微生物通路预测中代谢遗传信息处理细胞过程等代表什么

微⽣物多样研究—16SrRNA基因功能代谢预测

1. 16S rRNA基因功能代谢预测

对于微⽣物⽣态学研究，我们最关注的⽆疑是菌群所具备的代谢功能。随着数据分析技术的发展，我们现在已能根据已知的微⽣物基因组数据，对菌群组成的测序数据（典型的如16SrRNA基因的测序结果）进⾏菌群代谢功能的预测，从⽽把物种的“⾝份” 和它们的“功能”对应起来。

根据菌群代谢功能预测结果，⼀⽅⾯能⼀窥菌群功能谱的概貌，发挥菌群多样性组成谱测序性价⽐⾼的优势；另⼀⽅⾯也能帮助指导后续宏基因组Denovo鸟q法测序的实验设计，更合理地筛选⽤于后续研究的样本。

2. PICRUSt功能预测分析

PICRUSt（PhylogeneticInvestigation of Communities by Reconstruction of Unobserved States）是由美国哈佛⼤学的CurtisHuttenhower课题组开发的菌群代谢功能预测⼯具，通过将现有的16SrRNA基因测序数据与代谢功能已知的微⽣物参考基因组数据库相对⽐，从⽽实现对细菌和古菌代谢功能的预测；预测过程中还考虑了不同物种16SrRNA基因拷贝数的差异，并对原始数据中的物种丰度数据进⾏校正，使预测结果更准确可靠。

分析的总体思路如下：

先根据已测微⽣物基因组的16SrRNA基因全长序列，推断它们的共同祖先的基因功能谱；

对Greengenes 16SrRNA基因全长序列数据库中其它未测物种的基因功能谱进⾏推断，构建古菌和细菌域全谱系的基因功能预测谱；

将测序得到的16S rRNA基因序列数据与Greengenes数据库⽐对，寻找每⼀条测序序列的“参考序列最近邻居”，并归为参考OTU；

根据“参考序列最近邻居”的rRNA基因拷贝数，对获得的OTU丰度矩阵进⾏校正；

最后，将菌群组成数据“映射”到已知的基因功能谱数据库中，实现对菌群代谢功能的预测

PICRUSt能将16SrRNA基因序列在3种功能谱数据库中进⾏预测，即KEGG、COG和Rfam。

代谢（Metabolism）

遗传信息处理（Genetic Information Processing）

环境信息处理（Environmental InformationProcessing）

细胞进程（Cellular Processes）

⽣物体系统（Organismal Systems）

⼈类疾病（Human Diseases）

每⼀类代谢通路⼜被进⼀步划分为多个等级。⽬前，第⼆等级⼀共包括45种代谢通路⼦功能，第三等级即对应代谢通路图，⽽第四等级则对应代谢通路上各个KO（KEGGorthologous groups，KEGG直系同源基因簇）的具体注释信息。

根据PICRUSt的预测结果，可以获得每样本对应于各功能谱数据库的注释信息，以及预测得到的功能类群的丰度矩阵。

KEGG功能预测：

通过OTU聚类分析，得到的OTU代表序列与Greengenes数据库⽐对，得到KEGGpathway 3个层级和丰度表。

COG功能预测：

通过OTU聚类分析，得到的OTU代表序列与Greengenes数据库⽐对，得到COG orthology和function丰度表。

利⽤丰度表信息完成各类可视化结果展⽰。

￥

5

百度文库VIP限时优惠现在开通,立享6亿+VIP内容

立即获取

微生物多样研究—16SrRNA基因功能代谢预测

微⽣物多样研究—16SrRNA基因功能代谢预测

1. 16S rRNA基因功能代谢预测

对于微⽣物⽣态学研究，我们最关注的⽆疑是菌群所具备的代谢功能。随着数据分析技术的发展，我们现在已能根据已知的微⽣物基因组数据，对菌群组成的测序数据（典型的如16SrRNA基因的测序结果）进⾏菌群代谢功能的预测，从⽽把物种的“⾝份” 和它们的“功能”对应起来。

根据菌群代谢功能预测结果，⼀⽅⾯能⼀窥菌群功能谱的概貌，发挥菌群多样性组成谱测序性价⽐⾼的优势；另⼀⽅⾯也能帮助指导后续宏基因组Denovo鸟q法测序的实验设计，更合理地筛选⽤于后续研究的样本。

OTU分类和统计：

OTU(operational taxonomic units) 是在系统发生学研究或群体遗传学研究中，为了便于进行分析，人为给某一个分类单元（品系，种，属，分组等）设置的同一标志。通常按照 97% 的相似性阈值将序列划分为不同的 OTU，每一个 OTU 通常被视为一个微生物物种。相似性小于97%就可以认为属于不同的种，相似性小于93%-95%，可以认为属于不同的属。样品中的微生物多样性和不同微生物的丰度都是基于对OTU的分析。

使用QIIME（version 1.8.0）工具包进行统计注释。

使用QIIME（version 1.9.0, http://bio.cug.edu.cn/qiime/）的ucluster方法根据97%的序列相似度将所有序列进行同源比对并聚类成operational taxonomic units (OTUs)。然后与数据库GreenGenes（version gg_13_8, http://greengenes.lbl.gov/cgi-bin/JD_Tutorial/nph-16S.cgi）进行比对，比对方法uclust，identity 0.9 。

然后对每个OTUs进行reads数目统计。

下面的2个表，其中一个表是对每个样本的测序数量和OTU数目进行统计，并且在表栺中列出了测序覆盖的完整度（显示前10个样本）。

另一个表是对每个样本在分类字水平上的数量进行统计，并且在表栺中列出了在每个分类字水平上的物种数目（显示前10个样本）。

可以看到绝大部分的OTU都分类到了属（Genus），也有很多分类到了种（Species）。但是仍然有很多无法完全分类到种一级，这是由于环境微生物本身存在非常丰富的多样性，还有大量的菌仍然没有被测序和发现。

测序数目统计表主要是对每个样本的测序数量和OTU数目进行统计，并且在表格中列出了测序覆盖的完整度（显示前10个样本，如果样本超过10个，请查看结果中otu_stat.txt文件）

其中 SampleName表示样本名称；SampleSize表示样本序列总数；OTUsNumber表示注释上的OTU数目；OTUsSeq表示注释上OTU的样本序列总数。

Coverage是指各样品文库的覆盖率，其数值越高，则样本中序列没有被测出的概率越低。该指数实际反映了本次测序结果是否代表样本的真实情况。

计算公式为：C=1-n1/N 其中n1 = 只含有一条序列的OTU的数目； N = 抽样中出现的总的序列数目。

分类水平统计表主要是对每个样本在分类学水平上的数量进行统计，并且在表格中列出了在每个分类学水平上的物种数目（只显示前10个样本，如果样本超过10个，请查看结果中taxon_all.txt文件）

其中SampleName表示样本名称；Phylum表示分类到门的OTU数量；Class表示分类到纲的OTU数量；Order表示分类到目的OTU数量；Family表示分类到科的OTU数量；Genus表示分类到属的OTU数量；Species表示分类到种的OTU数量。