Kraken2 简介

做宏基因组分析，总得先回答一个问题：这堆测序 reads 到底来自哪些物种？

2014 年 Kraken 刚出来的时候，我还在用 BLAST 一条条比对，那速度……嗯，等结果等到怀疑人生。后来换到 Kraken 1，再后来就是今天要聊的 Kraken2。说白了，它是个基于 k-mer 的快速分类器。你给它一堆 reads，它给你一个物种标签列表。又快又准，尤其在处理大量短读数据时，优势非常明显。

Kraken2 的核心逻辑

它的工作原理其实不复杂：

• 预先把所有参考基因组里的 DNA 序列切成固定长度的 k-mer（比如 31 bp），每个 k-mer 映射到最低共同祖先（LCA）节点。
• 建一个超大哈希表存这些映射关系。
• 读入 query read，也切 k-mer，查哈希表，得到每个 k-mer 对应的 LCA。
• 在整条 read 的 k-mer 投票里，挑出覆盖最深的分类路径作为最终分类。

为什么快？哈希表查询是 O(1) 的。我手头 100 万条 reads，Kraken2 十几秒就跑完了，换成 BLAST 起码半天。你想想看，这个差距在工作流里意味着什么。

我为什么选 Kraken2 而不是其他工具

当年我对比过 Centrifuge、Kaiju、Bracken，最后还是把 Kraken2 作为主力。原因很简单：

应用场景与优势

Kraken2 已经被用在非常多实战场景里了。我列几个我亲手碰过的：

• 临床微生物检测： 从脑脊液、痰液样本里快速识别致病菌。有一次 ICU 送来的样本，Kraken2 不到 1 分钟报出铜绿假单胞菌，帮临床抢了时间。
• 环境宏基因组： 土壤、海水样本，物种构成复杂。我常用 Kraken2 配合 Bracken 做丰度校正，效果挺稳。
• 食品微生物安全： 测序一批调味品，想看看有没有沙门氏菌。Kraken2 直接标出可疑 reads，省了培养的时间。
• 病毒组研究： 虽然病毒基因组小，但 Kraken2 如果搭配病毒专用数据库，也能快速筛查。

它的优势总结下来就三条：

1. 快 —— 哈希表查询，处理速度是传统方法的几百倍。
2. 准 —— LCA 机制避免过度分类，特别适合处理未完全组装的短读。
3. 灵活 —— 支持自定义数据库，你可以只建你关心的物种基因组库，缩内存又提速度。

快速上手的命令行

安装很简单，conda 一行搞定：

conda install -c bioconda kraken2

跑一个分类也很直白：

kraken2 --db /path/to/kraken2_db --threads 8 \
        --output sample.kraken2.out \
        --report sample.kraken2.report \
        sample.fastq

上面这个命令会输出两个文件。一个是带分类信息的 .out 文件，每行一条 read 的结果；另一个是 .report 文件，汇总了各分类节点的 reads 数、百分比等。我个人一般直接看 report 文件，干净利落。