||
[TOC]
A computational framework to integrate high-throughput ‘-omics’ datasets for the identification of potential mechanistic links
Nature Protocols, [12.423], Article, 2018-10-31
原文链接: http://dx.doi.org/10.1038/s41596-018-0064-z
第一作者:Helle Krogh Pedersen
通讯作者:Oluf Pedersen, Henrik Bjørn Nielsen
主要单位:加州大学洛杉机分校,医学院
其它作者:Sofia K Forslund, Valborg Guemundsdóttir, Anders Østergaard Petersen, Falk Hildebrand, Tuulia Hyötyläinen, Trine Nielsen, Torben Hansen, Peer Bork, S Dusko Ehrlich, Søren Brunak, Matej Oresic
微生物组和代谢组等高维数据和表型关联分析复杂、解读困难;
分析的核心思想是降维:代谢组和微生物组物种通过数据驱动的聚类或分箱法降维;微生物组功能组成基于知识驱动如KEGG层级分类法降维;再筛选与表型显著相关的数据特征关联分析;
研究人员可以整理多组学和表型数据,获得出版级关联分析结果图表,快速建立宿主和微生物组与疾病严重程度和治疗结果间的潜在联系;
本计算框架由R脚本编写,可在个人电脑上1小时完成分析。
背景:我们最近发表了三管齐下的关联分析,整合宏基因组测序的人类肠道微生物组数据、非靶向的血清代谢组数据和宿主的生理指标。代谢组和微生物组数据是高维的,对于数据的整合提出了挑战。
结果:我们提出了逐步的计算方法,详细讨论了降维技术的使用,以及解析异质类型数据整合的方法。降维的方法主要结合数据标准化和共丰度基因和代谢物的分箱,以及整理已知的生物学知识。使用先验知识克服微生物组物种功能冗余是我们方法的核心。使用此框架,其它研究人员可以整理多组学和表型数据(如队列中建立宿主和微生物组与疾病严重程度和治疗结果间的联系),建立三管齐下的联系,用于实验设置。
结论:此框架最初是用于人类代谢组和微生物组研究,同样适用于其它物种和环境样本,同样适合整合其它组学如宏转录组、宏蛋白组。提供的R脚本在个人电脑上运行1小时左右。
在整合分析前,数据必须进行处理。对于微生物组数据,包括:(i) 序列预处理,包括质控、过滤宿主序列;(ii) 构建参考基因集,或选择己发表的基因集作为参考;(iii) 比对参考序列定量;(iv) 样本标准化,以便于下游可比;(v) 对基因分箱为物种组,降低维度。
对于代谢组数据,典型的处理流程包括:(i) 原始文件导入; (ii) 峰检测;(iii) 过滤和平滑;(iv) 峰列表去同位素;(v) 比对;(vi) 填补空白;(vii) 峰整合;(viii) 标准化;(ix) 最终峰或特征的鉴定
尽管这些步骤不在本方法的范畴内,我们引用我们之前的文章,或补充方法来进一步描述微生物组和代谢组数据的预处理,以便产生本方法的输入文件。
可用的示例数据保存于Git仓库 https://bitbucket.org/hellekp/clinical-micro-meta-integration 。它包括预处理微生物组、代谢组数据,以及397个体的表型信息,以及一系列功能微生物注释,宏基因组物种组和相应的微生物注释,以及手动注释的代谢物簇,详细描述在材料部分。
这些文件经历了上面数不尽的预处理过程。对于新数据,必须按具体的实验方法、实验过程和分析平台来进行详细的预处理。
在微生物组和代谢组预处理后,代谢物聚类为共丰度簇(5-7),微生物组数据整理为物种组成和KEGG模块丰度矩阵。下一步,表型过滤阶段,只保留与表型统计显著的features(8-12),这些features将用于跨领域的相关或关联分析(13-15)。最终,使用leave-one-MGS-out分析鉴定KEGG模块和对应驱动物种与HOMA-IR关联(17-19)。FDR代表错误发现率,IR代表胰岛素抗性,IS代表胰岛素敏感,Mod模块,neg负相关,pos正相关。本图修改自Pdersen等出版书籍中图片,己获授权。
微生物组数据驱动的方法主要有Binning,而知识驱动的方法主要是各功能注释数据库的层级分类。
为了简化说明原理,我们以一个KEGG模块为例,它包括三个KOs(KO1,KO2,KO3),并且只有一个KEGG模块与HOMA-IR表型用于关联分析
a. 计算Spearman相关系数(SCC)这三个KO与HOMA-IR相关,b. 这三个KO相关的中位数使用代表KEGG信号。
c, 重复a,b方法于所有基因,组成假定的MGS,移除MGSi
d, 计算移除前后的的信号变化。最后c,d步来计算每个MGS。可以鉴定物种驱动的KEGG模块。
流程15步产生的样本图。表型组、肠道菌群和代谢组的关联图谱。
左侧面板为KEGG模块相关的表型,颜色为关联的方向,红为负相关,蓝为正相关,灰为不显著。右则为KEGG与代谢模块间相关,颜色代表Spearman相关系数,并标注FDR显著性统计。
结果的解释,我们看到KEGG模块和代谢簇分为两组:代谢偏好和不偏好两类由胰岛素抗性决定,发现广泛的、正或负相关的、跨组学的关联;跨领域的关联分析,经常可以看到规律。但前提是,在一方向特征在相同的维度上参与,如健康或疾病在相关稳定时,可以预测一些相关的行为。
leave-one-MGS-out第19步产生的结果样本图展示整合的BCAA生物合成模块(包括M00019, M00570, M00535和M00432共13个KOs)。
a. 模块中KOs的SCC分布和背景(蓝)比较;
b. 关键模块在总体中去除,去关联中位数的影响;
c. 基于背景校正的相关系数原理。
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2400+ 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
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-2 17:21
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社