kraken build_db

最后发布时间 : 2026-02-14 15:35:41 浏览量 :

下面用表格形式把你这条 build_db 命令涉及的参数做系统说明（按“类别 → 参数 → 作用 → 影响”整理）。

🧬 一、核心算法参数（决定数据库结构）

参数	是否必需	作用	原理解释	调大会怎样	调小会怎样
`-k INT`	✅ 必需	设置 k-mer 长度	把序列拆成长度为 k 的片段	准确率更高	敏感度更高
`-l INT`	✅ 必需	设置 minimizer 长度	每个 k-mer 中选最小的 l-mer 作为代表	hash 更少，更压缩	hash 更多，占内存
`-S BITSTRING`	可选	Spaced seed 掩码	1=使用该位，0=忽略	提高突变容忍	精度更高但容错差
`-T BITSTRING`	可选	minimizer toggle mask	控制 minimizer 参与位置	可进一步优化内存	一般不常用
`-X`	可选	输入是蛋白序列	启用氨基酸模式	用于蛋白数据库	DNA 不可用

参数	是否必需	作用	生成/读取的文件	说明
`-H FILE`	✅ 必需	Kraken2 hash 表文件	`hash.k2d`	存 minimizer → taxid
`-t FILE`	✅ 必需	taxonomy 文件	`taxo.k2d`	存 taxid 层级结构
`-o FILE`	✅ 必需	options 文件	`opts.k2d`	记录构建参数
`-n DIR`	✅ 必需	NCBI taxonomy 目录	`nodes.dmp` 等	提供分类层级
`-m FILE`	✅ 必需	seqid → taxid 映射	`seqid2taxid.map`	序列对应物种

📌 你用的是：

-c 24137

约等于 24G 容量。

k (35)
 └─ 内部选 l (31)
       └─ 应用 S mask
            └─ 插入 CHT (capacity=c)

如果你只记住三个：

| 排名 | 参数 | 决定什么 |
| -- | -- | ---------- |
| ① | -k | 准确率 vs 敏感度 |
| ② | -l | 数据库大小 |
| ③ | -c | 内存占用 |

我可以再给你：

你想看哪一块？