QIIME 2教程. 16纵向和成对样本比较q2-longitudinal(2020.11)
文章目录
- 进行纵向和成对样本比较`q2-longitudinal`
- 成对差异比较
- 成对距离比较
- 线性混合效应模型
- 波动性分析
- 第1个差异法跟踪变化率
- 与从静态时间点比较跟踪变化率
- 非参数微生物相关性试验（NMIT）
- 特征波动性分析
- “成熟指数”预测
- 译者简介
- Reference
- 猜你喜欢
- 写在后面
进行纵向和成对样本比较q2-longitudinal
Performing longitudinal and paired sample comparisons with q2-longitudinal
https://docs.qiime2.org/2020.11/tutorials/longitudinal/
注：此实例需要完成本系列文章《1简介和安装》
本教程将演示q2-longitudinal的各种特性，这个插件支持纵向研究设计和成对样本的统计和可视化比较，以确定样本在观察“状态”之间是否或如何变化。“状态”通常与时间或环境梯度有关，对于成对分析（成对距离和成对差异），样本对通常由在两个不同时间点观察到的同一个体组成。例如，在接受治疗之前和之后收集临床研究中患者的粪便样本。
“状态States”通常也可以是方法论的，在这种情况下，样本对通常是同一个人同时使用两种不同的方法。例如，q2-longitudinal可以比较不同采集方法、存储方法、DNA提取方法或任何生物信息处理步骤对单个样本特征组成的影响。
注释：
q2-longitudinal中的许多操作都将度量值metric作为输入，通常是元数据文件中的列名或元数据可转换的对象（包括alpha多样性向量、PCoA结果和许多其他QIIME 2对象）或特征表中的特征ID。元数据文件和元数据可转换对象中有效度量值的名称，可以使用元数据表格命令metadata tabulate进行检查和可视化。可以使用feature-data summary命令检查有效的特征名称（用作与特征表关联的度量值）。
以下流程图说明了所有纵向分析所涉及的工作流程（图1）。下面的教程将更详细地描述这些操作中的每一个步骤。
图1. 纵向样本分析流程
在下面的实例中，我们使用来自ECAM研究的数据(2016年科学转化医学的一篇文章)，这是一项对婴儿和母亲从出生到2岁过程微生物组的纵向研究。首先，我们创建一个新目录并下载相关的测试数据。
mkdir -p longitudinal
cd longitudinalwget -c http://210.75.224.110/github/QIIME2ChineseManual/2020.11/longitudinal/ecam-sample-metadata.tsvwget \-O "shannon.qza" \"https://data.qiime2.org/2020.11/tutorials/longitudinal/ecam_shannon.qza" wget \-O "unweighted_unifrac_distance_matrix.qza" \"https://data.qiime2.org/2020.11/tutorials/longitudinal/unweighted_unifrac_distance_matrix.qza"
成对差异比较
Pairwise difference comparisons
成对差异测试确定成对样本（例如，治疗前和治疗后）之间特定指标的值是否发生显著变化。
该可视化工具目前支持对特征表中的特征丰度（例如微生物序列变体ASV或分类群）或示例元数据文件中的元数据值进行比较。α多样性值（如观察到的序列数量）和β多样性值（如主坐标轴数值）是与这些测试进行比较的常用指标，应包含在作为输入提供的元数据文件中。在下面的示例中，我们将根据分娩方式(delivery)分组测试ECAM数据中两个不同时间点之间的α多样性（香农多样性指数）是否发生显著变化。
qiime longitudinal pairwise-differences \--m-metadata-file ecam-sample-metadata.tsv \--m-metadata-file shannon.qza \--p-metric shannon \--p-group-column delivery \--p-state-column month \--p-state-1 0 \--p-state-2 12 \--p-individual-id-column studyid \--p-replicate-handling random \--o-visualization pairwise-differences.qzv
输入对象:
unweighted_unifrac_distance_matrix.qza: 非权重unifrac矩阵。 查看 | 下载shannon.qza: 香农多样性指数。 查看 | 下载
输出可视化:
pairwise-differences.qzv: 成对比较结果可视化。 查看 | 下载
成对距离比较
Pairwise distance comparisons
成对距离pairwise-distances可视化器还可以评估来自两个不同“状态states”的成对样本之间的变化，但是它不是使用元数据列或对象作为输入，而是在距离矩阵上进行操作以评估“前”和“后”样本对之间的距离 ，并检验group-column参数指定的不同组之间的配对差异是否显着不同。 在这里，我们使用此动作来比较ECAM数据集中12个月时间范围内阴道出生和剖宫产婴儿的微生物群组成的稳定性。
qiime longitudinal pairwise-distances \--i-distance-matrix unweighted_unifrac_distance_matrix.qza \--m-metadata-file ecam-sample-metadata.tsv \--p-group-column delivery \--p-state-column month \--p-state-1 0 \--p-state-2 12 \--p-individual-id-column studyid \--p-replicate-handling random \--o-visualization pairwise-distances.qzv
输出可视化:
pairwise-distances.qzv: 成对比较距离的可视化。 查看 | 下载
成对变化是不可忽略的因素，我们看到组间没有显著差异。
线性混合效应模型
Linear mixed effect models
线性混合效应（LME）模型测试单个响应变量与一个或多个独立变量之间的关系，其中观察是在依赖样本之间进行的，例如在重复测量抽样实验中。开展此分析将至少一个数值状态列state-column（例如，时间）和一个或多个逗号分隔的组列group-columns（可以是分类或数值元数据列；这些是固定效果）作为LME模型中的独立变量，并将响应变量的回归图（“metric”）作为状态列的函数和每个组列。此外，individual-id-column参数应该是一个元数据列，该列指示重复采样的单个类型或地点。响应变量可以是示例元数据映射文件列，也可以是特征表中的特征ID。也可以将逗号分隔的随机效果列表输入到该操作中；默认情况下，包括每个个体的随机截距，但用户可能希望使用的另一个常见随机效果是每个个体的随机斜率，可以使用状态列state-column值作为随机效应random-effects参数的输入来设置该斜率。在这里，我们使用LME在ECAM数据集中测试alpha多样性（香农多样性指数）是否随时间变化以及对分娩方式、饮食和性别的响应。
注释: 决定一个因素是固定效应还是随机效应可能很复杂。一般来说，如果不同的因子级别（元数据列值）表示（或多或少）所有可能的离散值，那么因子应该是固定效应。例如，在下面的例子中，分娩方式、性别和饮食（主要是母乳喂养或配方奶粉喂养）被指定为固定效应。相反，如果一个因子的值代表一个总体的随机样本，那么它应该是一个随机效应。例如，我们可以想象有一些元数据变量，如体重、母乳中的每日卡路里kcal、每天吃的花生数量或每天服用的青霉素毫克数；这些值代表一个群体中的随机样本，不太可能代表整个群体的所有可能值。不确定你实验中的因素吗？
QIIME 2教程. 16纵向和成对样本比较q2-longitudinal(2020.11)相关推荐
- QIIME 2教程. 16纵向和成对样本比较q2-longitudinal(2021.2)
进行纵向和成对样本比较q2-longitudinal Performing longitudinal and paired sample comparisons with q2-longitudina ...
- QIIME 2用户文档. 16纵向和成对样本比较q2-longitudinal(2019.7)
前情提要 NBT:QIIME 2可重复.交互和扩展的微生物组数据分析平台 1简介和安装Introduction&Install 2插件工作流程概述Workflow 3老司机上路指南Experi ...
- QIIME 2教程. 25可用和开发中插件AvailableFuturePlugins(2020.11)
文章目录 可用插件 alignment对齐:[用于生成和处理序列对齐](https://docs.qiime2.org/2020.11/plugins/available/alignment/) co ...
- QIIME 2教程. 04人体微生物组分析Moving Pictures(2020.11)
文章目录 QIIME 2用户文档. 4人体各部位微生物组 本节视频视频教程 启动QIIME2运行环境 样本元数据 下载和导入数据 拆分样品 序列质控和生成特征表 方法1. DADA2 方法2. Deb ...
- QIIME 2教程. 32如何写方法和引用Citing(2020.11)
文章目录 引用QIIME 2 引用插件 检索特定于插件的引用 Retrieving plugin-specific citations 使用来源追溯列出引用 Using provenance to l ...
- QIIME 2教程. 19使用q2-vsearch聚类ASVs为OTUs(2020.11)
文章目录 使用`q2-vsearch`聚类序列为OTUs 下载数据 序列去冗余 特征[频率]和特征数据[序列]的聚类 无参/从头聚类 有参聚类 半有参/开放参考聚类 译者简介 Reference 猜你 ...
- QIIME 2教程. 13训练特征分类器Training feature classifiers(2020.11)
文章目录 训练特征分类器 下载并导入参考序列 提取参考序列 训练分类集 测试分类集 分类真菌ITS序列 译者简介 译者简介 Reference 猜你喜欢 写在后面 训练特征分类器 Training f ...
- QIIME 2用户文档. 16鉴定和过滤嵌合体序列q2-vsearch(2018.11)
文章目录 前情提要 鉴定和过滤嵌合体序列`q2-vsearch` 数据下载 无参嵌合体鉴定 可视化统计结果 过滤特征表和序列 过滤嵌合体和可疑序列 过滤嵌合但保留可疑序列 Reference 译者简介 ...
- QIIME 2教程. 22命令行界面q2cli(2020.11)
文章目录 命令行界面`q2cli` 基本用法 Basic usage 开启命令行补全Enable command-line tab completion Bash Zsh 验证标签页完成 Verify ...
最新文章
- [软件工程]技术规格说明书
- 如何卸载挂载的共享文件夹
- epoch,iteration,batch,batch_size
- history linux 日志服务器_编译bash实现history的syslog日志记录
- 无监督学习与监督学习的区别
- 【C++11新特性】 C++11智能指针之weak_ptr
- 这些Windows 10隐藏秘技，你知道几个？
- 如何在 Apple TV 上更快地打开您喜爱的应用？
- ICESat 数据介绍
- php jwt使用案例,PHP JWT初识及其简单示例
- MK60单片机开发环境-IAR Embedded Workbench的搭建
- profinet远程IO总线模块IP67防护等级的优势
- osr matlab,DPD-Matlab-FPGA 好不容易找到的马岳林的 数字预失真 DPD仿真代码 包括 simulink 和 实现 275万源代码下载- www.pudn.com...
- 供应链成功绝对离不开的三个要素，你知道吗
- linux命令get命令使用,Linux apt-get命令使用方法
- 学习退款数据分析思路
- 未能将文件 *** \bin\Release\**.dll 复制到 \obj\Release\Package\PackageTmp\bin\***.dll VS发布程序报错 解决办法
- TimX_Ch1与TimX_Ch1N的差异
- QQ音乐for Mac 已经登陆MAC OSX
- 2022国自然中标至少1篇1区代表作？没中接下来怎么办？
热门文章