干货|在线课堂笔记之OTU聚类的几种算法！
云平台的出现
如同给研究人员增添了左膀右臂
在这些智能化、便捷化的背后
都是谁在操控
今天的分享来自美格学苑在线课堂
讲述微生物多样分析背后的上帝之手
为何要进行聚类？
测序完成后，每个样品的测序序列达到几万条，对每一条序列可以进行物种注释，但是这种方式工作量大，毕竟每一条序列需要与数据库进行比对，比对过程又比较耗时，而且扩增、测序等过程中出现的错误会降低比对结果的准确性；
因此，在微生物多样性研究中，引入了OTU的概念，首先对序列按照一定的相似程度进行聚类，每形成的一类称为一个OTU，一个OTU中序列的差异程度不能大于规定的相似程度（97%）基于分类单位（OTU）进行物种注释（即从OTU中选择一天代表序列与数据库进行比对获得分类水平信息，便是该OTU的分类水平信息）；
如此操作，不仅简化工作量，提高分析效率，而且OTU在聚类过程中还可以去除一些错误的序列，如嵌合体序列，提高分析的准确性。
思考；97%从何而来？
追溯到1973年的文章，此文提出DNA-DNA杂交同源性>60%属于同一物种
图1 16S rRNA相似度与DNA杂交相似度对比
1994年，此文将16S rRNA相似度和DNA杂交相似度进行比较，得出16S rRNA相似度低于97%的，DNA杂交相似度都不高，所以在后来的分析使用中，将97%设为聚类的阈值。
UPARSE
经典的Uprase就是通过序列之间的相似度97%为阈值进行聚类：
图2 Uprase原理
UNOISE
图中X为一天最高丰度序列，周围存在很多低丰度序列。d为序列的差异程度，周围的点代表不同的序列，点的大小代表其丰度大小，其中，绿色的点为正确的生物学序列，红色代表含有一个或者多个错误点的序列；右图表示降噪后的序列。
图3 Unoise降噪原理
图4 Unoise的算法
Unoise算法是对测序错误、扩增错误序列的校正
DADA2
图5 DADA2原理
中图是测序所得的序列，DADA2的计算和OTU聚类方式比较，DADA2的准确度更高
Unoise VS DADA2
图6 Unoise对于嵌合体的识别准确性更高，DADA2会错误将非嵌合体去除
不同的算法之间存在差异，其核心目的是较为一致的：真实地揭示自然中的规律。美格基因云平台中OTU聚类的算法中包含Unoise、Uprase、Uclust，后续将会加上DADA2。同时，物种注释过程中，整合了最新的数据库信息哟！
更多精彩内容
请加入美格基因生信交流群
下一期预告
本周四16：00将在群内直播
主题：宏病毒组学数据挖掘-进阶篇
扫一扫
/
天气渐渐转凉
要注意保暖
致尊敬的您：
美格基因专注微生物组学领域，不断拓展基因组学在环境、生态、农业和医学健康领域的应用，持续开发国际领先的产品和服务，致力于成为全球领先的微生物组学产品和服务提供者。
公司已开拓的业务领域有：16S/18S/ITS测序 ; 16S全长测序；GeoChip、宏基因组、宏转录组、宏病毒组测序；单菌框架图、完成图。
目前已为清华大学、中国科学院、中山大学、浙江大学、美国佐治亚理工学院、香港科技大学等国内外众多科研学术机构提供了全方位的科研服务，在行业内具备显著影响力。
如您有任何需求和疑问，欢迎随时咨询，美格基因竭诚为您服务！
邮箱：support@magigene.com
电话：020-22119611 转802
官网：http://www.magigene.com