Questo metodo può esplorare efficacemente la relazione interattiva o la rete di co-occorrenza di diverse specie microbiche in ambienti diversi. Fornisce dettagli su come utilizzare l'algoritmo WGCNA per costruire una rete di co-occorrenza di microbiota. Inoltre, sulla base dei risultati, questo metodo valuta la differenziazione delle relazioni microbiche e la composizione tra i consorzi microbici.
Ecco il flusso di base del metodo. I dati di composizione e abbondanza del microbiota vengono scaricati dal database NCBI o dai dati di sequenza per i campioni. Innanzitutto, apri il software RStudio e installa il pacchetto WGCNA.
Quindi, caricare i dati e utilizzare la funzione dei geni dei buoni campioni per verificare la correttezza dei dati. Verifica la disponibilità di valori anomali e campioni di archiviazione che soddisfano i nostri requisiti. Quando il risultato del controllo è true, passare al passaggio successivo.
Salvare il risultato. Utilizzare la funzione di soglia di pick off per calcolare l'indice senza scala, R al quadrato, dei dati con valori di potenza diversi. Visualizza i risultati.
Quando l'indice senza scala è più vicino a uno, la struttura della rete è più vicina alla rete senza scalabilità. Quando l'indice senza scala, R al quadrato, è maggiore di 0,9, selezionare il valore di potenza. Infine, utilizzare lo stesso metodo per analizzare il resto dei dati del microbioma.
Innanzitutto, utilizzare la funzione di adiacenza per costruire una rete di co-occorrenza simbolica. Inoltre, utilizzare la funzione di somiglianza TOM per sviluppare una rete topologica e sovrapposta. In secondo luogo, utilizzare la funzione Hclust per eseguire il clustering gerarchico e disegnare l'albero del cluster risultante.
In terzo luogo, utilizzare la funzione dinamica cutree per eseguire il taglio dinamico dei rami e utilizzare il parametro min cluster size per impostare la dimensione del modulo più piccola. La dimensione più piccola del modulo è solitamente impostata su 30. In quarto luogo, calcolare le caratteristiche microbiche di ciascun modulo.
Il clustering gerarchico viene eseguito in base al coefficiente di correlazione e i moduli con un'altezza inferiore a 0,25 sono stati uniti per acquisire la distribuzione di ciascun modulo. Quinto, usa la funzione plot dendro e colori per visualizzare i risultati. Si ottiene il diagramma di visualizzazione delle assegnazioni del modulo di rete di co-occorrenza.
Quindi, rinominare i colori del modulo e costruire etichette digitali corrispondenti ai colori. Salvarli per l'uso nelle parti successive. Infine, ripetere il processo precedente per altri set di dati.
In questa parte, confrontare e analizzare i due set di dati ed eseguire il test di conservazione. Innanzitutto, caricare i parametri e i risultati dei due set di dati salvati nei passaggi precedenti. Quindi, impostare i risultati del modulo di un set di dati come gruppo di riferimento, un altro come gruppo di test ed eseguire il confronto del modulo.
Successivamente, calcolare i valori della prudenza, i parametri statistici, il riepilogo Z e il rango mediano per quantificare la conservatività tra i moduli. Infine, visualizza i risultati. Determinare il modulo di rete che soddisfa sia il valore di riepilogo Z, inferiore a due, sia il valore di rango mediano in alto.
Questo modulo è il modulo più non conservato nei due dati del microbiota. Eseguire l'analisi di correlazione dell'appartenenza al modulo. Impostare i risultati dell'assegnazione dei moduli di due reti rispettivamente come riferimento e gruppo di test.
Le impostazioni devono essere le stesse del test di conservazione. In primo luogo, il valore KME di ciascun OTU è stato calcolato in diversi moduli candidati in base ai risultati del test di conservazione. Prendi il modulo giallo come esempio.
Calcolare il coefficiente di correlazione del valore KME nei due moduli gialli, quindi disegnare il diagramma di analisi di correlazione del valore KME nel modulo. Infine, in base al coefficiente di correlazione in figura, giudicare la conservatività del modulo nei due set di dati. Selezionare il modulo con il coefficiente di correlazione più piccolo.
Innanzitutto, utilizzare la rete di esportazione in funzione Cytoscape per esportare la rete in un file edge e elenco di nodi che Cytoscape può leggere. Quindi, importare il file in Cytoscape. Impostare la soglia su 0,5 e regolare altri parametri in base alle esigenze.
Infine, ottenere una rete di co-occorrenza di diversi microrganismi. In questo articolo, l'algoritmo WGCNA viene utilizzato per analizzare le differenze in tre nicchie del sistema delle radici di riso. Selezionare il valore di alimentazione che soddisfaceva le tre reti vicine alla rete senza scalabilità.
Nella rete di presenza microbica dell'endosfera, del rizopiano e della rizosfera, identificare rispettivamente 23, 22 e 21 modelli. Usa il test di conservazione e l'analisi di correlazione per trovare i moduli estremamente non conservativi tra ciascuna delle due nicchie del sistema delle radici del riso. Costruisci una rete di co-occorrenza per questi tre moduli usando colori diversi per rappresentare diversi phylum microbici.
Proteobatteri, Actinobacteria, Bacteroidetes, Firmicutes e Verrucomicrobia hanno dominato le tre diverse reti microbiche. Inoltre, 17 generi principali regolano principalmente queste reti. Dopo aver guardato questo video, dovresti avere una buona comprensione di come eseguire una serie di passaggi per utilizzare l'algoritmo WGCNA per analizzare diverse reti di co-occorrenza che possono verificarsi nelle comunità microbiche a causa di diversi ambienti ecologici.
