。

MetaPhlAn就保守多了。它只看那些独特到几乎每颗物种都有的标记基因。你拿到的序列里必须有这些特征基因，它才认这个物种。所以它的特异度好，但遇到不熟的物种，它可能就不吭声了。

为什么非要放一起比？

你可能会想：我选一个用不就行了？嗯，道理是这个道理。但我在实际项目中碰到的真实情况是：两个工具的结果经常打架。

我记得有一次，一个临床样本的分析：

• Kraken2 报出高丰度的Cutibacterium acnes（痤疮丙酸杆菌）
• MetaPhlAn 却把这个物种几乎排在了最后

当时我们组里差点吵起来。后来细查才发现：Kraken2把Propionibacterium属的很多reads都归到了C. acnes名下，因为它们的k-mer太像了。MetaPhlAn的标记基因筛选条件严格，所以准确地把它们区分开了。

所以，为什么要对比？说白了就是一句话：交叉验证，取长补短。

我建议的实操套路是这样的：先拿Kraken2快速扫一遍全貌，再用MetaPhlAn精确定性定量。两个结果差异大的物种，单独拎出来验证。

# Kraken2快速扫描
kraken2 --db $KRAKEN_DB --threads 8 --report report.kraken2 sample.fastq

# MetaPhlAn精细分析
metaphlan sample.fastq --input_type fastq --bowtie2db $METAPHLAN_DB -o metaphlan_profile.txt

# 合并结果做交叉验证
python cross_validate.py \
    --kraken report.kraken2 \
    --metaphlan metaphlan_profile.txt \
    --output validation_report.tsv

对比的核心逻辑框架

我们这门课要做的，就是把这两个工具的差异彻底掰开揉碎。从数据库构建、算法细节、结果解读到实战脚本，一步步拆解。

下面这个图，就是我个人梳理的一个对比分析框架：

这个框架图其实就讲了三件事：

1. 上游一样——原始数据都是同一组fastq
2. 中游分叉——两个工具走完全不同的分析路线
3. 下游合并——我们必须把结果放在一起，找出共识和差异

什么场景下你一定会用到对比？

根据我的经验，下面这几种情况，你很难绕开对比分析：

• 临床样本诊断：假阳性会直接导致误诊。用MetaPhlAn交叉验证Kraken2的结果，能过滤掉一批噪音
• 新物种发现：Kraken2报出高丰度但MetaPhlAn没有的物种，往往值得你深挖
• 纵向队列研究：两个工具给出的丰度趋势如果一致，说明结果是稳健的
• 方法学评估：写论文的时候，审稿人大概率会问：你为什么只用一个工具？