customTaxonomy-rs

基于 Rust 的 NCBI taxonomy 自定义过滤与修改工具。
从原始 nodes.dmp / names.dmp 中筛选指定 taxid 的完整 lineage，并支持通过 needChange.dmp 插入新节点或修改已有节点的父节点和分类等级。

功能

• 读取目标 taxid 列表，自动追溯完整 lineage 节点taxid，仅生成目标lineage的taxonomy进行维护即可；
• 支持通过 needChange.dmp 自定义修改：插入新节点、修改已有节点的 parent 和 rank；
• 默认输出与 NCBI taxdump 格式完全一致的 nodes_filtered.dmp 和 names_filtered.dmp；

编译

git clone https://github.com/yi1873/customTaxonomy-rs.git
cd customTaxonomy-rs
cargo build --release
# 二进制文件: target/release/custom-taxonomy-rs

使用方法

target/release/custom-taxonomy-rs \
  --taxid-list  test/taxid.list \
  --need-change test/needChange.dmp \
  [--nodes-file /path/to/nodes.dmp] \
  [--names-file /path/to/names.dmp] \
  [--output-nodes ./nodes_filtered.dmp] \
  [--output-names ./names_filtered.dmp]

needChange.dmp（13 列，制表符分隔）

每行定义一条自定义修改规则，格式合并了 names.dmp 和 nodes.dmp 的关键字段：

taxid  |  name  |  unique_name  |  name_type  |  taxid  |  parent  |  rank

13 列详细说明：

列号 (0-based)	内容	说明
0	taxid	节点 taxid，必须为 uint32 范围 (0 ~ 4,294,967,295)
1	|	分隔符
2	name	物种名称
3	|	分隔符
4	unique_name	唯一名称（可为空）
5	|	分隔符
6	name_type	名称类型（通常为 scientific name）
7	|	分隔符
8	taxid	节点 taxid（重复）
9	|	分隔符
10	parent	父节点 taxid
11	|	分隔符
12	rank	分类等级

示例：

1000000001	|	Escherichia-Shigella	|		|	scientific name	|	1000000001	|	543	|	customrank
561	|	Escherichia	|		|	scientific name	|	561	|	1000000001	|	genus
620	|	Shigella	|		|	scientific name	|	620	|	1000000001	|	genus

上述示例：

• 新增节点 1000000001（Escherichia-Shigella），父节点为 543，等级为 customrank
• 修改已有节点 561（Escherichia），将其父节点改为 1000000001，等级为 genus
• 修改已有节点 620（Shigella），将其父节点改为 1000000001，等级为 genus

后续使用

• kraken2 可直接使用；
• 可根据customrank抽提有效reads作基因组覆盖图；
• 示例仅用于解决kraken2中大肠/志贺菌的reads归类于family的问题；
• 其他自定义taxonomy可根据示例进行拓展；