Name: assisted selection of biomarkers by linear discriminant analysis effect size (lefse) in microbiome data
Uploaded: 2022-05-16T14:00:00
Description: Watch this Scientific Journal Video about Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data at JoVE.com

تم دعم هذا العمل من خلال منحة من صناديق البحوث الأساسية للمعاهد المركزية لبحوث الرفاه العام (TKS170205) ومؤسسة تطوير العلوم والتكنولوجيا ، ومعهد تيانجين لبحوث هندسة النقل المائي (TIWTE) ، M.O.T. (KJFZJJ170201).

ملاحظة: تم الحصول على البروتوكول وتعديله من بحث Segata et al.3. يتم توفير الطريقة في https://bitbucket.org/biobakery/biobakery/wiki/lefse.
1. إعداد ملف الإدخال للتحليل
<ol><li>قم بإعداد ملف الإدخال (الجدول 1) الخاص ب LEfSe ، والذي يمكن إنشاؤه بسهولة بواسطة العديد من مهام سير العمل...

<ol>
	<li>Bolyen, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reproducible,+interactive,+scalable+and+extensible+microbiome+data+science+using+QIIME+2.">Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2.</a> Nature Biotechnology. 37 (8), 852-857 (2019).</li><li>Knight, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Best+practices+for+analysing+microbiomes.">Best practices for analysing microbiomes.</a> Nature Reviews. Microbiology. 16 (7), 410-422 (2018).</li><li>Segata, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Metagenomic+biomarker+discovery+and+explanation.">Metagenomic biomarker discovery and explanation.</a> Genome Biology. 12 (6), 60 (2011).</li><li>. Biobakery / lefse [tool] Available from: <a target="_blank" href="https://bitbucket.org/biobakery/biobakery/wiki/lefse">https://bitbucket.org/biobakery/biobakery/wiki/lefse</a> (2019)</li><li>Kruskal, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+nonparametric+test+for+the+several+sample+problem.">A nonparametric test for the several sample problem.</a> The Annals of Mathematical Statistics. 23 (4), 525-540 (1952).</li><li>Wilcoxon, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Individual+comparisons+by+ranking+methods.">Individual comparisons by ranking methods.</a> Biometrics Bulletin. 1 (6), 80-83 (1945).</li><li>Fisher, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+use+of+multiple+measurements+in+taxonomic+problems.">The use of multiple measurements in taxonomic problems.</a> Annals of Eugenics. 7 (1), 179-188 (1936).</li><li>Liu, Y. X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+practical+guide+to+amplicon+and+metagenomic+analysis+of+microbiome+data.">A practical guide to amplicon and metagenomic analysis of microbiome data.</a> Protein and Cell. 41 (7), 1-16 (2020).</li><li>Shahi, S. K., Zarei, K., Guseva, N. V., Mangalam, A. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microbiota+analysis+using+two-step+PCR+and+next-generation+16S+rRNA+gene+sequencing.">Microbiota analysis using two-step PCR and next-generation 16S rRNA gene sequencing.</a> Journal of Visualized Experiments: JoVE. (152), e59980 (2019).</li><li>Gr&#252;ning, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bioconda:+sustainable+and+comprehensive+software+distribution+for+the+life+sciences.">Bioconda: sustainable and comprehensive software distribution for the life sciences.</a> Nature Methods. 15 (7), 475-476 (2018).</li><li>Blankenberg, D., Chilton, J., Coraor, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Galaxy+external+display+applications:+closing+a+dataflow+interoperability+loop.">Galaxy external display applications: closing a dataflow interoperability loop.</a> Nature Methods. 17 (2), 123-124 (2020).</li><li>Langille, M. G. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predictive+functional+profiling+of+microbial+communities+using+16S+rRNA+marker+gene+sequences.">Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences.</a> Nature Biotechnology. 31 (9), 814-821 (2013).</li><li>Shilei, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reservoir+water+stratification+and+mixing+affects+microbial+community+structure+and+functional+community+composition+in+a+stratified+drinking+reservoir.">Reservoir water stratification and mixing affects microbial community structure and functional community composition in a stratified drinking reservoir.</a> Journal of Environmental Management. 267, 110456 (2020).</li></ol>

هنا ، يتم وصف بروتوكول تحديد وتوصيف المؤشرات الحيوية داخل مجموعات مختلفة. يمكن بسهولة تكييف هذا البروتوكول مع أنواع العينات الأخرى ، مثل OTUs للكائنات الحية الدقيقة. يمكن للطريقة الإحصائية بواسطة LEfSe العثور على الكائنات الحية الدقيقة المميزة في كل مجموعة (الافتراضي هو LDA >2) ، أي الكائنات الح...

المؤشرات الحيوية هي خصائص بيولوجية يمكن قياسها ويمكن أن تشير إلى بعض الظواهر مثل العدوى أو المرض أو البيئة. من بينها ، قد تكون المؤشرات الحيوية الوظيفية وظائف بيولوجية محددة لنوع واحد أو مشتركة بين بعض الأنواع ، مثل الجينات والبروتين والمستقلب والمسارات. إلى جانب ذلك ، تشير المؤشرات الحيوية التصنيفية إلى نوع غير عادي ، أو مجموعة من الكائنات الحية (المملكة ، الفصيلة ، الطبقة ، الترتيب ، العائلة ، الجنس ، الأنواع) ، أو Varient Sequence Amplicon (ASV)1 ، أو وحدة التصنيف التشغيلية (OTU)2. من أجل العثور على المؤشرات الحيوية بسرعة ودقة أكبر ، من الضروري وجود أداة لتحليل البيانات البيولوجية. يمكن تفسير الاختلافات بين الفئات بواسطة LEfSe إلى جانب الاختبارات القياسية للدلالة الإحصائية والاختبارات الإضافية التي تشفر الاتساق البيولوجي وأهمية التأثير3. يتوفر LEfSe كوحدة مجرة ، وصيغة كوندا ، وصورة عامل رصيف ، ويتم تضمينه في bioBakery (VM و cloud)4. بشكل عام ، غالبا ما يستخدم تحليل التنوع الميكروبي اختبارا غير بارامتري للتوزيع غير المؤكد لمجتمع العينة. اختبار مجموع الرتب هو طريقة اختبار غير بارامترية ، والتي تستخدم رتبة العينات لتحل محل قيمة العينات. وفقا لاختلاف مجموعات العينات ، يمكن تقسيمها إلى عينتين مع اختبار مجموع رتبة ويلكوكسون وإلى عينات متعددة مع اختبار Kruskal-Wallis 5,6. ومن الجدير بالذكر أنه عندما تكون هناك اختلافات كبيرة بين مجموعات متعددة من العينات، ينبغي إجراء اختبار مجموع الرتب للمقارنة الزوجية لعينات متعددة. LDA (الذي يرمز إلى التحليل التمييزي الخطي) الذي اخترعه رونالد فيشر في عام 1936 ، هو نوع من التعلم تحت الإشراف ، والمعروف أيضا باسم Fisher's Linear Discriminant7. إنها خوارزمية كلاسيكية وشعبية في المجال الحالي لاستخراج بيانات التعلم الآلي.
هنا ، تم تحسين فحص LEfSe بواسطة خوادم Conda و Galaxy. يتم تحليل ثلاث مجموعات من تسلسلات جينات 16S rRNA لإظهار الاختلافات الكبيرة بين المجموعات المختلفة مع درجات LDA من المجتمعات الميكروبية ونتائج التصور.

<table border="0" cellpadding="0" cellspacing="0" style="border-collapse:
 collapse;width:499pt" width="665">
	<tbody>
		<tr height="21" style="height:15.75pt">
			<td class="xl65" height="21" style="height:15.75pt;width:162pt" width="216">No materials used</td>
			<td class="xl65" style="width:91pt" width="121"></td>
			<td class="xl65" style="width:121pt" width="161"></td>
			<td class="xl66" style="width:125pt" width="167"></td>
		</tr>
	</tbody>
</table>

assisted selection of biomarkers by linear discriminant analysis effect size (lefse) in microbiome data

هناك اهتمام متزايد نحو الجينوم البيولوجي المغلق في البيئة والصحة. لاستكشاف والكشف عن الاختلافات بين المجموعات بين العينات أو البيئات المختلفة ، من الأهمية بمكان اكتشاف المؤشرات الحيوية ذات الاختلافات الإحصائية بين المجموعات. يمكن أن يساعد تطبيق التحليل التمييزي الخطي لحجم التأثير (LEfSe) في العثور على مؤشرات حيوية جيدة. استنادا إلى بيانات الجينوم الأصلية ، يتم إجراء مراقبة الجودة والقياس الكمي للتسلسلات المختلفة بناء على التصنيفات أو الجينات. أولا ، تم استخدام اختبار رتبة Kruskal-Wallis للتمييز بين الاختلافات المحددة بين المجموعات الإحصائية والبيولوجية. بعد ذلك ، تم إجراء اختبار رتبة ويلكوكسون بين المجموعتين اللتين تم الحصول عليهما في الخطوة السابقة لتقييم ما إذا كانت الاختلافات متسقة. وأخيرا، أجري تحليل تمييزي خطي (LDA) لتقييم تأثير المؤشرات الحيوية على مجموعات مختلفة اختلافا كبيرا استنادا إلى درجات LDA. باختصار ، وفر LEfSe الراحة لتحديد المؤشرات الحيوية الجينومية التي تميز الاختلافات الإحصائية بين المجموعات البيولوجية.

يظهر الشكل 8 درجات LDA للمجتمعات الميكروبية ذات الاختلافات الكبيرة في كل مجموعة من خلال تحليل تسلسل جينات 16S rRNA لثلاث عينات. يمثل لون الرسم البياني مجموعات مختلفة ، بينما يمثل الطول درجة LDA ، وهو تأثير الأنواع ذات الاختلافات الكبيرة بين المجموعات المختلفة. يوضح الرسم البياني...

Watch this Scientific Journal Video about Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data at JoVE.com

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data

LEfSe (حجم تأثير LDA) هو أداة لتعدين المؤشرات الحيوية عالية الأبعاد لتحديد السمات الجينومية (مثل الجينات والمسارات والتصنيفات) التي تميز بشكل كبير مجموعتين أو أكثر في بيانات الميكروبيوم.

المساعدة في اختيار المؤشرات الحيوية بواسطة حجم تأثير التحليل التمييزي الخطي (LEfSe) في بيانات الميكروبيوم

There is growing attention toward closed biological genomes in the environment and in health. To explore and reveal the intergroup differences among ...

يمكن أن يحل تطبيق حجم تأثير التحليل التمييزي الخطي مشكلة العثور على مؤشرات حيوية جيدة مع اختلافات إحصائية بين المجموعات البيولوجية. يوفر حجم تأثير التحليل التمييزي الخطي طريقة ملائمة لتحديد المؤشرات الحيوية الجينومية لتوصيف الاختلافات الإحصائية بين المجموعات البيولوجية. تأكد من توخي الحذر مع كل خطوة من خطوات الإجراء ، لأن نتيجة كل خطوة سابقة قد تؤثر على الخطوة اللاحقة.بعد إنشاء ملف إدخال حجم تأثير التحليل التمييزي الخطي ، قم بتشغيل الأوامر كما هو موضح لاستبعاد إمكانية تعارض التبعيات وإنشاء بيئة conda لحجم تأثير التحليل التمييزي الخطي. استخدم الأوامر كما هو موضح لتنشيط البيئة التي تم إنشاؤها وتثبيت حجم تأثير التحليل التمييزي الخطي باستخدام مخبز bioBakery القناة. لتنسيق البيانات لحجم تأثير التحليل التمييزي الخطي، قم بتشغيل الأمر لتنسيق الملف الأصلي إلى تنسيق حجم تأثير التحليل التمييزي الخطي الداخلي.لحساب حجم تأثير التحليل التمييزي الخطي، قم بتشغيل الأمر لإجراء تحليل تمييزي خطي وإنشاء ملف البيانات الناتج. بعد التحليل ، استخدم الأوامر كما هو موضح لرسم حجم تأثير المؤشرات الحيوية في ملف PDF ورسم شجرة الأنواع لعرض المؤشرات الحيوية في cladogram. لرسم اختلافات علامة حيوية واحدة بين المجموعات المختلفة ، استخدم الأمر كما هو موضح.يمكن أيضا رسم جميع الميزات باستخدام الأمر إذا رغبت في ذلك. لتحليل LEfSe عبر الإنترنت باستخدام خادم Galaxy ، انتقل إلى الخادم. لتحميل الملفات ذات الصلة، انقر لأعلى واختر الملف المحلي لتحديد الملفات.ثم حدد تنسيقا جدوليا وانقر فوق ابدأ. لتنسيق البيانات الخاصة بحجم تأثير التحليل التمييزي الخطي، انقر فوق LEfSe وتنسيق البيانات ل LEfSe، وحدد الصفوف المحددة للفئة، ثم انقر فوق تنفيذ. لحساب حجم تأثير التحليل التمييزي الخطي، انقر فوق LEfSe وحجم تأثير LDA.حدد قيم المعلمات وفقا لمتطلبات التحليل، وانقر فوق تنفيذ. لرسم نتائج حجم تأثير التحليل التمييزي الخطي، انقر فوق LEfSe و Plot LEfSe Results وانقر فوق تنفيذ. لرسم cladogram، حدد قيم المعلمات المناسبة وانقر فوق رسم Cladogram وتنفيذ.لرسم ميزة واحدة، حدد قيم المعلمات المناسبة وانقر فوق رسم ميزة واحدة وتنفيذ. لرسم المعالم التفاضلية، حدد قيم المعلمات المناسبة وانقر فوق رسم الميزات التفاضلية وزر التنفيذ. هنا ، يتم عرض درجات تحليل التمييز الخطي للمجتمعات الميكروبية ذات الاختلافات الكبيرة في كل مجموعة ، والتي يتم تحديدها من خلال تحليل تسلسل جين الحمض النووي الريبوسومي S-ribosomal 16 لثلاث عينات.في هذا الشكل ، يمكن ملاحظة المؤشرات الحيوية ذات الاختلافات الكبيرة في أشجار الأنواع بين مستويات التصنيف المختلفة. تمثل الدوائر التي تشع من الداخل إلى الخارج مستويات التصنيف من فصيلة إلى أخرى ، حيث يمثل قطر كل دائرة نوع مستوى وفرة كل تصنيف. تظهر الأنواع التي لا توجد بها اختلافات كبيرة باللون الأصفر ، ويتم تلوين المؤشرات الحيوية للأنواع المختلفة بشكل كبير لتتناسب مع المجموعات المقابلة.يتم سرد أسماء الأنواع المقابلة للمؤشرات الحيوية الموضحة في المؤامرة هنا. هنا ، يتم عرض ممثل لمخطط شريط الوفرة لعلامة حيوية واحدة تظهر الاختلافات بين المجموعات المختلفة وفقا لنتائج حجم تأثير التحليل التمييزي الخطي. يمثل الخط الصلب متوسط الوفرة النسبية ، ويمثل الخط المنقط الوفرة النسبية المتوسطة ، ويمثل كل عمود الوفرة النسبية لكل عينة في مجموعات مختلفة.ويمكن أيضا إجراء تحليل للمكونات الرئيسية، حيث يرتبط تعليم الأبعاد ارتباطا مباشرا ببعد البيانات، كما أن نظام الإحداثيات المتوقع متعامد. مع زيادة الطلب على تحليل البيانات عالية الأبعاد ، ستساعد هذه الطريقة في استكشاف ميزات المؤشرات الحيوية ذات الاهتمام.

Research

JoVE Journal

Genetics

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data

Laser-assisted Cytoplasmic Microinjection in Livestock Zygotes

حشوية حقن مكروي في الثروة الحيوانية بيضات ملقحة بمساعدة الليزر

Cytoplasmic microinjection into one-cell embryos is a very powerful technique. As an example, it enables the delivery of genome editing tools that can ...

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

تحليل Transcriptomic من<em&gt; C</em&gt;.<em&gt; ايليجانس</em&gt; RNA تسلسل البيانات من خلال جناح سهرة على مشروع غالاكسي

Next generation sequencing (NGS) technologies have revolutionized the nature of biological investigation. Of these, RNA Sequencing (RNA-Seq) has emerged ...

Bidirectional Retroviral Integration Site PCR Methodology and Quantitative Data Analysis Workflow

موقع التكامل ثنائي الاتجاه للفيروسات القهقرية منهجية ير والتحليل الكمي للبيانات سير العمل

Integration Site (IS) assays are a critical component of the study of retroviral integration sites and their biological significance. In recent retroviral ...

Selection-dependent and Independent Generation of CRISPR/Cas9-mediated Gene Knockouts in Mammalian Cells

جيل يعتمد على الاختيار ومستقل من كريسبر / كاس 9 بوساطة جين نوكوتس في خلايا الثدييات

The CRISPR/Cas9 genome engineering system has revolutionized biology by allowing for precise genome editing with little effort. Guided by a single guide ...

Sample Preparation and Analysis of RNASeq-based Gene Expression Data from Zebrafish

نموذج إعداد وتحليل البيانات التعبير الجيني على أساس رناسيق من الزرد

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an ...

Exploring the Root Microbiome: Extracting Bacterial Community Data from the Soil, Rhizosphere, and Root Endosphere

استكشاف ميكروبيومي الجذر: استخراج البيانات المجتمع البكتيرية من التربة، ورهيزوسفيري، واندوسفيري الجذر

The intimate interaction between plant host and associated microorganisms is crucial in determining plant fitness, and can foster improved tolerance to ...

Informatic Analysis of Sequence Data from Batch Yeast 2-Hybrid Screens

تحليل بيانات تسلسل من دفعة الخميرة 2-الهجين شاشات المعلوماتي

We have adapted the yeast 2-hybrid assay to simultaneously uncover dozens of transient and static protein interactions within a single screen utilizing ...

Single Droplet Digital Polymerase Chain Reaction for Comprehensive and Simultaneous Detection of Mutations in Hotspot Regions

قطره واحدة رقمي البلمرة المتسلسل لكشف شامل ومتزامن من الطفرات في المناطق الساخنة

Droplet digital polymerase chain reaction (ddPCR) is a highly sensitive quantitative polymerase chain reaction (PCR) method based on sample fractionation ...

Investigation of the Transcriptional Role of a RUNX1 Intronic Silencer by CRISPR/Cas9 Ribonucleoprotein in Acute Myeloid Leukemia Cells

Investigation of the Transcriptional Role of a RUNX1 Intronic Silencer by CRISPR/Cas9 Ribonucleoprotein in Acute Myeloid Leukemia Cells

التحقيق في الدور النسخي لـ RUNX1 كاتم الصوت من قبل كريسبر/كاس9 ريبونوكليوبروتين في خلايا سرطان الدم النقوي الحاد

The bulk of the human genome (~98%) is comprised of non-coding sequences. Cis-regulatory elements (CREs) are non-coding DNA sequences that contain binding ...

Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease

Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease

تحويل جذر الطماطم متبوعاً بالتلقيح مع Ralstonia Solanacearum للتحليل الوراثي المباشر لمرض الذبول البكتيري

Ralstonia solanacearum is a devastating soil borne vascular pathogen that can infect a large range of plant species, causing an important threat to ...