免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

打開(kāi)APP
userphoto
未登錄

開(kāi)通VIP,暢享免費(fèi)電子書等14項(xiàng)超值服

開(kāi)通VIP
16s擴(kuò)增子測(cè)序分析全流程詳解

擴(kuò)增子測(cè)序是一種高靶向性方法(對(duì)特定長(zhǎng)度的PCR產(chǎn)物或者捕獲的片段進(jìn)行測(cè)序),用于分析特定基因組區(qū)域中的基因變異。PCR產(chǎn)品(擴(kuò)增子)的超深度測(cè)序可以有效地識(shí)別變異并對(duì)其進(jìn)行特征分析??傮w思路是靶向地捕獲目標(biāo)區(qū)域,然后進(jìn)行新一代測(cè)序(NGS),分析測(cè)序結(jié)果,得到相應(yīng)信息。

根據(jù)研究目的不同擴(kuò)增子測(cè)序可細(xì)分為16S rDNA測(cè)序、18S rDNA測(cè)序、ITS測(cè)序及目標(biāo)區(qū)域擴(kuò)增子測(cè)序等。下面小編對(duì)二代16S rDNA測(cè)序分析流程做一個(gè)詳細(xì)介紹。

  實(shí)驗(yàn)流程  

 

提取樣品總DNA后,根據(jù)保守區(qū)設(shè)計(jì)得到引物,在引物末端加上測(cè)序接頭,進(jìn)行PCR擴(kuò)增并對(duì)其產(chǎn)物進(jìn)行純化、定量和均一化形成測(cè)序文庫(kù),建好的文庫(kù)先進(jìn)行文庫(kù)質(zhì)檢,質(zhì)檢合格的文庫(kù)用Illumina HiSeq 2500進(jìn)行測(cè)序。高通量測(cè)序(如Illumina HiSeq等測(cè)序平臺(tái))得到的原始圖像數(shù)據(jù)文件,經(jīng)堿基識(shí)別(Base Calling)分析轉(zhuǎn)化為原始測(cè)序序列(Sequenced Reads),結(jié)果以FASTQ(簡(jiǎn)稱為fq)文件格式存儲(chǔ),其中包含測(cè)序序列(Reads)的序列信息以及其對(duì)應(yīng)的測(cè)序質(zhì)量信息。

生信分析流程

1
數(shù)據(jù)預(yù)處理

根據(jù)PE reads之間的Overlap關(guān)系,將Hiseq測(cè)序得到的雙端序列數(shù)據(jù)拼接 (Merge)成一條序列Tags,同時(shí)對(duì)Reads的質(zhì)量和Merge的效果進(jìn)行質(zhì)控過(guò)濾。主要有如下3個(gè)步驟:

1) PE reads拼接:使用 FLASH v1.2.7軟件,通過(guò)overlap對(duì)每個(gè)樣品的 reads 進(jìn)行拼接,得到的拼接序列即原始 Tags 數(shù)據(jù)(Raw Tags);

2) Tags過(guò)濾:使用 Trimmomatic v0.33軟件,對(duì)拼接得到的 Raw Tags進(jìn)行過(guò)濾,得到高質(zhì)量的Tags 數(shù)據(jù)(Clean Tags);

3) 去除嵌合體:使用 UCHIME v4.2軟件,鑒定并去除嵌合體序列,得到最終有效數(shù)據(jù) (Effective Tags)。

2
OTU分析

OTU即分類操作單元,是在系統(tǒng)發(fā)生學(xué)研究或群體遺傳學(xué)研究中,為了便于進(jìn)行分析,人為給某一個(gè)分類單元(品系,種,屬,分組等)設(shè)置的同一標(biāo)志。

使用QIIME(version 1.8.0)軟件中的 UCLUST對(duì)Tags在97%的相似度水平下進(jìn)行聚類、獲得OTU,并基于Silva(細(xì)菌)和UNITE(真菌)分類學(xué)數(shù)據(jù)庫(kù)對(duì)OTU進(jìn)行分類學(xué)注釋。

圖1.各樣品OTU個(gè)數(shù)分布圖

3
物種注釋及分類學(xué)分析

將OTU的代表序列與微生物參考數(shù)據(jù)庫(kù)進(jìn)行比對(duì)可得到每個(gè)OTU對(duì)應(yīng)的物種分類信息,進(jìn)而在各水平(phylum,class,order,family,genus,species)統(tǒng)計(jì)各樣品群落組成,利用QIIME軟件生成不同分類水平上的物種豐度表,再利用R語(yǔ)言工具繪制成樣品各分類學(xué)水平下的群落結(jié)構(gòu)圖。

 

圖2.物種分布圖              圖3.物種豐度聚類熱圖

用QIIME軟件挑選出屬分類學(xué)水平上豐度最高的OTU的序列作為代表序列,進(jìn)行多重序列比對(duì)并構(gòu)建系統(tǒng)進(jìn)化樹,然后通過(guò)Python語(yǔ)言工具繪制圖形。

圖4.物種系統(tǒng)進(jìn)化樹

使用KRONA對(duì)物種注釋結(jié)果進(jìn)行可視化展示,展示結(jié)果中,圓圈從內(nèi)到外依次代表不同的分類級(jí)別,扇形的大小代表不同OTU注釋結(jié)果的相對(duì)比例。

圖5.KRONA示意圖

4
Alpha多樣性分析

Alpha多樣性(Alpha diversity)反映的是單個(gè)樣品物種豐度(richness)及物種多樣性(diversity),有多種衡量指標(biāo):Chao1、Ace、Shannon、Simpson。Chao1和Ace指數(shù)衡量物種豐度即物種數(shù)量的多少。Shannon和Simpson指數(shù)用于衡量物種多樣性,受樣品群落中物種豐度和物種均勻度(Community evenness)的影響。

使用Mothur (version v.1.30) 軟件,對(duì)樣品Alpha多樣性指數(shù)進(jìn)行評(píng)估。一般為比較樣品間的多樣性指數(shù),分析時(shí)會(huì)將樣品所含序列數(shù)進(jìn)行標(biāo)準(zhǔn)化。

稀釋性曲線(Rarefaction Curve)從樣本中隨機(jī)抽取一定數(shù)量的序列,統(tǒng)計(jì)這些序列所代表的物種數(shù)目,并以序列數(shù)與物種數(shù)來(lái)構(gòu)建曲線,用于驗(yàn)證測(cè)序數(shù)據(jù)量是否足以反映樣品中的物種多樣性,并間接反映樣品中物種的豐富程度。

圖6.稀釋性曲線圖

利用 Mothur 軟件和R語(yǔ)言工具依據(jù)各樣品的測(cè)序量在不同測(cè)序深度時(shí)的Shannon指數(shù)(反映樣品中微生物多樣性的指數(shù))繪制Shannon多樣性指數(shù)稀釋曲線,以此反映各樣本在不同測(cè)序數(shù)量時(shí)的微生物多樣性。Shannon index越大則OTU種類越多,物種越豐富,表明樣品中已涵蓋絕大多數(shù)的微生物物種信息。

圖7.Shannon Index曲線

5
Beta多樣性分析

使用QIIME軟件進(jìn)行 Beta 多樣性(Beta diversity)分析,比較不同樣品在物種多樣性方面存在的相似程度。Beta多樣性分析主要采用binary jaccard、bray curtis、weighted unifrac(限細(xì)菌)、 unweighted unifrac (限細(xì)菌)等4種算法計(jì)算樣品間的距離從而獲得樣本間的β值?;谶@4種距離矩陣展開(kāi)的Beta多樣性分析,主要有以下幾點(diǎn)。

1)PCA與PCoA分析:通過(guò)一系列的特征值和特征向量進(jìn)行排序,選擇主要的前幾位特征值,采取降維的思想,找到距離矩陣中最主要的坐標(biāo),從而觀察個(gè)體或群體間的差異。

圖8.PCA分析圖

2)NMDS分析:將對(duì)象間的相似性或相異性數(shù)據(jù)看成點(diǎn)間距離的單調(diào)函數(shù),在保持原始數(shù)據(jù)次序關(guān)系的基礎(chǔ)上,用新的相同次序的數(shù)據(jù)列替換原始數(shù)據(jù)進(jìn)行度量型多維尺度分析,用于比對(duì)樣本組之間的差異。

圖9.NMDS分析圖

3)UPGMA分析:基于各樣品序列間的進(jìn)化信息的差異來(lái)計(jì)算樣品間的差異,可以反映樣品在進(jìn)化樹中是否有顯著的微生物群落差異。

4)組間物種差異熱圖:基于OTU-Table和上述4種距離矩陣進(jìn)行物種聚類,從聚類中可以了解樣品之間的相似性以及各分類水平上的群落構(gòu)成相似性。 

圖10.UPGMA聚類樹

6
組間差異顯著性分析

組間差異顯著性分析主要用于發(fā)現(xiàn)不同組間具有統(tǒng)計(jì)學(xué)差異的Biomarker。

7
16S功能基因預(yù)測(cè)分析

使用PICRUSt軟件通過(guò)比對(duì)16S測(cè)序數(shù)據(jù)獲得的物種組成信息,推測(cè)樣本中的功能基因組成,從而分析不同樣本或分組之間在功能上的差異。

首先需要對(duì)生成的OTU-table進(jìn)行標(biāo)準(zhǔn)化(不同的種屬菌包含的16S拷貝數(shù)不相同);然后,通過(guò)每個(gè)OTU對(duì)應(yīng)的greengene id,即可獲得OTU對(duì)應(yīng)的KEGG和COG家族信息,從而計(jì)算該KEGG和COG的豐度并從KEGG數(shù)據(jù)庫(kù)的信息中獲得Pathway、EC信息、OTU豐度計(jì)算各功能類別的豐度。

圖11.組間KEGG代謝途徑差異分析圖

圖12.COG功能分類統(tǒng)計(jì)圖

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)。
打開(kāi)APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
微生物檢測(cè)之16S與宏基因組測(cè)序mNGS
5分鐘講清楚怎樣把微生物多樣性的數(shù)據(jù)用到文章里
擴(kuò)增子分析工具QIIME簡(jiǎn)介
微生物擴(kuò)增子測(cè)序圖表解讀最新
科學(xué)網(wǎng)
思影科技微生物菌群分析業(yè)務(wù)
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服