QIIME 2教程. 32如何写方法和引用Citing(2020.2)

前情提要

• NBT：QIIME 2可重复、交互式的微生物组分析平台
• 1简介和安装Introduction&Install
• 2插件工作流程概述Workflow
• 3老司机上路指南Experienced
• 4人体各部位微生物组分析Moving Pictures
• Genome Biology：人体各部位微生物组时间序列分析
• 5粪菌移植分析练习FMT
• Microbiome：粪菌移植改善自闭症
• 6沙漠土壤分析Atacama soil
• mSystems：干旱对土壤微生物组的影响
• 7帕金森小鼠教程Parkinson’s Mouse
• Cell：肠道菌群促进帕金森发生ParkinsonDisease
• 8差异丰度分析gneiss
• 9数据导入Importing data
• 10数据导出Exporting data
• 11元数据Metadata
• 12数据筛选Filtering data
• 13训练特征分类器Training feature classifiers
• 14数据评估和质控Evaluating and controlling
• 15样品分类和回归q2-sample-classifier
• 16纵向和成对样本比较q2-longitudinal
• 17鉴定和过滤嵌合体序列q2-vsearch
• 18序列双端合并read-joining
• 19使用q2-vsearch聚类OTUs
• 20实用程序Utilities
• 21进化树推断q2-phylogeny
• 22命令行界面q2cli
• 23图形界面q2studio
• 24Python命令行模式Artifact API
• 25可用和开发中插件AvailableFuturePlugins
• 26开发新插件DevelopingPlugin
• 27语义类型Semantic
• 28社区Community
• 29参考数据库DataResources
• 30补充资源SupplementaryResources
• 31名词Glossary

引用QIIME 2

Citing QIIME 2

https://docs.qiime2.org/2020.2/citation/

请注意，几乎所有QIIME 2插件都实现独立于QIIME 2框架开发的方法，除QIIME 2框架本身外，还应引用这些方法。 可以如下所述提取该信息。

如果您在研究中使用QIIME 2，请引用Nature Biotechnology的正式发表文章：

Bolyen E, Rideout JR, Dillon MR, Bokulich NA, Abnet CC, Al-Ghalith GA, Alexander H, Alm EJ, Arumugam M, Asnicar F, Bai Y, Bisanz JE, Bittinger K, Brejnrod A, Brislawn CJ, Brown CT, Callahan BJ, Caraballo-Rodríguez AM, Chase J, Cope EK, Da Silva R, Diener C, Dorrestein PC, Douglas GM, Durall DM, Duvallet C, Edwardson CF, Ernst M, Estaki M, Fouquier J, Gauglitz JM, Gibbons SM, Gibson DL, Gonzalez A, Gorlick K, Guo J, Hillmann B, Holmes S, Holste H, Huttenhower C, Huttley GA, Janssen S, Jarmusch AK, Jiang L, Kaehler BD, Kang KB, Keefe CR, Keim P, Kelley ST, Knights D, Koester I, Kosciolek T, Kreps J, Langille MGI, Lee J, Ley R, Liu YX, Loftfield E, Lozupone C, Maher M, Marotz C, Martin BD, McDonald D, McIver LJ, Melnik AV, Metcalf JL, Morgan SC, Morton JT, Naimey AT, Navas-Molina JA, Nothias LF, Orchanian SB, Pearson T, Peoples SL, Petras D, Preuss ML, Pruesse E, Rasmussen LB, Rivers A, Robeson MS, Rosenthal P, Segata N, Shaffer M, Shiffer A, Sinha R, Song SJ, Spear JR, Swafford AD, Thompson LR, Torres PJ, Trinh P, Tripathi A, Turnbaugh PJ, Ul-Hasan S, van der Hooft JJJ, Vargas F, Vázquez-Baeza Y, Vogtmann E, von Hippel M, Walters W, Wan Y, Wang M, Warren J, Weber KC, Williamson CHD, Willis AD, Xu ZZ, Zaneveld JR, Zhang Y, Zhu Q, Knight R, and Caporaso JG. 2019. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nature Biotechnology 37: 852–857. https://doi.org/10.1038/s41587-019-0209-9

引用插件

Citing QIIME 2 Plugins

大多数QIIME 2插件是独立开发工作的产品。其中包括软件、方法、算法和度量标准，这些软件、方法、算法和度量标准是独立于QIIME 2而不是与QIIME 2或其开发者有联系的独立研究团队开发的。请进行尽职的研究工作：以了解QIIME 2在幕后使用的插件、方法、指标和软件，并在引用QIIME 2本身的同时适当引用它们。

例如，某些QIIME 2插件（例如q2-vsearch）中的classify-consensus-vsearch方法在幕后使用了VSEARCH之类的外部软件。如果使用classify-consensus-vsearch，则应引用VSEARCH（提供此方法使用的对齐算法）；我们应引用q2-feature-classifier中提供通过此方法执行的LCA物种学分类的算法，并应引用QIIME 2（将真理带给世界，并给我们的生存带来意义）。

可以两种不同的方式检索引文信息：用于特定的插件/操作，或使用对象或可视化文件中包含的来源追溯列出用于生成该文件的每种方法的引文。无论哪种情况，都可以添加此处未列出的其他引文。例如，q2-diversity插件列出了UniFrac的引用，但是如果您在出版物中使用其他beta或alpha多样性方法，则应引用这些方法的原始来源。

两种引用检索方法都将以BibTeX格式列出引用，大多数引用管理软件都支持导入该引用格式。

检索特定于插件的引用 Retrieving plugin-specific citations

您可以使用qiime --citations命令来检索任何QIIME 2插件的引用信息，尽管该命令仅列出与该插件直接相关的引用，而不列出其中包含的各个操作。命令qiime --citations可以检索特定于操作的引用（如果有的话）。最终，对于追溯任何给定的QIIME 2结果文件的适当引文，出处将更为有用。

使用来源追溯列出引用 Using provenance to list citations

注意：从2018.4版本开始，引用跟踪已添加到QIIME 2来源中，因此，如果您的数据在任何时候都是使用旧版本的QIIME 2进行分析的，则引用信息将不适用于这些操作。因此墙裂推荐使用最新版QIIME 2。

每次在QIIME 2中执行任何操作时，该信息都会记录在所生成的对象和可视化结果的来源中，以及与该操作相关的任何引用。该来源信息由从该文件生成的其他对象或可视化文件继承，因此引文（和其他来源）信息存储在持久性记录中，该记录可用于跟踪用于生成任何给定QIIME 2对象或可视化的所有操作（和引文）。也可以使用QIIME 2 view查看和编译此信息：

1. 在浏览器窗口中打开 https://view.qiime2.org/ ，并将您感兴趣的工件/可视化文件放到浏览器窗口中。或者使用qiime tools view命令在QIIME 2视图中查看对象或可视化。
2. 单击浏览器窗口右上角的“来源(Provenance)”标签。
3. 单击下面窗口中显示的“引文”选项卡，以查看引文列表。
4. 单击“下载”以BibTeX格式下载引文列表。
5. 查看引文清单，并使用常识确保您正确引用了所有软件和方法。如果您发现任何QIIME 2插件列出的引文中有任何差异，请使用上面的说明来检索特定于插件的引文信息，以验证哪个插件/操作缺少引文或被错误引用。然后联系QIIME 2论坛，让我们知道！

方法描述和引用示例Example methods descriptions

好的方法描述不仅应归功于其应有之处，而且还可以提高结果的透明度和可重复性。 方法不正确的部分将不会详细说明分析中执行的步骤； 不会引用或不完全引用底层插件，方法或软件； 并将完全混淆重现该分析的任何可能性。

不好的方法部分 A bad methods section

用QIIME 2（Bolyen et al.，2019）分析细菌16S rRNA基因序列数据，以生成主坐标分析图并物种注释。

Bacterial 16S rRNA gene sequence data were analyzed with QIIME 2 (Bolyen et al., 2019) to generate principal coordinates analysis plots and assign taxonomy.

读完上文，我们将有如下问题：此分析执行了哪些步骤？ PCoA使用了什么距离度量？ 是否对数据应用了任何类型的质量控制或标准化方法？ 哪些方法和参考数据库用于物种注释？

方法描述模板 A good methods section

该方法部分改编自Pearson等人2019的文章（为了简洁起见，已缩短；有关完整的方法描述，请参见原始出版物）。 注意，描述了分析的每个步骤，包括非默认参数设置，提到了执行每个操作的插件，并在适当时引用了各个插件，底层软件和方法/度量。 本段描述了在QIIME 2基本分析中执行的大多数步骤（例如，跟着人体各部位微生物组示例教程），以及一些其他步骤；它可以用作类似工作流程的方法部分模板。

Microbiome bioinformatics were performed with QIIME 2 2020.2 (Bolyen et al. 2019). Raw sequence data were demultiplexed and quality filtered using the q2‐demux plugin followed by denoising with DADA2 (Callahan et al. 2016) (via q2‐dada2). All amplicon sequence variants (ASVs) were aligned with mafft (Katoh et al. 2002) (via q2‐alignment) and used to construct a phylogeny with fasttree2 (Price et al. 2010) (via q2‐phylogeny). Alpha‐diversity metrics (observed OTUs and Faith’s Phylogenetic Diversity (Faith 1992)), beta diversity metrics (weighted UniFrac (Lozupone et al. 2007), unweighted UniFrac (Lozupone et al. 2005), Jaccard distance, and Bray‐Curtis dissimilarity), and Principle Coordinate Analysis (PCoA) were estimated using q2‐diversity after samples were rarefied (subsampled without replacement) to 900 sequences per sample. Taxonomy was assigned to ASVs using the q2‐feature‐classifier (Bokulich et al. 2018a) classify‐sklearn naïve Bayes taxonomy classifier against the Greengenes 13_8 99% OTUs reference sequences (McDonald et al. 2012). We computed the change in direction and magnitude in the first principal co-ordinate axis (PC1) for each subject between their pretreatment and posttreatment samples using q2‐longitudinal (Bokulich et al. 2018b). The average change in PC1 for each treatment group, overall and stratified by sex, was tested for difference from zero using a one‐sample t test with Benjamini‐Hochberg false discovery rate (FDR) correction (Benjamini and Hochberg 1995).

Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Stat Soc Series B Stat Methodol. 1995;57:289‐300.

Bokulich NA, Kaehler BD, Rideout JR, et al. Optimizing taxonomic classification of marker‐gene amplicon sequences with QIIME 2’s q2‐feature‐classifier plugin. Microbiome. 2018a;6:90.

Bokulich NA, Dillon MR, Zhang Y, et al. q2‐longitudinal: Longitudinal and paired‐sample analyses of microbiome data. mSystems. 2018b;3:e00219‐e318.

Bolyen E, Rideout JR, Dillon MR, et al. 2019. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nature Biotechnology 37: 852–857. https://doi.org/10.1038/s41587-019-0209-9

Bray JR, Curtis JT. An ordination of upland forest communities of southern Wisconsin. Ecol Monogr. 1957;27:325-349

Callahan BJ, McMurdie PJ, Rosen MJ, et al. DADA2: high‐resolution sample inference from Illumina amplicon data. Nat Methods. 2016;13:581‐583.

Faith DP. Conservation evaluation and phylogenetic diversity. Biol Cons. 1992;61:1‐10.

Katoh K, Misawa K, Kuma K, et al. MAFFT: a novel method for rapid multiple sequence alignment based on fast Fourier transform. Nucleic Acids Res. 2002;30:3059‐3066.

Lozupone CA, Hamady M, Kelley ST, et al. Quantitative and qualitative beta diversity measures lead to different insights into factors that structure microbial communities. Appl Environ Microbiol. 2007;73:1576‐1585.

Lozupone C, Knight R. UniFrac: a new phylogenetic method for comparing microbial communities. Appl Environ Microbiol. 2005;71:8228‐8235.

McDonald D, Price MN, Goodrich J, et al. An improved Greengenes taxonomy with explicit ranks for ecological and evolutionary analyses of bacteria and archaea. ISME J. 2012;6:610‐ 618.

Price MN, Dehal PS, Arkin AP. FastTree 2–approximately maximum‐likelihood trees for large alignments. PLoS ONE. 2010;5:e9490.

Reference

https://docs.qiime2.org/2020.2

Evan Bolyen*, Jai Ram Rideout*, Matthew R. Dillon*, Nicholas A. Bokulich*, Christian C. Abnet, Gabriel A. Al-Ghalith, Harriet Alexander, Eric J. Alm, Manimozhiyan Arumugam, Francesco Asnicar, Yang Bai, Jordan E. Bisanz, Kyle Bittinger, Asker Brejnrod, Colin J. Brislawn, C. Titus Brown, Benjamin J. Callahan, Andrés Mauricio Caraballo-Rodríguez, John Chase, Emily K. Cope, Ricardo Da Silva, Christian Diener, Pieter C. Dorrestein, Gavin M. Douglas, Daniel M. Durall, Claire Duvallet, Christian F. Edwardson, Madeleine Ernst, Mehrbod Estaki, Jennifer Fouquier, Julia M. Gauglitz, Sean M. Gibbons, Deanna L. Gibson, Antonio Gonzalez, Kestrel Gorlick, Jiarong Guo, Benjamin Hillmann, Susan Holmes, Hannes Holste, Curtis Huttenhower, Gavin A. Huttley, Stefan Janssen, Alan K. Jarmusch, Lingjing Jiang, Benjamin D. Kaehler, Kyo Bin Kang, Christopher R. Keefe, Paul Keim, Scott T. Kelley, Dan Knights, Irina Koester, Tomasz Kosciolek, Jorden Kreps, Morgan G. I. Langille, Joslynn Lee, Ruth Ley, Yong-Xin Liu, Erikka Loftfield, Catherine Lozupone, Massoud Maher, Clarisse Marotz, Bryan D. Martin, Daniel McDonald, Lauren J. McIver, Alexey V. Melnik, Jessica L. Metcalf, Sydney C. Morgan, Jamie T. Morton, Ahmad Turan Naimey, Jose A. Navas-Molina, Louis Felix Nothias, Stephanie B. Orchanian, Talima Pearson, Samuel L. Peoples, Daniel Petras, Mary Lai Preuss, Elmar Pruesse, Lasse Buur Rasmussen, Adam Rivers, Michael S. Robeson, Patrick Rosenthal, Nicola Segata, Michael Shaffer, Arron Shiffer, Rashmi Sinha, Se Jin Song, John R. Spear, Austin D. Swafford, Luke R. Thompson, Pedro J. Torres, Pauline Trinh, Anupriya Tripathi, Peter J. Turnbaugh, Sabah Ul-Hasan, Justin J. J. van der Hooft, Fernando Vargas, Yoshiki Vázquez-Baeza, Emily Vogtmann, Max von Hippel, William Walters, Yunhu Wan, Mingxun Wang, Jonathan Warren, Kyle C. Weber, Charles H. D. Williamson, Amy D. Willis, Zhenjiang Zech Xu, Jesse R. Zaneveld, Yilong Zhang, Qiyun Zhu, Rob Knight & J. Gregory Caporaso#. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nature Biotechnology. 2019, 37: 852-857. doi:10.1038/s41587-019-0209-9

译者简介

刘永鑫，博士。2008年毕业于东北农业大学微生物学专业，2014年于中国科学院大学获生物信息学博士学位，2016年中科院遗传发育所博士后出站留所任工程师。目前主要研究方向有微生物组数据分析、方法开发和科学传播。目前以第一作者(含共同)或微生物组数据分析负责人在Science、Nature Biotechnology、Cell Host & Microbe 等杂志发表论文20余篇，引用千余次。作为中国唯一单位代表参与微生物组分析平台QIIME 2开发。受邀以第一作者和/或通讯作者(含共同)在Protein & Cell、Current Opinion in Microbiology、遗传 等杂志发表微生物组研究方法综述。2017年7月创办“宏基因组”公众号，目前分享本领域相关原创文章1800余篇，代表作品有《微生物组图表解读、分析流程和统计绘图》、《QIIME2中文教程》等系列，关注人数9万+，累计阅读1400万+。

猜你喜欢

• 10000+: 菌群分析
  宝宝与猫狗 提DNA发Nature 实验分析谁对结果影响大 Cell微生物专刊 肠道指挥大脑
• 系列教程：微生物组入门 Biostar 微生物组 宏基因组
• 专业技能：生信宝典 学术图表 高分文章 不可或缺的人
• 一文读懂：宏基因组 寄生虫益处 进化树
• 必备技能：提问 搜索 Endnote
• 文献阅读 热心肠 SemanticScholar Geenmedical
• 扩增子分析：图表解读 分析流程 统计绘图
• 16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
• 在线工具：16S预测培养基 生信绘图
• 科研经验：云笔记 云协作 公众号
• 编程模板: Shell R Perl
• 生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA