Este método puede explorar eficazmente la relación interactiva o la red de co-ocurrencia de diferentes especies microbianas en diferentes entornos. Proporciona detalles sobre cómo utilizar el algoritmo WGCNA para construir una red de co-ocurrencia de microbiota. Además, en base a los resultados, este método evalúa la diferenciación de las relaciones microbianas y la composición entre los consorcios microbianos.
Aquí está el flujo básico del método. Los datos de composición y abundancia de la microbiota se descargan de la base de datos del NCBI o de los datos de secuencia para sus muestras. Primero, abra el software RStudio e instale el paquete WGCNA.
Luego, cargue los datos y use la función de genes de buenas muestras para verificar la exactitud de los datos. Verifique los valores atípicos y almacene muestras que cumplan con nuestros requisitos. Cuando el resultado de la comprobación sea verdadero, continúe con el siguiente paso.
Guarde el resultado. Utilice la función de umbral de selección para calcular el índice libre de escala, R al cuadrado, de los datos bajo diferentes valores de potencia. Visualiza los resultados.
Cuando el índice libre de escala está más cerca de uno, la estructura de la red está más cerca de la red libre de escala. Cuando el índice libre de escala, R al cuadrado, sea mayor que 0,9, seleccione el valor de potencia. Finalmente, utilice el mismo método para analizar el resto de los datos del microbioma.
Primero, use la función de adyacencia para construir una red simbólica de co-ocurrencia. Además, utilice la función de similitud TOM para desarrollar una red topológica superpuesta. En segundo lugar, utilice la función Hclust para realizar la agrupación jerárquica y dibujar el árbol de clústeres resultante.
En tercer lugar, utilice la función dinámica cutree para realizar el corte dinámico de ramas y utilice el parámetro de tamaño de clúster mínimo para establecer el tamaño de módulo más pequeño. El tamaño de módulo más pequeño generalmente se establece en más de 30. Cuarto, calcular la característica microbiana de cada módulo.
El clustering jerárquico se realiza de acuerdo con el coeficiente de correlación, y los módulos con una altura inferior a 0,25 se fusionaron para adquirir la distribución de cada módulo. Quinto, use la función dendro y colores de la gráfica para visualizar los resultados. Se obtiene el diagrama de visualización de asignación del módulo de red de co-ocurrencia.
Luego, cambie el nombre de los colores del módulo y construya etiquetas digitales correspondientes a los colores. Guárdelos para usarlos en piezas posteriores. Finalmente, repita el proceso anterior para otros conjuntos de datos.
En esta parte, compare y analice los dos conjuntos de datos y realice la prueba de preservación. Primero, cargue los parámetros y resultados de los dos conjuntos de datos guardados en los pasos anteriores. A continuación, establezca los resultados del módulo de un conjunto de datos como grupo de referencia, otro como grupo de prueba y realice la comparación del módulo.
A continuación, calcule los valores del conservador, los parámetros estadísticos, el resumen Z y el rango medio para cuantificar el conservativeismo entre módulos. Finalmente, visualiza los resultados. Determine el módulo de red que satisface tanto el valor de resumen Z, menos de dos, como el valor de rango medio en la parte superior.
Este módulo es el módulo más no conservado en los dos datos de microbiota. Realizar análisis de correlación de la pertenencia al módulo. Establezca los resultados de asignación de módulos de dos redes como referencia y grupo de prueba respectivamente.
La configuración debe ser la misma que la prueba de preservación. En primer lugar, el valor kmE de cada OTU se calculó en varios módulos candidatos en función de los resultados de la prueba de preservación. Tomemos el módulo amarillo como ejemplo.
Calcule el coeficiente de correlación del valor KME en los dos módulos amarillos, luego dibuje el diagrama de análisis de correlación del valor KME en el módulo. Finalmente, de acuerdo con el coeficiente de correlación en la figura, juzgue el conservador del módulo en el conjunto de dos datos. Seleccione el módulo con el coeficiente de correlación más pequeño.
Primero, utilice la función exportar red a Cytoscape para exportar la red a un archivo de lista de bordes y nodos que Cytoscape pueda leer. A continuación, importe el archivo en Cytoscape. Establezca el umbral en 0,5 y ajuste otros parámetros según sea necesario.
Finalmente, obtener una red de co-ocurrencia de diferentes microorganismos. En este artículo, el algoritmo WGCNA se utiliza para analizar las diferencias en tres nichos del sistema de raíces de arroz. Seleccione el valor de potencia que satisfizo las tres redes que estaban cerca de la red libre de escala.
En la red de ocurrencia microbiana de endosfera, rizóplano y rizosfera, identifique 23, 22 y 21 modelos respectivamente. Utilice la prueba de preservación y el análisis de correlación para encontrar los módulos extremadamente no conservadores entre cada dos nichos del sistema de raíces de arroz. Construir una red de co-ocurrencia para estos tres módulos usando diferentes colores para representar diferentes filos microbianos.
Proteobacteria, Actinobacteria, Bacteroidetes, Firmicutes y Verrucomicrobia dominaron las tres redes microbianas diferentes. Además, 17 géneros centrales regulan principalmente estas redes. Después de ver este video, debe tener una buena comprensión de cómo realizar una serie de pasos para usar el algoritmo WGCNA para analizar diferentes redes de co-ocurrencia que pueden ocurrir en las comunidades microbianas debido a diferentes entornos ecológicos.
