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

עבודה זו נתמכה על ידי מענק מקרנות מחקר בסיסיות עבור מכוני המחקר המרכזיים לרווחת הציבור (TKS17020205) והקרן לפיתוח המדע והטכנולוגיה, ומכון המחקר טיאנג'ין להנדסת תחבורה מים (TIWTE), M.O.T. (KJFZJJ17020201).

הערה: הפרוטוקול היה מקור ושונה מהמחקר של Segata et al.3. השיטה מסופקת https://bitbucket.org/biobakery/biobakery/wiki/lefse.
1. הכנת קובץ קלט לניתוח
<ol><li>הכן את קובץ הקלט (טבלה 1) של LEfSe, אשר יכול להיווצר בקלות על ידי זרימות עבודה רבות8 או פרוטוקולים קודמים9 עם ה...

<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>

כאן מתואר הפרוטוקול לזיהוי ואפיון של סמנים ביולוגיים בקבוצות שונות. פרוטוקול זה יכול להיות מותאם בקלות עבור סוגי מדגם אחרים, כגון OTUs של מיקרואורגניזמים. השיטה הסטטיסטית של LEfSe יכולה למצוא את המיקרואורגניזמים האופייניים בכל קבוצה (ברירת המחדל היא LDA >2), כלומר, המיקרואורגניזמים הנפוצים יותר...

סמנים ביולוגיים הם מאפיינים ביולוגיים שניתן למדוד ויכולים להצביע על כמה תופעות כגון זיהום, מחלה או סביבה. ביניהם, סמנים ביולוגיים פונקציונליים עשויים להיות פונקציות ביולוגיות ספציפיות של מינים בודדים או משותף למינים מסוימים, כגון גן, חלבון, מטבוליט ומסלולים. חוץ מזה, סמנים ביולוגיים טקסונומיים מצביעים על מין יוצא דופן, קבוצה של אורגניזמים (ממלכה, פילום, מעמד, סדר, משפחה, סוג, מינים), משתנה רצף האמפליקונים (ASV)1, או היחידה הטקסונומית המבצעית (OTU)2. על מנת למצוא סמנים ביולוגיים במהירות ובדייקנות רבה יותר, יש צורך בכלי לניתוח הנתונים הביולוגיים. ההבדלים בין שיעורים יכולים להיות מוסברים על ידי LEfSe בשילוב עם בדיקות סטנדרטיות למשמעות סטטיסטית ובדיקות נוספות המקודדות עקביות ביולוגית ורלוונטיות השפעה3. LEfSe זמין כמודול גלקסיה, נוסחת קונדה, תמונת docker, ונכלל בביובקרי (VM וענן)4. בדרך כלל, ניתוח המגוון המיקרוביאלי משתמש לעתים קרובות בבדיקה לא פרמטרית להפצה לא בטוחה של קהילת מדגם. בדיקת סכום הדירוג היא שיטת בדיקה לא פרמטרית, המשתמשת בדירוג הדגימות כדי להחליף את ערך הדגימות. על פי ההבדל של קבוצות מדגם, זה יכול להיות מחולק לשתי דגימות עם מבחן סכום הדירוג וילקוקסון לתוך דגימות מרובות עם מבחן Kruskal-Wallis 5,6. ראוי לציין, כאשר ישנם הבדלים משמעותיים בין קבוצות מרובות של דגימות, יש לבצע בדיקת סכום דרגה של השוואה זוגית של דגימות מרובות. LDA (אשר מייצג ניתוח מפלה ליניארי) שהומצא על ידי רונלד פישר בשנת 1936, הוא סוג של למידה מפוקחת, הידוע גם בשם מפלה ליניארי של פישר7. זהו אלגוריתם קלאסי ופופולרי בתחום הנוכחי של כריית נתונים למידת מכונה.
כאן, בדיקת LEfSe עברה אופטימיזציה על ידי שרתי קונדה וגלקסי. שלוש קבוצות של רצפי גנים rRNA 16S מנותחות כדי להדגים את ההבדלים המשמעותיים בין קבוצות שונות עם עשרות LDA של קהילות מיקרוביות ותוצאות הדמיה.

<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

יש תשומת לב הולכת וגוברת לגנומים ביולוגיים סגורים בסביבה ובבריאות. כדי לחקור ולחשוף את ההבדלים הבין-קבוצתיים בין דגימות או סביבות שונות, חשוב לגלות סמנים ביולוגיים עם הבדלים סטטיסטיים בין קבוצות. היישום של ניתוח מפלה ליניארי גודל אפקט (LEfSe) יכול לעזור למצוא סמנים ביולוגיים טובים. בהתבסס על נתוני הגנום המקוריים, מתבצעים בקרת איכות וכימות של רצפים שונים המבוססים על מסה או גנים. ראשית, מבחן הדירוג Kruskal-Wallis שימש כדי להבחין בין הבדלים ספציפיים בין קבוצות סטטיסטיות וביולוגיות. לאחר מכן, מבחן הדירוג של וילקוקסון בוצע בין שתי הקבוצות שהושגו בשלב הקודם כדי להעריך אם ההבדלים היו עקביים. לבסוף, ניתוח מפלה ליניארי (LDA) נערך כדי להעריך את ההשפעה של סמנים ביולוגיים על קבוצות שונות באופן משמעותי בהתבסס על ציוני LDA. לסיכום, LEfSe סיפק את הנוחות לזיהוי סמנים ביולוגיים גנומיים המאפיינים הבדלים סטטיסטיים בין קבוצות ביולוגיות.

LDA עשרות קהילות מיקרוביות עם הבדלים משמעותיים בכל קבוצה על ידי ניתוח רצפי הגנים rRNA 16S של שלוש דגימות מוצג באיור 8. צבע ההיסטוגרמה מייצג קבוצות שונות, בעוד האורך מייצג את ציון LDA, שהוא ההשפעה של המין עם הבדלים משמעותיים בין קבוצות שונות. ההיסטוגרמה מציגה את המינים עם הבדלים מש?...

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 (גודל אפקט LDA) הוא כלי לכריית סמנים ביולוגיים בממדים גבוהים לזיהוי תכונות גנומיות (כגון גנים, מסלולים וטקסונומיות) המאפיינות באופן משמעותי שתי קבוצות או יותר בנתוני מיקרוביום.

בחירה בסיוע של סמנים ביולוגיים לפי גודל אפקט ניתוח מפלה ליניארי (LEfSe) בנתוני מיקרוביום

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

היישום של גודל אפקט ניתוח מפלה ליניארי יכול לפתור את הבעיה של מציאת סמנים ביולוגיים טובים עם הבדלים סטטיסטיים בין קבוצות ביולוגיות. גודל אפקט ניתוח מפלה ליניארי מספק שיטה נוחה לזיהוי סמנים ביולוגיים גנומיים כדי לאפיין הבדלים סטטיסטיים בין קבוצות ביולוגיות. הקפד לטפל בכל שלב של ההליך, מכיוון שהתוצאה של כל שלב קודם עשויה להשפיע על השלב הבא.לאחר יצירת קובץ קלט בגודל אפקט ניתוח מפלה ליניארי, הפעל את הפקודות כמצוין כדי לא לכלול את האפשרות של התנגשות יחסי תלות וליצור סביבת קונדה עבור גודל אפקט ניתוח מפלה ליניארי. השתמש בפקודות כפי שצוין כדי להפעיל את הסביבה שנוצרה וכדי להתקין גודל אפקט ניתוח מפלה ליניארי עם bioBakery ערוץ. כדי לעצב נתונים עבור גודל אפקט ניתוח מפלה ליניארי, הפעל את הפקודה כדי לעצב את הקובץ המקורי לתבנית הגודל הפנימית של אפקט ניתוח מפלה ליניארי.כדי לחשב את גודל אפקט הניתוח המפלה הליניארי, הפעל את הפקודה כדי לבצע ניתוח מפלה ליניארי וכדי ליצור את קובץ הנתונים המתקבל. לאחר הניתוח, השתמש בפקודות כפי שצוין כדי להתוות את גודל ההשפעה של סמנים ביולוגיים בקובץ PDF וכדי לצייר את עץ המין כדי להציג את סמנים ביולוגיים בקלדוגרמה. כדי להתוות את ההבדלים של סמן ביולוגי יחיד בין קבוצות שונות, השתמש בפקודה כפי שצוין.ניתן גם לצייר את כל התכונות באמצעות הפקודה אם תרצה בכך. לניתוח מקוון של LEfSe באמצעות שרת Galaxy, נווט אל השרת. כדי להעלות את הקבצים הרלוונטיים, לחץ על למעלה ובחר קובץ מקומי כדי לבחור את הקבצים.לאחר מכן, בחר תבנית טבלאית ולחץ על התחל. כדי לעצב את הנתונים עבור גודל אפקט ניתוח מפלה ליניארי, לחץ על LEfSe ועיצוב נתונים עבור LEfSe, בחר את השורות הספציפיות עבור מחלקה ולחץ על בצע. כדי לחשב את גודל אפקט הניתוח המפלה הליניארי, לחץ על גודל אפקט LEfSe ו- LDA.בחר את ערכי הפרמטר בהתאם לדרישות הניתוח ולחץ על בצע. כדי להתוות את תוצאות גודל אפקט הניתוח המפלה הליניארי, לחץ על תוצאות LEfSe והתווה LEfSe ולחץ על בצע. כדי להתוות את הקלאודוגרמה, בחר את ערכי הפרמטר המתאימים ולחץ על התוויית קלאודוגרמה והפעלה.כדי להתוות תכונה אחת, בחר את ערכי הפרמטר המתאימים ולחץ על התווה תכונה אחת ובצע. כדי להתוות תכונות דיפרנציאליות, בחר בערכי הפרמטרים המתאימים ולחץ על התווה תכונות דיפרנציאליות ולחצן הפעל. כאן, ניתוח האפליה הליניארית עשרות קהילות מיקרוביות עם הבדלים משמעותיים בכל קבוצה, נקבע על ידי ניתוח 16 רצפי הגנים S-ribosomal RNA של שלוש דגימות, מוצג.בנתון זה, ניתן לראות את סמנים ביולוגיים עם הבדלים משמעותיים בעצי מינים בין רמות סיווג שונות. המעגלים המקרין מבפנים אל החוץ מייצגים את רמות הסיווג מפילום לסוג, כאשר הקוטר של כל מעגל מין מייצג את רמת השפע של כל סיווג. המינים ללא הבדלים משמעותיים מופיעים בצהוב, וסמנים ביולוגיים של מינים שונים באופן משמעותי צבועים כדי להתאים לקבוצות המתאימות.שמות המינים המתאימים של הסמנים הביולוגיים המוצגים בעלילה מפורטים כאן. כאן, נציג של עלילת סרגל שפע עבור סמן ביולוגי אחד המציג הבדלים בין הקבוצות השונות על פי תוצאות גודל אפקט ניתוח מפלה ליניארי מוצג. הקו המוצק מייצג את השפע היחסי הממוצע, הקו המקווקו מייצג את השפע היחסי החציוני, וכל עמודה מייצגת את השפע היחסי של כל דגימה בקבוצות שונות.ניתן לבצע גם ניתוח רכיבים עיקרי, שכן החינוך למימדיות קשור ישירות לממד הנתונים, ומערכת הקואורדינטות המוקרנת היא אורתוגונלית. ככל שהביקוש לניתוח נתונים ממדי גבוה גדל, שיטה זו תסייע בחקר תכונות סמנים ביולוגיים של עניין.

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

לייזר בסיוע cytoplasmic Microinjection ב משק חי zygotes

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

Transcriptomic ניתוח<em&gt; C</em&gt;.<em&gt; elegans</em&gt; RNA רצף נתונים באמצעות Suite טוקסידו על פרויקט גלקסי

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

דו כיווני Retroviral אינטגרציה אתר PCR מתודולוגיה וניתוח נתונים כמותיים זרימת עבודה

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

הבחירה תלויה עצמאית הדור של CRISPR / Cas9 בתיווך גין Knockouts בתאי יונקים

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

הכנת הדוגמא וניתוח של נתונים ביטוי גנים מבוססת RNASeq דג זברה

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

לחקור את השורש Microbiome: שליפת נתונים הקהילה חיידקי מן האדמה, Rhizosphere, Endosphere שורש

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

Informatic ניתוח של נתוני רצף אצווה שמרים 2-היברידית המסכים

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

Droplet יחיד שרשרת התגובה פולימראז דיגיטלי עבור זיהוי מקיף, בו זמנית של מוטציות באזורים חמה

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

חקירת התפקיד הטרנססאני של משתיק הRUNX1 נית על ידי CRISPR/Cas9 Ribonucleoprotein בתאי לוקמיה מיאלואיד חריפה

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

שורש עגבניות המרה ואחריו חיסונים עם Ralstonia Solanacearum ניתוח גנטי פשוט של מחלת וילט חיידקי

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