你不知道的微生物互作分析方法

16s测序数据除了进行常规的Alpha多样性分析,Beta多样性分析,以及PCA分析之外,还能做什么?

处理16s测序数据时,相信很多同学已经看倦了常见的Alpha、Beta多样性分析,PCA分析之类,那么除了这些标准内容,我们还能做些什么呢?


此前,我们介绍了如何进行网站在线OTU互作网络分析——OTU互作网络分析用MENA,而今天我们又来推荐一个新方法——CoNet。CoNet全称是Co-occurence network inference,也可以称为共现性网络分析,可用于探究微生物之间的互作关系,例如探究土壤微生物之间的交流模式[1],再比如探究人体微生物的共现与互斥关系[2]。目前针对这一分析方法开发出了Cytoscaep相应的分析插件CoNet,利用这个插件可以直接进行分析,操作简单上手快!


数据准备


CoNet分析应用的文件可以是BIOM文件,也可以是由它转换而来的OTU丰度矩阵文件。格式上的要求(如下图):第一列是OTU名称ID, 之后的每一列的列名是样品名称,每一行数据表示OTU在每个样品中的丰度。而最后一列是OTU的分类世系信息,涉及门纲目科属种等。OTU数据也可以只是具体到属水平的分类。


attachments-2018-04-pzyFbHxA5ad9c80a6e84f.png


也可以准备环境因子数据进行联合分析,如下:


attachments-2018-04-zAbiZ0nq5ad9c85ce5eb7.png


插件安装


Cyroscape的安装可以参考:Cytoscape-网络图绘图技巧。而进行CoNet之前需要在Cytoscape上安装CoNet插件,同时需要安装CytocCluster,方便对生成的网络进行聚类分析,从而划分模块。而开始分析的页面也就是下图显示的页面。


attachments-2018-04-3NsH3oyN5ad9c894751c6.png


导入数据与设置


点击Data menu。在弹出的窗口选项——Select  file中导入丰度矩阵,并进行相关设置(如下图)。


attachments-2018-04-66TXIpgQ5ad9c8b060969.png


完成初步数据设置之后,选择该窗口的Metadata and features(optional),开始其他设置,并导入环境因子数据,包括勾选explore links between higher-level taxa,Parent-child exclusion,以及对环境因子数据进行设置(如下图)。


attachments-2018-04-YYt44bec5ad9c8d10f151.png


数据过滤


完成上一步之后,回到主菜单,选择Preprocessing and filter menu,开始对数据进行过滤,同时进行数据的标准化


attachments-2018-04-8YEGJO625ad9c8e150ac6.png


计算方法


在Method menu进行相关性、相似性以及距离计算方法的选择。例如下图的组合方式:Pearson、Spearman、Mutual information、BC以及KLD。


attachments-2018-04-6SQDhniP5ad9c9075ab82.png


通过该窗口选择Automatic threshold setting,设置网络阈值,选择edgeNumber 和Top and bottom,并填写上对应的数值100,可以按照实际填写。


attachments-2018-04-hOm8BwlM5ad9c9145bcdc.png


ReBoot


进入Randomization menu,先进行Permutaion,设置Routine 、Resampling,重新标准化Renormalize,以及进行空分布文件的的保存等等(如下图)。设置完成之后,进入主菜单点击GO。


attachments-2018-04-jcK6XFat5ad9c92551f04.png


完成Permutation,开始进行Bootstrap,在相同窗口中进行设置,修改Resampling,取消重新标准化Renormalize,设置P-value merge方法为Brown,多重检验benjaminihochberg,同样保存随机化文件,并导入刚刚计算的空分布文件(如下图),进入主菜单点击GO。


attachments-2018-04-gHoGWDpZ5ad9c9382caea.png


恢复网络(可选)


基于前一步生成的文件恢复CoNet网络,在前一步的设置上基础上,取消文件保存,并导入生成的随机文件(如下图),之后点击主菜单GO。


attachments-2018-04-jO7ikOnD5ad9c94c776d7.png


网络图基本设置与聚类分析


参考Cytoscape-网络图绘图技巧进行网络图点线设置,可以获得如下结果。


attachments-2018-04-hoftfF3b5ad9c96aa3210.png




此外,结合CytoCluster对网络进行聚类分析,对网络进行模块划分,部分结果如下:


attachments-2018-04-kTGa8QQJ5ad9c97b8dfbf.png


愿大家get多多技能 ,学习快乐!




参考文献:




[1] Durrer A, Gumiere T, Taketani R G, et al. The drivers underlying biogeographical patterns of bacterial communities in soils under sugarcane cultivation[J]. Applied Soil Ecology, 2016, 110.


[2] Faust K, Sathirapongsasuti J F, Izard J, et al. Microbial Co-occurrence Relationships in the Human Microbiome[J]. Plos Computational Biology, 2012, 8(7):e1002606.




相关推荐:微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制


课程推荐:微生物扩增子分析课程实操     微生物16S/ITS/18S分析原理及结果解读

更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言入门R语言画图

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘GEO芯片数据标准化GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代测序数据解读


  • 发表于 2018-04-20 19:07
  • 阅读 ( 15970 )
  • 分类:宏基因组

8 条评论

请先 登录 后评论
Daitoue
Daitoue

167 篇文章

作家榜 »

  1. omicsgene 654 文章
  2. 安生水 325 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. rzx 67 文章
  8. xun 66 文章