生成OTU方法如何选择,OTU/ASV?

微生物多样性分析中最重要的就是OTU特征表,一切后续分析都围绕OTU表来进行。生成OTU除了聚类的方法,还有降噪的方法

微生物多样性分析中最重要的就是OTU特征表,一切后续分析都围绕OTU表来进行。生成OTU除了聚类的方法,还有降噪的方法。本文分析DADA2DeblurUnoise3共三种降噪方法的异同点。

1DADA2

Callahan等人在2016年推出DADA的更新版DADA2,文章发表在Nature Method上。文中对比了DADA2的方法和UPARSE聚类方法的得到OUT的效果(图1),结果表明,DADA2可以识别更多的真实序列,比UPARSE输出更少的伪序列,提高了精确度。
attachments-2020-09-kNKaEeqJ5f6303a5ed4e3.png

同时文中对孕期女性阴道样本进行分析,用DADA2的方法观察到了Lactobacilluscrispatus菌株水平的差异(图2),而传统的OUT聚类方法则无法观察到。

attachments-2020-09-23xwsrs15f6303b0b7455.png

安装方法:(R包)

source("https://bioconductor.org/biocLite.R")

biocLite("dada2")

2Deblur

Amir等人在16年出的不聚类OUT分析方法,文中作者比较了DeblurDADA2UNOISE2的效果。结果表明,与DADA2相似,Deblur同样可以获得稳定的OTUs (2A)。两种方法得到的序列与NCBI中的nr/nt数据库进行比对,DEblur方法的误配更少,说明DEblurDADA2更可靠(图B)。Deblur的运算速度比UNIOSE2低一个数量级,却比DADA2 高出一个数量级(3D)

attachments-2020-09-L2B1ZMLm5f6303c20d385.gif

Deblur可以基于单个样品分析,而DADA2Unoise2只能对混合样本进行分析。

安装方法:(Github 

https://github.com/biocore/deblur

3UNIOSE3

UNIOSE3UNIOSE2的更新版,UNIOSE2DADA2的方法更精准,文章中对比了聚类(图4左)和去噪(图4右)两种方法得到OTU的效果。可以看到,左图中,高丰度的序列周围存在很多相近的低丰度序列,大部分是由于PCR和测序过程引入的,而右图中为去噪后的结果。可以看出,去噪的方法会保留更多真实序列,但也有可能留下嵌合体。

attachments-2020-09-isuNrNia5f6303cfe7705.jpg

安装地址:(32位免费)

http://www.drive5.com/usearch/


总结:

DADA2Deblur默认去掉singletonsDADA2丢弃的reads相对较少,而Deblur运行速度更快,且可以基于单样本分析;UNOISE3默认保留丰度在8以上的序列,运行速度比Deblur更快。UPARSE得到的是所有正确的生物学序列的子集,每两条序列之间的相似程度在97%以上,但会丢失一些具有意义的生物学序;而UNOISE3得到的是所有正确的生物学序列,但由于种内差异,对结果亦会造成影响,但要检测单一环境下的菌株,则UNOISE3更有优势。对于是选择聚类还是降噪的方法, Edgar作者本人给出的建议是:最好两种方法都尝试,毕竟没有完美的算法,总会存在一些错误。如果两种方法得出的结论不同,可能两个结果都不可信,需找一下原因;如果结果相同,则更有说服力。具体选择哪种方法还需根据研究内容谨慎考虑。

参考文章:

1.Deblur Rapidly Resolves Single-Nucleotide Community Sequence Patterns

2.UNOISE2: improved error-correction for Illumina 16S and ITS amplicon sequencing

3.DADA2: High-resolution sample inference from Illumina amplicon data

此外,我们在网易云课堂上有各种教学视频,有兴趣可以了解一下:

1.docker 生物信息工具安装

2.OTU网络图

3.R 语言入门与基础绘图

4. 转录组标准分析后的数据挖掘

5. 微生物16S/ITS/18S分析原理及结果解读

6. 更多学习内容:linux、perl语言画图,更多免费课程请点击以下链接:

http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1433306807

  • 发表于 2020-09-17 14:37
  • 阅读 ( 2612 )
  • 分类:宏基因组

0 条评论

请先 登录 后评论
Morii
Morii

15 篇文章

作家榜 »

  1. omicsgene 440 文章
  2. 安生水 226 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. CORNERSTONE 72 文章
  6. 红橙子 63 文章
  7. 生信老顽童 48 文章
  8. landy 37 文章