Diese Methode kann die interaktive Beziehung oder das Co-Vorkommensnetzwerk verschiedener mikrobieller Spezies in verschiedenen Umgebungen effektiv untersuchen. Es enthält Details zur Verwendung des WGCNA-Algorithmus, um ein Netzwerk von Mikrobiota zu konstruieren. Darüber hinaus bewertet diese Methode anhand der Ergebnisse die Differenzierung mikrobieller Beziehungen und Zusammensetzung zwischen mikrobiellen Konsortien.
Hier ist der grundlegende Ablauf der Methode. Die Zusammensetzungs- und Abundanzdaten der Mikrobiota werden aus der NCBI-Datenbank oder sequenzieren Daten für Ihre Proben heruntergeladen. Öffnen Sie zunächst die RStudio-Software und installieren Sie das WGCNA-Paket.
Laden Sie dann die Daten und verwenden Sie die Funktion der guten Probengene, um die Richtigkeit der Daten zu überprüfen. Suchen Sie nach Ausreißern und lagern Sie Muster, die unseren Anforderungen entsprechen. Wenn das Prüfergebnis wahr ist, fahren Sie mit dem nächsten Schritt fort.
Speichern Sie das Ergebnis. Verwenden Sie die Auswahlschwellenwertfunktion, um den skalenfreien Index R im Quadrat der Daten unter verschiedenen Leistungswerten zu berechnen. Visualisieren Sie die Ergebnisse.
Wenn der skalenfreie Index näher an eins ist, ist die Netzwerkstruktur näher am skalenfreien Netzwerk. Wenn der skalenfreie Index R im Quadrat größer als 0,9 ist, wählen Sie den Leistungswert aus. Verwenden Sie schließlich die gleiche Methode, um den Rest der Mikrobiomdaten zu analysieren.
Verwenden Sie zunächst die Adjazenzfunktion, um ein symbolisches Netzwerk für das gleichzeitige Auftreten zu erstellen. Verwenden Sie außerdem die TOM-Ähnlichkeitsfunktion, um ein topologisches, überlappendes Netzwerk zu entwickeln. Zweitens, verwenden Sie die Hclust-Funktion, um hierarchisches Clustering durchzuführen und die resultierende Clusterstruktur zu zeichnen.
Drittens: Verwenden Sie die dynamische Cutree-Funktion, um dynamisches Verzweigungsschneiden durchzuführen, und verwenden Sie den Parameter min cluster size, um die kleinste Modulgröße festzulegen. Die kleinste Modulgröße wird in der Regel über 30 eingestellt. Viertens, berechnen Sie die mikrobielle Charakteristik jedes Moduls.
Hierarchisches Clustering wird nach dem Korrelationskoeffizienten durchgeführt, und Module mit einer Höhe von weniger als 0,25 wurden zusammengeführt, um die Verteilung jedes Moduls zu erhalten. Fünftens, verwenden Sie die Plot-Dendro- und Farbenfunktion, um die Ergebnisse zu visualisieren. Das Zuordnungsanzeigediagramm des Netzwerkmoduls für das Gleichzeitige Vorkommen wird erhalten.
Benennen Sie dann die Modulfarben um und erstellen Sie digitale Etiketten, die den Farben entsprechen. Speichern Sie sie für die Verwendung in nachfolgenden Teilen. Wiederholen Sie abschließend den obigen Vorgang für andere Datensätze.
Vergleichen und analysieren Sie in diesem Teil die beiden Datensätze und führen Sie den Erhaltungstest durch. Laden Sie zunächst die Parameter und Ergebnisse der beiden Datasets, die in den vorherigen Schritten gespeichert wurden. Legen Sie dann die Modulergebnisse eines Datensatzes als Referenzgruppe, eines anderen als Testgruppe fest und führen Sie den Modulvergleich durch.
Als nächstes berechnen Sie die Werte der Konservativität, statistische Parameter, Z-Zusammenfassung und Medianrang, um die Konservativität zwischen den Modulen zu quantifizieren. Visualisieren Sie abschließend die Ergebnisse. Bestimmen Sie das Netzwerkmodul, das sowohl den Z-Zusammenfassungswert (kleiner als zwei) als auch den Medianrangwert oben erfüllt.
Dieses Modul ist das am besten erhaltene Modul in den beiden Mikrobiota-Daten. Führen Sie eine Korrelationsanalyse der Modulmitgliedschaft durch. Legen Sie die Modulzuordnungsergebnisse von zwei Netzwerken als Referenz bzw. Testgruppe fest.
Die Einstellungen müssen mit den Einstellungen des Erhaltungstests identisch sein. Zunächst wurde der KME-Wert jeder OTU in mehreren Kandidatenmodulen basierend auf den Ergebnissen des Erhaltungstests berechnet. Nehmen Sie das gelbe Modul als Beispiel.
Berechnen Sie den Korrelationskoeffizienten des KME-Werts in den beiden gelben Modulen und zeichnen Sie dann das Korrelationsanalysediagramm des KME-Werts im Modul. Beurteilen Sie schließlich anhand des Korrelationskoeffizienten in der Abbildung die Konservativität des Moduls in den beiden Datensätzen. Wählen Sie das Modul mit dem kleinsten Korrelationskoeffizienten aus.
Verwenden Sie zunächst die Funktion Netzwerk nach Cytoscape exportieren, um das Netzwerk in eine Edge- und Knotenlistendatei zu exportieren, die Cytoscape lesen kann. Importieren Sie dann die Datei in Cytoscape. Stellen Sie den Schwellenwert auf 0,5 ein und passen Sie andere Parameter nach Bedarf an.
Erhalten Sie schließlich ein Netzwerk verschiedener Mikroorganismen. In diesem Artikel wird der WGCNA-Algorithmus verwendet, um die Unterschiede in drei Nischen des Reiswurzelsystems zu analysieren. Wählen Sie den Leistungswert aus, der die drei Netzwerke zufrieden stellt, die sich in der Nähe des skalenfreien Netzwerks befanden.
Identifizieren Sie in der Endosphäre, rhizoplane und rhizosphere microbial occurrence network 23, 22 bzw. 21 Modelle. Verwenden Sie den Konservierungstest und die Korrelationsanalyse, um die extrem nicht-konservativen Module zwischen jeweils zwei Nischen des Reiswurzelsystems zu finden. Konstruieren Sie ein Co-Occurrence-Netzwerk für diese drei Module mit verschiedenen Farben, um verschiedene mikrobielle Phylum darzustellen.
Proteobakterien, Actinobakterien, Bacteroidetes, Firmicutes und Verrucomicrobia dominierten die drei verschiedenen mikrobiellen Netzwerke. Darüber hinaus regulieren 17 Kerngattungen hauptsächlich diese Netzwerke. Nachdem Sie sich dieses Video angeschaut haben, sollten Sie ein gutes Verständnis dafür haben, wie Sie eine Reihe von Schritten ausführen, um den WGCNA-Algorithmus zur Analyse verschiedener Co-Occurrence-Netzwerke zu verwenden, die in den mikrobiellen Gemeinschaften aufgrund unterschiedlicher ökologischer Umgebungen auftreten können.
