一、背景

關于耐藥性有很多數據庫可以使用，但是CARD的優勢在于數據庫較為準確，只有經過文章進行驗證后的基因才會被記錄

二、軟件鏈接

軟件github:

GitHub - arpcard/rgi: Resistance Gene Identifier (RGI). Software to predict resistomes from protein or nucleotide data, including metagenomics data, based on homology and SNP models.https://github.com/arpcard/rgi#check-database-version軟件文章：

CARD 2017: expansion and model-centric curation of the comprehensive antibiotic resistance database | Nucleic Acids Research | Oxford Academic (oup.com)https://academic.oup.com/nar/article/45/D1/D566/2333912軟件web版本：

The Comprehensive Antibiotic Resistance Database (mcmaster.ca)https://card.mcmaster.ca/home

?

三、下載安裝

在linux系統上安裝較為簡單，可以直接使用conda進行安裝

conda create --name rgi conda install --channel conda-forge --channel bioconda --channel defaults rgi

可以直接下載軟件后手動進行安裝

########安裝 wget https://card.mcmaster.ca/latest/software tar -jxvf card-software.tar.bz2 tar -zxvf 5.2.1.tar.gz cd rgi-5.2.1/ conda env create -f conda_env.yml conda activate rgi pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple

四、具體使用

使用時需要先添加對應的數據庫

wget https://card.mcmaster.ca/latest/data tar -xvf data ./card.json ######local版本 rgi load --card_json /path/to/card.json --local ######system版本 rgi load --card_json /path/to/card.json

添加數據庫后rgi有三種使用方式，對應不同的數據

RGI main (Genomes, Genome Assemblies, Metagenomic Contigs, or Proteomes)

RGI bwt (Metagenomic Short Reads, Genomic Short Reads)

RGI kmer_query (K-mer Taxonomic Classification)

后兩種目前暫未發表

rgi main -i test.fa -o test -t contig --include_loose --local --clean

其中-t 為模式可選擇輸入contig或是蛋白序列，--include_loose輸出時會有loose的結果，--local是使用前面添加的local數據庫，--clean會將對應的臨時文件刪除只留下結果文件

如果為contig軟件會自動進行ORF的查找，使用Prodigal軟件進行查找，如果無法找到對應的ORF，則不會進行后續的分析，所以可能會導致假陰性的結果，并且軟件默認小于30bp的不會進行分析，如果contig的質量不好以及序列較短，需要加上--low_quality參數，如果提交的是蛋白序列則會跳過ORF預測這一步，直接進行數據庫的比對，使用的是blast和diamond，默認是blast，查找對應的同源基因，其中還有剩余的多個模式protein variant model、rRNA gene variant model、protein overexpression model

最終會生成兩個文件txt和json文件，文件結果在github上有具體說明

?

?其中Best_Hit_ARO對應相關的耐藥基因

總結

以上是生活随笔為你收集整理的CARD耐药数据库Linux使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。