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

이 사업은 중앙공공복지연구소(TKS170205)와 과학기술개발재단, 천진수자원연구소(TIWTE), M.O.T.(KJFZJJ170201)의 보조금으로 지원받았다.

참고 : 프로토콜은 Segata et al.3의 연구에서 공급되고 수정되었습니다. 이 방법은 https://bitbucket.org/biobakery/biobakery/wiki/lefse 에서 제공됩니다.
1. 분석을 위한 입력파일 준비
<ol><li>LEfSe의 입력 파일(표 1)을 준비합니다. 이 파일은 원본 파일(샘플 파일 및 해당 종 주석 파일)을 사용하여 많은 워크플로우8 또는 이전 프로토콜(<sup class=...

<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>

여기에서, 상이한 그룹 내의 바이오마커의 확인 및 특성화를 위한 프로토콜이 기재되어 있다. 이 프로토콜은 미생물의 OTU와 같은 다른 샘플 유형에 쉽게 적용 할 수 있습니다. LEfSe에 의한 통계적 방법은 각 그룹에서 특징적인 미생물(디폴트는 LDA >2), 즉 다른12에 비해 이 그룹에서 더 풍부한 미생물을 찾을 수 있다. LEfSe는 사용자가 웹 페이지에서 LEfSe 분석을 수행 할 수있는 네이?...

바이오마커는 측정될 수 있고 감염, 질병 또는 환경과 같은 일부 현상을 나타낼 수 있는 생물학적 특성이다. 그 중에서도, 기능적 바이오마커는 단일 종의 특정 생물학적 기능이거나 유전자, 단백질, 대사산물 및 경로와 같은 일부 종에 공통적일 수 있다. 게다가, 분류학적 바이오마커는 특이한 종, 유기체 그룹(왕국, 계통, 부류, 질서, 가족, 속, 종), 앰플리콘 서열 변종(ASV)1 또는 운영 분류 단위(OTU)2를 나타낸다. 바이오마커를 보다 빠르고 정확하게 찾기 위해서는 생물학적 데이터를 분석하기 위한 도구가 필요하다. 클래스 간의 차이는 LEfSe가 통계적 유의성에 대한 표준 테스트 및 생물학적 일관성 및 효과 관련성을 인코딩하는 추가 테스트와 결합하여 설명 할 수 있습니다3. LEfSe는 은하 모듈, 콘다 공식, 도커 이미지로 제공되며 bioBakery (VM 및 클라우드)4에 포함되어 있습니다. 일반적으로, 미생물 다양성의 분석은 종종 샘플 군집의 불확실한 분포에 대해 비모수 검정을 사용한다. 순위 합계 테스트는 표본의 순위를 사용하여 표본 값을 대체하는 비모수 테스트 방법입니다. 샘플 그룹의 차이에 따라 Wilcoxon 순위 합계 테스트가있는 두 개의 샘플과 Kruskal-Wallis 테스트 5,6을 사용하여 여러 샘플로 나눌 수 있습니다. 특히, 여러 표본 그룹 간에 상당한 차이가 있는 경우, 여러 샘플의 쌍 비교에 대한 순위-합계 테스트가 수행되어야 합니다. LDA (선형 판별 분석의 약자)는 1936 년 로널드 피셔 (Ronald Fisher)가 발명 한 것으로, 피셔의 선형 판별 7 (Fisher's Linear Discriminant7)으로도 알려진 감독 학습의 한 유형입니다. 현재 기계 학습 데이터 마이닝 분야에서 고전적이고 인기있는 알고리즘입니다.
여기서 LEfSe 분석은 Conda와 Galaxy 서버에 의해 최적화되었습니다. 16S rRNA 유전자 서열의 세 그룹을 분석하여 미생물 군집의 LDA 점수와 시각화 결과를 갖는 상이한 그룹 간의 유의한 차이를 입증한다.

<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

환경과 건강에서 폐쇄 된 생물학적 게놈에 대한 관심이 커지고 있습니다. 서로 다른 샘플 또는 환경 간의 그룹 간 차이를 탐구하고 밝히기 위해서는 그룹 간의 통계적 차이가있는 바이오마커를 발견하는 것이 중요합니다. 선형 판별 분석 효과 크기 (LEfSe)의 적용은 좋은 바이오 마커를 찾는 데 도움이 될 수 있습니다. 원래의 게놈 데이터에 기초하여, 품질 관리, 및 탁사 또는 유전자에 기초한 상이한 서열의 정량화가 수행된다. 첫째, Kruskal-Wallis 순위 검정을 사용하여 통계적 그룹과 생물학적 그룹 간의 특정 차이를 구별하였다. 그 후, Wilcoxon 순위 검정을 이전 단계에서 얻은 두 그룹 사이에서 수행하여 차이가 일관적인지 여부를 평가하였다. 마지막으로, LDA 점수에 기초하여 유의하게 상이한 그룹에 대한 바이오마커의 영향을 평가하기 위해 선형 판별 분석(LDA)이 수행되었다. 요약하면, LEfSe는 생물학적 그룹 간의 통계적 차이를 특성화하는 게놈 바이오마커를 식별하기 위한 편리함을 제공했다.

세 샘플의 16S rRNA 유전자 서열을 분석하여 각 군에서 유의한 차이를 갖는 미생물 군집의 LDA 점수를 도 8에 나타내었다. 히스토그램의 색상은 서로 다른 그룹을 나타내는 반면, 길이는 LDA 점수를 나타내며, 이는 다른 그룹간에 상당한 차이가있는 종의 영향입니다. 히스토그램은 LDA 점수가 사전 설정된 값보다 큰 유의한 차이를 가진 종을 보여줍니다. 기본 사전 설정 값은 2.0이?...

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 (LDA 효과 크기)는 미생물 데이터에서 둘 이상의 그룹을 유의하게 특성화하는 게놈 특징 (예 : 유전자, 경로 및 분류법)을 확인하기 위해 고차원 바이오마커 마이닝을위한 도구입니다.

마이크로바이옴 데이터에서 선형 판별 분석 효과 크기(LEfSe)에 의한 바이오마커 보조 선택

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

선형 판별 분석 효과 크기의 적용은 생물학적 그룹 간의 통계적 차이가있는 좋은 바이오 마커를 찾는 문제를 해결할 수 있습니다. 선형 판별 분석 효과 크기는 생물학적 그룹 간의 통계적 차이를 특성화하기 위해 게놈 바이오마커를 식별하는 편리한 방법을 제공한다. 각 이전 단계의 결과가 후속 단계에 영향을 줄 수 있으므로 절차의 각 단계에주의해야합니다.선형 판별 분석 효과 크기 입력 파일을 생성한 후 표시된 대로 명령을 실행하여 종속성 충돌 가능성을 배제하고 선형 판별 분석 효과 크기에 대한 conda 환경을 만듭니다. 표시된 대로 명령을 사용하여 생성된 환경을 활성화하고 채널 bioBakery를 사용하여 선형 판별 분석 효과 크기를 설치합니다. 선형 판별 분석 효과 크기에 대한 데이터 형식을 지정하려면 명령을 실행하여 원본 파일의 형식을 내부 선형 판별 분석 효과 크기 형식으로 지정합니다.선형 판별 분석 효과 크기를 계산하려면 명령을 실행하여 선형 판별 분석을 수행하고 결과 데이터 파일을 생성합니다. 분석 후 표시된 대로 명령을 사용하여 PDF 파일에 바이오마커의 효과 크기를 플로팅하고 종 트리를 그려 바이오마커를 클라도그램에 표시합니다. 서로 다른 그룹 간의 단일 바이오마커의 차이를 플롯하려면 표시된 대로 명령을 사용하십시오.원하는 경우 명령을 사용하여 모든 기능을 그릴 수도 있습니다. Galaxy 서버를 사용한 온라인 LEfSe 분석을 위해서는 서버로 이동하십시오. 관련 파일을 업로드하려면 위쪽을 클릭하고 로컬 파일 선택을 클릭하여 파일을 선택합니다.그런 다음 테이블 형식 형식을 선택하고 시작을 클릭합니다. 선형 판별 분석 효과 크기에 맞게 데이터의 서식을 지정하려면 LEfSe를 클릭하고 LEfSe에 대한 데이터 서식을 지정하고 클래스의 특정 행을 선택한 다음 실행을 클릭합니다. 선형 판별 분석 효과 크기를 계산하려면 LEfSe 및 LDA 효과 크기를 클릭합니다.분석 요구 사항에 따라 매개변수 값을 선택하고 실행을 클릭합니다. 선형 판별 분석 효과 크기 결과를 플로팅하려면 LEfSe 및 플롯 LEfSe 결과를 클릭하고 실행을 클릭합니다. 클라도그램을 플로팅하려면 적절한 매개변수 값을 선택하고 플롯 클라도그램 및 실행을 클릭합니다.피쳐 하나를 플로팅하려면 적절한 매개변수 값을 선택하고 하나의 피쳐 플롯 및 실행을 클릭합니다. 차동 피쳐를 플로팅하려면 적절한 매개변수 값을 선택하고 플롯 차동 피쳐 및 실행 버튼을 클릭합니다. 여기서, 각 군에서 유의한 차이를 갖는 미생물 군집의 선형 판별 분석 스코어를, 세 샘플의 16개의 S-리보솜 RNA 유전자 서열을 분석하여 결정하여, 나타내었다.이 도면에서, 상이한 분류 수준 사이의 종 나무에서 유의한 차이를 갖는 바이오마커가 관찰될 수 있다. 내부에서 외부로 방사되는 원은 계통에서 속으로의 분류 수준을 나타내며, 각 종의 직경은 각 분류의 풍부 수준을 나타냅니다. 유의한 차이가 없는 종은 노란색으로 나타나고, 유의하게 다른 종 바이오마커는 상응하는 그룹과 일치하도록 착색된다.플롯에 표시된 바이오마커의 상응하는 종 이름이 여기에 나열되어 있다. 여기서, 선형 판별 분석 효과 크기에 따른 서로 다른 그룹들 간의 차이를 보여주는 하나의 바이오마커에 대한 대표적인 풍부함 막대 플롯 결과가 도시되어 있다. 실선은 평균 상대 풍부도를 나타내고, 점선은 중앙값 상대 풍부도를 나타내며, 각 열은 서로 다른 그룹에 있는 각 표본의 상대적 풍부도를 나타냅니다.차원 교육이 데이터 차원과 직접 관련되고 투영 된 좌표계가 직교하기 때문에 주성분 분석도 수행 할 수 있습니다. 고차원 데이터 분석에 대한 요구가 증가함에 따라이 방법은 관심있는 바이오 마커 기능의 탐구에 도움이 될 것입니다.

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

레이저를 이용한 가축 접합체의 세포질 미세 주입을

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

연구

유전학

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

의 Transcriptomic 분석<em&gt; C</em&gt;.<em&gt; 간스</em갤럭시 프로젝트에 턱시도 제품군을 통해&gt; RNA 시퀀싱 데이터

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

양방향 레트로 바이러스 통합 사이트 PCR 방법론 및 정량적 데이터 분석 워크 플로

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

포유류 세포에서 CRISPR / Cas9 매개 유전자 knockouts의 선택 의존 및 독립적 생성

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

샘플 준비 및 제 브라에서 RNASeq 기반 유전자 표현 데이터의 분석

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

루트 미생물 탐색: 토양, Rhizosphere, 및 루트 Endosphere에서 세균성 지역 사회 데이터 추출

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

일괄 처리 효 모 2 잡종 스크린에서 시퀀스 데이터의 informatic 분석

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

하나의 물방울 디지털 연쇄 반응 핫스팟 지역에서 돌연변이의 포괄적이 고 동시 검색

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

급성 골수성 백혈병 세포에서 CRISPR/Cas9 리보뉴클레오단백질에 의한 RUNX1 내성 소음기의 전사 적 역할 조사

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

세균성 윌트 질병의 간단한 유전 분석을 위한 랄스토니아 솔라나세아룸에 의한 접종에 이어 토마토 뿌리 변환

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