|
本文由阿童木根據(jù)實踐經(jīng)驗而整理,，希望對大家有幫助,。 原創(chuàng)微文，歡迎轉(zhuǎn)發(fā)轉(zhuǎn)載,。 KEGG 數(shù)據(jù)庫由Kanehisa Laboratories于1995年推出,，現(xiàn)在已經(jīng)發(fā)展成為一個綜合性數(shù)據(jù)庫。KEGG數(shù)據(jù)庫包含KEGG PATHWAY 和 KEGG ORTHOLOGY,。KEGG ORTHOLOGY 數(shù)據(jù)庫將行使相同功能的基因聚集成 Ortholog Groups (KO entries),，每個KO表示一類同源基因的功能。KEGG PATHWAY是一組手工繪制的通路圖,，代表我們對分子相互作用,、反應(yīng)和關(guān)系的認識。KEGG PATHWAY 數(shù)據(jù)庫將生物通路劃分為 6 類：細胞過程（Cellular Processes）、環(huán)境信息處理（Environmental Information Processing）,、遺傳信息處理（Genetic Information Processing）,、人類疾病（Human Diseases）,、新陳代謝（Metabolism）,、生物體系統(tǒng)（Organismal Systems），其中每類又被系統(tǒng)分類為二,、三,、四層，第二層目前包括有 57個子Pathway,；第三層是通路圖,；第四層是每個代謝通路圖的具體注釋信息。下面一起來看微生太宏基因組分析報告中基于KEGG數(shù)據(jù)庫分析的部分結(jié)果,。 一,、功能豐度概況 根據(jù)數(shù)據(jù)庫的注釋結(jié)果，繪制各樣品Pathway [level 1/2}/Module/KO的相對豐度統(tǒng)計圖,。下圖是相對豐度前20的Pathway Level1相對豐度柱形圖,，其中不同的顏色代表不同的 Pathway類別。 二,、LEfSe差異分析 LEfSe是一種結(jié)合了非參數(shù)檢驗和線性判別分析的方法,，常被用于尋找可以區(qū)分多組樣品的Biomarker。LEfSe分析結(jié)果中的Pathway/Module/KO的LDA>閾值,，表示該功能在相應(yīng)分組中豐度較高,，而在其他分組中豐度較低，可作為候選Biomarker,。下圖是Pathway的LEfSe分析LDA柱形圖,。 結(jié)果說明： 每一橫向柱形體代表一個Pathway，柱形體的長度對應(yīng)LDA值,，LDA值越高則差異越大。柱形的顏色對應(yīng)代謝通路ID是哪個分組的特征Pathway,，特征Pathway表示在對應(yīng)分組中豐度相對較高的Pathway,。為了方便客戶了解不同KEGG功能層級上的組間差異，微生太對各個功能層級進行LEfSe分析,。 三,、Pathway可視化 利用KEGG數(shù)據(jù)庫還可以繪制自己感興趣或者組間有顯著豐度差異的Pathway圖（如下），在通路圖中可以標注各個分組的特征基因（Gene biomarker）,。 另外,，點擊報告中的網(wǎng)頁文件可查看每個通路矩形節(jié)點的詳細信息，鼠標懸在矩形框上可以看到對應(yīng)通路節(jié)點有哪些KO在樣本中檢測到，以及這些KO是哪個分組的特征KO,。網(wǎng)頁形式如下： 四,、功能物種來源分析 LEfSe分析得到的差異Pathway/Module/KO結(jié)合HUMAnN2的分析結(jié)果，可進行功能物種來源分析,，分析特征Pathway/Module/KO在每個樣品的物種中的分布情況,。下圖是KO物種來源組成柱形圖。其中橫坐標對應(yīng)樣本,，以及樣本分組,，不同分組用不同顏色標出?？v坐標對應(yīng)各個樣本該功能的相對豐度,，不同物種來源用不同顏色標出。 五,、聚類分析 從Pathway/Module/KO的相對豐度表中篩選出最大豐度排名前20的功能,，接著可以通過對多個樣品的功能進行豐度聚類來考察Pathway/Module/KO豐度在不同樣品或者分組間的相似或差異性。下圖是Pathway聚類熱圖,。 六,、 Circos圖分析 Circos圖可以用于展示每個樣本中Pathway/Module/KO（豐度前10）的比例，以及各個功能在各個樣本中的比例,。下圖是Pathway在各個樣本中的分布Circos圖,。其中左半圈為豐度最高的十個Pathway，每個Pathway內(nèi),，不同顏色代表不同樣本來源的比例,；右邊半圈為樣本，樣本內(nèi)不同顏色代表不同Pathway的比例,。 七,、 相關(guān)分析 相關(guān)分析可用于分析環(huán)境因子或其它組學(xué)數(shù)據(jù)與宏組學(xué)數(shù)據(jù)之間的相關(guān)性。先選出豐度較高的Pathway/Module/KO,，再計算環(huán)境因子與抗性基因間的Spearman相關(guān)系數(shù)進行,，最后選出與環(huán)境因子相關(guān)最多的20個Pathway，可以得到如下的Pathway與環(huán)境因子之間的相互關(guān)系熱圖,。其中X軸上為環(huán)境因子,，Y軸為Pathway。R值（相關(guān)系數(shù)）在圖中以不同顏色展示,，右側(cè)圖例是不同R值的顏色區(qū)間,。* 0.01≤ P <0.05，** 0.001≤P < 0.01,，*** P < 0.001,。 八,、 RDA分析 RDA分析可用于研究環(huán)境因子、樣品,、功能三者之間的關(guān)系,，尋找影響樣品分布的重要環(huán)境驅(qū)動因子。RDA分析更多的描述請見前面的篇章,。下圖是兩種Pathway RDA分析的結(jié)果,。 RDA（展示功能） RDA（展示樣品） 感謝閱讀~
1 技術(shù)貼 | 微生太宏基因組報告解讀（開篇） 2 技術(shù)貼 | 微生太宏基因組報告解讀 | 第一篇：測序數(shù)據(jù)過濾 3 技術(shù)貼 | 微生太宏基因組報告解讀 | 第二篇：物種組成分析 4 技術(shù)貼 | 微生太宏基因組報告解讀 | 第三篇：物種分組統(tǒng)計分析 5 技術(shù)貼 | 微生太宏基因組報告解讀 | 第四篇：PCoA、NMDS,、RDA/CCA,、相關(guān)分析 6 技術(shù)貼 | 微生太宏基因組報告解讀 | 第五篇：EggNOG、CAZy,、CARD等7大數(shù)據(jù)庫助力宏基因組功能分析 |
|
|
