宏基因组有参分析和无参分析差异

本文参考 宏基因组教程Metagenomics Tutorial (HUMAnN2)

分析流程

• 有参流程：质控–物种组成和功能组成分析–差异分析及可视化
• 无参流程：质控–物种分类–序列拼接–基因注释–去冗余–基因定量–功能注释–差异分析及可视化

注：无参分析需要非常大的比对数据库，所以服务器配置最低256G内存，推荐内存512G以上，以保证正常运行

解决问题

有参可以回答的科学问题

1. 样本中有什么？
   物种组成（包括宿主、细菌、真菌、病毒、原声动物等）
2. 样品中有哪些功能基因？
   功能基因组成–潜在的功能，注意潜在因为是DNA
3. 组间物种和功能差异？
   分组有关的物种分类（OTUs／种／属／科）
   和功能（通路／模块／同源簇／基因）

无参可以回答的科学问题

1. 样本中有什么？
   物种组成（包括宿主、细菌、真菌、病毒、原声动物等）
2. 样品中有哪些功能基因？
   功能基因组成–潜在的功能，注意潜在因为是DNA
3. 组间物种和功能差异？
   分组有关的物种分类（种／属／科）
   和功能（通路／模块／同源簇／基因）
4. 未知菌种基因组拼接

结果差异

有参：
基于marker gene进行序列相似性比对

无参：
基于NCBI数据库注释reads层面，部分软件采用LCA(Lower Common Ancestor最小祖先法)算法

造成结果差异的原因：

1. 使用的数据库不同，包含物种不同。
2. 基因组大小。有参使用marker gene，无参使用物种的基因组，不同物种的基因组大小不同，而有参流程如metaphlan2并没有考虑基因组大小的影响。
3. 基因的拷贝数。在某些情况下，如果一个物种有多套基因拷贝，那么用来进行分析的marker gene在实际情况下可能都不是单拷贝，这样会造成结果的偏差。
4. 比对算法。无参比对部分软件采用LCA(Lower Common Ancestor最小祖先法)算法

宏基因组流程综述

Nature综述：鸟枪法宏基因组-从取样到数据分析——2万字带你系统入门宏基因组实验和分析
超强综述 | Rob Knight等手把手教你分析菌群数据(全文翻译1.8万字)