MetaCoMET----核心微生物组分析在线工具
The following article is from 红皇后学术 Author 红皇后学术
写在前面
前两篇推文都是在介绍Venn图的绘制方法，其实在微生物群落研究中，Venn图的本质是识别样品中共有和特有的微生物，其中更重要的可能是共有的微生物，也可以说是研究样本中的核心微生物组。
通过对各样本间共有微生物组成及分类学的分析，进一步结合共有微生物在不同样本间丰度的变化研究，可以得到很多有价值的研究结果。
但是Venn图只能识别共有微生物的数目，而这些共有微生物的分类学及其丰度信息就需要研究人员自行进行分析，其结果的提取和数据的处理都是相当繁琐的，今天给大家带来一个在线的核心微生物组分析工具，上传数据后就可一键得到Venn图，以及Venn图中不同部分微生物数据的详细分析结果。
MetaCoMET
MetaCoMET，全称Metagenomics Core Microbiome Exploration Tool，是一个可以对微生物群落中核心微生物组进行识别、分析及数据可视化的综合性在线平台。
数据上传
进入网站后，点击右侧的“Start”按钮就可开始进行分析。
MetaCoMET的分析需要上传3个文件，分别为含有OTU注释结果的BIOM文件、样本的metadata文件和OTU的系统发育树，选择好文件后，点击Upload。
上传完成文件后，系统会自动识别文件中的样品和分组信息，之后可以手动确认样品名、组名和分组信息，双击响应的位置即可修改。
该工具还提供了一些基本的分析参数的修改。
MetaCoMET提供了3种核心微生物组的分析方法，分别为Membership、Composition和Persistence。
Membership是最简单也是最标准的核心微生物组分析方法，其依赖于一个OTU在样品中是否存在。
Composition是依赖于OTU的相对丰度，其先将一个OTU分配给该OTU相对丰度最高的组，这个OTU是否还存在与其它组中，依赖于不同组中该OTU相对丰度与丰度最高组的比值，通常该比值设定为0.8。
Persistence要求OTU至少在一定比例样本中存在，才将其进行后续分析。
选择好分析参数后，可以填入分析项目的名称 (自定义) 和E-mail地址，点击Submit即可。
分析大概要持续十几分钟到几个小时不等，可以将网页保存到收藏夹，过一段时间再来看是否分析完成。
分析结果
结果页面的上半部分是Venn分析的结果，可以调整Venn图的显示颜色，并且给出了一些Venn分析的结果统计。
下半部分是对微生物群落的分析结果，包括物种分类学及其丰度，物种聚类热图、OTU列表、PCoA、alpha多样性和物种丰度差异统计。
默认的物种分类学统计结果是使用KRONA展示的交互式图片，也可点击图片上方的“Stacked bar chart”会打开一个新的页面使用堆叠条形图展示结果 (⚠️要用Chorme，其它浏览器好像不显示条形图)。
结果中有两个PCoA，分别是基于Unweighted Unifrac和Weighted Unifrac，结果与QIIME的分析结果是一致的。
Alpha多样性指数的结果给出了Chao1、shannon、observed_otus和PD_whole_tree4种，默认是以箱须图展示组间差异，也可以获得单独样品的alpha多样性结果。
感觉其它结果并没有太多的实用价值，大家可以自行了解一下。
核心微生物组分析
MetaCoMET最重要的功能就是核心微生物组的分析，点击Venn图中相应区域对应的数字，即可打开一个新的页面，给出了该区域物种的分析结果。
分析的结果同样包括物种分类学及其丰度，聚类热图、OTU列表、PCoA、alpha多样性指数和丰度差异统计结果。
在该页面可以得到不同组间共有或特有OTU的系统发育、组成、丰度、多样性对样品分组的解释扽等各种分析结果。
MetaCoMET地址：https://probes.pw.usda.gov/MetaCoMET/
猜你喜欢
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
文献阅读 热心肠 SemanticScholar Geenmedical
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
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”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。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，仍未解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”