- 结果文件
- 使用指南
- 版本记录
- 联系客服
CCycDB 是一个基于知识的功基因数据库，旨在对微生物碳循环过程进行准确的宏基因组谱分析。它收录了 4,676 个基因家族，按照 6 个顶层分类、45 个子分类 (Level I) 和 188 个子分类 (Level II) 进行组织——与通用的直系同源数据库相比，提供了更具针对性的覆盖范围。一系列验证表明，在对真实宏基因组数据集中的碳循环微生物群落进行谱分析时，CCycDB 在覆盖率、特异性和准确性方面均优于大型公共直系同源数据库。
CCycDB 解决了什么问题？
传统的功能注释流程（例如基于 KEGG、eggNOG 或 MetaCyc 构建的流程）在所有微生物代谢网络中撒下了过大的网。当你的研究问题具体针对碳循环——即碳如何被固定、释放、生物合成、降解或转化——时，这些通用数据库会引入无关通路的噪音，并且会遗漏超出其范围的专业基因。CCycDB 通过提供一个经过精心筛选、以碳为中心的参考数据库，并搭配一个简化的注释流程 (CCycdb.pl) 来解决此问题；该流程只需一条命令，即可从原始宏基因组序列直达通路级别的碳循环谱。
六大碳循环分类
CCycDB 将其 4,676 个基因家族组织为六个具有生物学意义的顶层分类，这些分类共同涵盖了完整的碳循环。下表总结了每个分类，并从实际输出中提取了示例：
- 4,676 个碳循环基因家族，细分 45 个一级子类、188 个二级子类
- 约 1,099 万条高质量参考序列（整合了 UniProt、BRENDA、KEGG、CAZy/dbCAN2、DRAM 及 NCycDB 等框架）
- 六大功能模块：
- Carbon fixation 碳固定（Calvin 循环、Wood–Ljungdahl、3-HP/4-HB 等，含 cbbLS/rbcL、acsA/B）
- Carbon release 碳释放（甲烷生成 pmoABC、呼吸/发酵产 CO₂ 等）
- Organic biosynthesis 有机物合成（含 DMSP 合成 dsyB/mmtN 等）
- Organic degradation 有机物降解（淀粉、果胶、几丁质、木质素相关 CAZy 酶）
- Organic transformation 有机物转化
- Transporters 转运蛋白（ABC、PTS 等）
输入文件：
基因组/宏基因组预组装结果文件或包含所有待分析基因组的zip压缩包。
小工具结果：
anno_result_full.csv
qseqid：Query sequence ID，输入的基因编号(一个基因可以参与多个碳循环过程)；sseqid：Subject sequence ID，比对上的 CCycDB 参考序列 ID；pident：一致性百分比（% identity）；length：比对长度（对齐的氨基酸/碱基个数）；mismatch：错配数；gapopen：gap数；qstart：查询序列比对起始位置；qend：查询序列比对结束位置；sstart：参考序列比对起始位置；send：参考序列比对结束位置；evalue：期望值，越小越显著（通常 < 1e-5 算可靠）；bitscore：比特分值，越高代表匹配质量越好；gene：基因简称；db：该注释来源的原始数据库；Annotation：基因功能描述；KOID：KEGG Orthology (KO) 编号 + 基因名 + 功能描述；KOEC：对应的 EC 酶学编号（反应催化类型）；CAZY：CAZy 酶分类（GH/GT/CE/PL/CBM 等）；CAZY_group：CAZy 亚家族；eggNOG：eggNOG / COG 编号（用 / 分隔多个）；Category：一级分类，碳循环六大模块之一；SubCategoryI：二级分类，具体碳循环过程/路径；SubCategoryII：三级分类，更细的亚途径/反应类型。
anno_result.csv
qseqid：Query sequence ID，输入的基因编号(一个基因可以参与多个碳循环过程)；gene：基因简称；Annotation：基因功能描述；Category：一级分类，碳循环六大模块之一；SubCategoryI：二级分类，具体碳循环过程/路径；SubCategoryII：三级分类，更细的亚途径/反应类型。
gene_count_pathway.csv
Category：一级分类，碳循环六大模块之一；SubCategoryI：二级分类，具体碳循环过程/路径；SubCategoryII：三级分类，更细的亚途径/反应类型；GeneCount：该三级分类下检测到的基因家族数量（即有多少个不同的碳循环基因/同源群被注释到）。
参考文献：
Jiayin Z, Lu Q, Mengzhi J, et al., CCycDB: an integrative knowledgebase to fingerprint microbial carbon cycling processes. bioRxiv, 2026, DOI: https://doi.org/10.64898/2026.01.28.702190
数据库版本：Version 2.1 (Upadate: Oct. 2025)