Qiime1-12.菌群组成分析

本节就要进入更为关键的分析流程了——菌群组成的分析。进行16S测序的目的就是为了研究不同样本间的菌群组成差异,本节我们将讲解如何用qiime1绘制菌群丰度分布图、菌群差异分析以及绘制菌群丰度热图

绘制菌群丰度分布图

菌群分类统计图能够展示每个组或者每个样本的菌群比例。在qiime1中用于生成该图像的命令是summarize_taxa_through_plots.py,该命令具体包括3个指令:

  1. collapse_samples.py and/or sort_otu_table.py (http://qiime.org/scripts/collapse_samples.html/ http://qiime.org/scripts/sort_otu_table.py)

  2. summarize_taxa.py (http://qiime.org/scripts/summarize_taxa.html)

  3. plot_taxa_summary.py.py(http://biocore.github.io/emperor/build/html/scripts/plot_taxa_summary.py.html)
    其中第一步collapse_samples.py and/or sort_otu_table.py是一个非必需步骤,主要取决于你是否需要对样本进行选择性的展示,如果你只想展示某一部分样本,或者想要合并某一组的样本可以使用该命令。

# Plot group average  绘制每组平均值
summarize_taxa_through_plots.py \
-i otu_table.biom \
-o taxa_summary_plots \
-m mapping_file.txt \
-c SampleType

# Plot each sample 绘制每个样本
summarize_taxa_through_plots.py \
-i otu_table.biom \
-o taxa_summary_plots \
-m mapping_file.txt

最后会产生一个文件夹。其中有一个网页.html会展示所有的图片结果,你也可以在文件夹中找到原始的图片。

丰度差异的检验

通过绘制菌群丰度分布图后,你大致了解了样本中丰度较高的菌群主要有哪些。那么接下来,你肯定会好奇在你的实验组和对照组中究竟有哪些OTU存在显著差异。Qiime1提供了检测差异的命令,当然你也可以使用其他非常流行的方法比如LEfSe。之后我们会对如何使用LEfSe进行讲解,本节我们先讲解如何使用Qiime1自带的命令进行检验比较。
Qiime推荐了两种方法,第一种是geroup_significance.py

group_significance.py \
-i otu_table.biom \
-o kruskal_wallis_test.txt \
-m mapping_file.txt \
-c SampleType \
-s kruskal_wallis

其中-s方法可以选择下述检验方法:nonparametric_t_test, bootstrap_mann_whitney_u, ANOVA, kruskal_wallis, g_test, parametric_t_test, mann_whitney_u

另外一种是利用DESeq2进行更加深入的差异检验(做过RNA-seq分析的人一定对这个名字DESeq2不陌生)。具体如下:

differential_abundance.py 
-i otu_table.biom 
-o diff_otus.txt 
-m mapping_file.txt 
-a metagenomeSeq_fitZIG 
-c Treatment 
-x Control 
-y Fast

其中-c是告诉程序需要比较哪一项,比如在此处我们想要比较不同Treatment的差异,其中Treatment有两组Control和Fast,所以告诉程序-x是Control组,-y是Fast组。

想要知道这两个命令更为详细的信息可以查看:
group_significance.py:
http://qiime.org/scripts/group_significance.html
differential_abundance.py:
http://qiime.org/scripts/differential_abundance.html

样本丰度归一化

除了使用相对丰度对样本进行归一化,Qiime1还提供了DESeq2和CSS这些归一化方法。经过归一化的样本更加适合进行fitZIG和DESeq2的差异检验。

normalize_table.py \
-i otu_table.biom \
-o otu_table_deseq2_normalized.biom \
-a DESeq2

绘制丰度热图

热图是一种直观的展示各个样本不同菌群丰度的形式。Qiime1也可以直接制作热图。

make_otu_heatmap.py \
-i otu_table.biom \
-o heatmap_sorted.pdf \
-m mapping_file.txt \
-t rep_set.tre
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容