整合高通量组学数据集鉴定潜在机制联系的计算框架

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 Guðmundsdóttir,  Anders Østergaard Petersen, Falk Hildebrand, Tuulia Hyötyläinen, Trine Nielsen, Torben Hansen, Peer Bork, S Dusko Ehrlich, Søren Brunak, Matej Oresic

导读

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。

摘要

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。

关键点

知识点1. 原始数据的序列处理和和输出文件

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。

图1. 整理人类表型、血清代谢组和肠道微生物组数据方法的流程图

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。

表1. 基于数据和知识的降维方法

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。

知识点2. 驱动物种分析背后的原理

图2. leave-one-MGS-out方法鉴定驱动物种的原理

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。

图3. 微生物组功能与表型和代谢物簇的关联

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。

图4. 以BCAA生物合成模块为例显示评估相关细节

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。

表2. 常见问题和解决方案

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

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

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”。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16S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