查看原文
其他

思影科技微生物菌群分析业务

杨晓飞 思影科技 2024-03-20

请点击上面“思影科技”四个字,选择关注我们,思影科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论,也欢迎参加思影科技的课程,可添加微信号siyingyxf19962074063进行咨询。(文末点击浏览)

      微生物菌群分析已成为生命科学,医学等领域的重要研究手段,特别是脑肠轴的发现,更是将微生物菌群研究推到了一个新的高度。为此,思影科技推出思影科技微生物菌群分析业务,以更好地协助解决大家面临的科研问题,如感兴趣请联系杨晓飞siyingyxf或18983979082(微信号)进行咨询,电话:18580429226

一、数据预处理
     (一)、数据质量控制
      主要包括:检查原始数据质量,包括测序深度、序列长度、测序质量等参数,保证同一分析的数据拥有相似的测序参数,便于后续指标计算和统计分析。思影将提供各样品和组间的数据质量报告,并为后续的分析提供合适的建议。
      (二)、测序数据的降噪和分类
       主要包括:
       1、Demultiplexing sequences
       根据已知的引物barcode序列将混样测序结果分成不同的样品。
       2、DAD2 denoising and quality filtering
      去除末端质量较差的数据并对每个样品进行降噪,得到每个样品的特征序列用于进行菌群分类。
       3、OTU classifier analysis
       基于朴素贝叶斯分类器对各个样品的菌群进行分类。

二、相关指标计算及统计

       1、差异OTU数量及变化规律:火山图

横轴为相对丰度变化的差异倍数,纵轴为相对丰度取Log2对数值;红色点为显著上调的OTU,绿色为显著下调的OTU,灰色为不显著变化的OTU;除上下调外,大小代表相对丰度的对数值,点的形状代表物种的门分类信息。

2、样本菌群分布和分类进化树

     运用系统发育树方法对各个样本中菌群多样性进行分析,得到样品菌群分类进化树。


3、Alpha多样性指标:指通过单样本的多样性分析反映样品内的微生物群落的丰富度和多样性。
     主要包括:
     测序深度指数(Observed spieces 和Good’s coverage)
      菌群丰度(Chao1和ACE)
     菌群多样性指数(shannon指数和simpson指数)
     Faith’s Phylogenetic Diversity
     Pielou’s Evenness
 
4、Beta多样性指标
     主要包括:
     Jaccard distance(群落差异的定性度量,即只考虑种类,不考虑丰度);
     Bray-Curtis distance(群落差异的定量度量);
     unweighted UniFrac distance(非加权UniFrac距离(包含特征之间的系统发育关系的群落差异定性度量));
     weighted UniFrac distance(加权UniFrac距离(包含特征之间的系统发育关系的群落差异定量度量));

5、组间差异分析(OUT(97%)或者ASV(99%))
     主要包括:
     5.1、Alpha多样性样本间差异分析:


5.2、Beta多样性
5.2.1 组间Bray-Curtis相异度:


5.2.2、NMDS非度量多维尺度分析:


5.2.3PCA:基于欧式距离;


5.2.4、PCoA分析:即主坐标分析,也是一种非约束性的数据降维分析方法,可用来研究样本群落组成的相似性或差异性,与PCA分析类似;主要区别在于,PCA基于欧氏距离,PCoA基于除欧氏距离以外的其它距离,通过降维找出影响样本群落组成差异的潜在主成分。


5.2.5、菌群与环境因子相关性分析:Mantel test分析,例如:人体微生物区与某疾病程度的相关性;不同药物组合处理疾病后,微生物组成结构与病情改善之间的相关性。


5.2.6、样本间相关性分析


5.2.7、组间物种丰度热图:


5.2.8、network网络分析:
结果输出:


5.2.9LDAlinear discriminant analysis)差异分析(Lefse分析)
      Lefse分析:组间菌群差异,找出各组间差异的微生物种类。其中显著差异的logarithmic LDA score设为2。
      目的:寻找与生物学意义关联的biomarker
      分三步:1、组间属性丰度比较;2、样本间属性丰度比较;3、分组并定义相关程度


5.2.10Meta-stats分析:组间群落显著性差异分析,根据得到的群落丰度数据,运用严格的统计学方法可以检测两组微生物群落中表现出丰度差异的分类,进行稀有频率数据的多重假设检验和假发现率(FDR)分析可以评估观察到的差异的显著性。分析可选择门、纲、目、科及属等不同分类学水平。
      应用范围:
      转录组、16S、宏基因组等;只能两组样本之间比较(非参数T检验、卡方检验);分析可以没有生物学重复(卡方检验代替分参数T检验)
      作用:差异物种分析;差异功能分析(数据不一定符合正态分布,参数检验不适合)
 
5.2.11STAMP分析:可以实现不同平台下兼容性分析数据。

6、定制化分析
      思影可根据客户需求,提供定制化服务,如脑肠轴分析:与脑影像数据(结构或功能指标)、脑电、行为、量表数据的联合分析。


如果您对思影其他数据处理服务感兴趣,可点击以下链接了解(可添加微信号siyingyxf或18983979082咨询,另思影提供免费文献下载服务,如需要也可添加此微信号入群):

思影科技功能磁共振(fMRI)数据处理业务


思影科技弥散加权成像(DWI/dMRI)数据处理

思影科技脑结构磁共振成像数据处理业务(T1)

思影科技啮齿类动物(大小鼠)神经影像数据处理业务

思影数据处理业务三:ASL数据处理

思影科技脑影像机器学习数据处理业务介绍

思影科技EEG/ERP数据处理业务

思影科技脑电机器学习数据处理业务


思影科技近红外脑功能数据处理服务

思影数据处理服务六:脑磁图(MEG)数据处理

思影科技眼动数据处理服务

如果您对思影科技课程感兴趣,可点击以下链接了解(可添加微信号siyingyxf18983979082咨询,另思影提供免费文献下载服务,如需要也可添加此微信号入群):

核磁:

上海:

第五十七届磁共振脑影像基础班(上海,3.22-27)


第二十八届磁共振脑网络数据处理班(上海,3.28-4.2)


第六届磁共振脑网络数据处理提高班(上海,4.5-10) 


第四届磁共振影像组学班(上海,4.13-17)


更新:第十二届任务态功能磁共振数据处理班(上海,4.21-25) 


南京:

第十八届磁共振脑影像结构班(南京,3.11-16) 


第二十七届磁共振脑网络数据处理班(南京,3.17-22) 


第五十八届磁共振脑影像基础班(南京,4.2-7)


第二十四届DTI班(南京,4.9-14)


北京:


第五届磁共振脑网络数据处理提高班(北京,3.8-13) 


第二十二届脑影像机器学习班(北京,3.23-28)


第五十九届磁共振脑影像基础班(北京,4.14-19)


第二十九届磁共振脑网络数据处理班(北京,4.22-27) 


重庆:

第十九届磁共振脑影像结构班(重庆,4.13-18)


第六十届磁共振脑影像基础班(重庆,4.21-26)


脑电及红外、眼动:

上海:


第三届R语言统计班(上海,3.16-20)


北京:


第二十一届近红外脑功能数据处理班(北京,3.15-20)


第六届脑电机器学习数据处理班(Python版,北京,3.31-4.5) 


第三十三届脑电数据处理中级班(北京,4.7-11) 


南京:


更新:第二十三届脑电数据处理入门班(南京,4.23-27)


重庆:


第二十四届脑电数据处理入门班(重庆,3.26-30)


招聘及产品:


思影科技招聘数据处理工程师 (上海,北京,南京)

BIOSEMI脑电系统介绍

目镜式功能磁共振刺激系统介绍


    此处给个“在看”及“点赞”,让更多朋友关注思影
继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存