核对GTDB-Tk与参考库版本并检查内存日志

GTDB-Tk 报 reference data 版本不兼容、分类运行到 pplacer 失败时,先核对软件包与数据库是否配套,不要先重装整个环境。当前 GTDB-Tk 2.8.0 安装页说明需要外部 reference data,并列出了 GTDB release 的兼容版本范围;分类命令还依赖 Prodigal、HMMER、pplacer、skani 等程序。环境变量、数据库路径或 PATH 错误,可能表现为运行失败,但增加内存并不能解决。

确认版本和参考数据库路径

在实际提交作业使用的 conda、容器或模块环境中运行检查。记录 GTDB-Tk 版本、GTDB release、数据库完整路径和安装来源,并确认作业环境与交互终端使用的是同一套变量。GTDB-Tk 官方说明要求设置 GTDBTK_DATA_PATH 指向解压后的参考数据目录;不同 release 并非都能被当前软件版本使用。

set -euo pipefail
command -v gtdbtk
gtdbtk --version
printf 'GTDBTK_DATA_PATH=%s\n' "${GTDBTK_DATA_PATH:-unset}"
test -n "${GTDBTK_DATA_PATH:-}"
test -d "$GTDBTK_DATA_PATH"
gtdbtk check_install

用官方检查命令区分缺依赖与数据库损坏

检查结果优先排查处理后再确认
命令找不到当前作业是否激活正确环境、PATH 是否一致命令路径、软件版本与依赖版本
reference data 路径不存在环境变量是否指向解压目录而非压缩包数据库路径和权限
HASH MISMATCH数据库下载、解压或复制是否不完整按官方 release 校验值重新核对
pplacer 内存失败阶段、物理内存、pplacer 线程和树模式资源设置与工作目录空间

gtdbtk check_install 可验证第三方软件是否在 PATH 中,并检查参考数据文件完整性。它通过不能证明输入基因组质量符合分类要求,也不能代替作业期间的资源监控。

分类前整理输入和运行记录

官方 classify_wf 接受 FASTA 基因组目录或 batchfile。目录模式默认处理 fna 扩展名;压缩文件需要明确设置扩展名。检查每个文件是否为核酸 FASTA,文件名是否能作为稳定 ID,并保存样本清单与校验值。输入基因组完整度、污染和 marker gene 缺失会影响结果,分析前应结合质量控制工具评估。

正式运行时单独指定新输出目录,记录命令、软件与数据库版本、输入清单、日志、退出码和作业资源。若失败发生在 pplacer 阶段,应单独查看该步骤的错误和内存指标;reference 数据损坏、工具缺失与 RAM 不足是不同问题,需分别处理。复现归档中保留所用 release 编号,不能只写“最新版数据库”。

注意数据库与软件的兼容范围

GTDB-Tk 的 reference data 通常占据大量磁盘,安装页给出的当前参考包规模约 100 GB;下载压缩包、解压副本和运行输出可能同时存在,磁盘规划时要分开估计。不要在共享环境中随意覆盖公共数据目录,也不要因其他 release 的环境能运行就推断当前环境兼容。保留 release 名、来源地址、校验信息和安装时间,可以让同一分析在另一台机器上复现。

如果 check_install 显示数据库文件哈希不匹配,先检查下载是否中断、解压是否完整以及当前 GTDBTK_DATA_PATH 是否指向预期 release。不要把不同 release 的文件手动混在一个目录里“补齐”;按兼容列表重新准备完整版本后再次运行检查。

把检查结果纳入项目归档

项目记录中保存 check_install 完整日志,并注明该日志对应的 GTDB-Tk 环境和 reference 目录。如果服务器由多人共用,应记录数据库目录的只读权限和维护人,避免单个作业更新 release 后影响其他课题。每次切换软件环境后重新执行依赖检查,确保批处理作业没有加载到另一套旧版本。