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

Эта работа была поддержана грантом Фондов фундаментальных исследований для Центральных научно-исследовательских институтов общественного благосостояния (TKS170205) и Фонда развития науки и техники, а также Тяньцзиньского научно-исследовательского института инженерии водного транспорта (TIWTE), M.O.T. (KJFZJJ170201).

ПРИМЕЧАНИЕ: Протокол был получен и модифицирован из исследований Segata et al.3. Метод приведен в https://bitbucket.org/biobakery/biobakery/wiki/lefse.
1. Подготовка входного файла для анализа
<ol><li>Подготовьте входной файл (таблица 1) LEfSe, который может быть легко сгенерирован мно?...

<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>

Здесь описан протокол идентификации и характеристики биомаркеров в пределах разных групп. Этот протокол может быть легко адаптирован для других типов образцов, таких как OTU микроорганизмов. Статистический метод LEfSe позволяет найти характерные микроорганизмы в каждой группе (по умолча...

Биомаркеры — это биологические характеристики, которые могут быть измерены и могут указывать на некоторые явления, такие как инфекция, болезнь или окружающая среда. Среди них функциональные биомаркеры могут быть специфическими биологическими функциями отдельных видов или общими для некоторых видов, такими как ген, белок, метаболит и пути. Кроме того, таксономические биомаркеры указывают на необычный вид, группу организмов (царство, тип, класс, отряд, семейство, род, вид), вариацию последовательности Ампликона (ASV)1 или операционную таксономическую единицу (OTU)2. Для того чтобы быстрее и точнее найти биомаркеры, необходим инструмент для анализа биологических данных. Различия между классами могут быть объяснены LEfSe в сочетании со стандартными тестами на статистическую значимость и дополнительными тестами, кодирующими биологическую согласованность и релевантность эффекта3. LEfSe доступен в виде галактического модуля, формулы conda, образа docker и включен в bioBakery (VM и cloud)4. Как правило, при анализе микробного разнообразия часто используется непараметрический тест для неопределенного распределения сообщества образцов. Тест на ранговую сумму является непараметрическим методом тестирования, который использует ранг образцов для замены значения образцов. В зависимости от разницы выборочных групп его можно разделить на две выборки с тестом на сумму ранга Уилкоксона и на несколько образцов с тестом Крускала-Уоллиса 5,6. Примечательно, что при наличии существенных различий между несколькими группами выборок следует проводить ранж-суммовый тест попарного сравнения нескольких образцов. LDA (что расшифровывается как линейный дискриминантный анализ), изобретенный Рональдом Фишером в 1936 году, является типом контролируемого обучения, также известным как линейный дискриминант Фишера7. Это классический и популярный алгоритм в современной области интеллектуального анализа данных машинного обучения.
Здесь анализ LEfSe был оптимизирован серверами Conda и Galaxy. Три группы последовательностей генов 16S рРНК анализируются, чтобы продемонстрировать значительные различия между различными группами с показателями LDA микробных сообществ и результатами визуализации.

<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

Растет внимание к закрытым биологическим геномам в окружающей среде и в здравоохранении. Для изучения и выявления межгрупповых различий между различными выборками или средами крайне важно обнаружить биомаркеры со статистическими различиями между группами. Применение линейного дискриминантного анализа Effect Size (LEfSe) может помочь найти хорошие биомаркеры. На основе исходных данных генома осуществляется контроль качества и количественная оценка различных последовательностей на основе таксонов или генов. Во-первых, ранж-тест Крускала-Уоллиса использовался для различения конкретных различий между статистическими и биологическими группами. Затем между двумя группами, полученными на предыдущем шаге, был проведен ранж-тест Уилкоксона, чтобы оценить, были ли различия последовательными. Наконец, был проведен линейный дискриминантный анализ (LDA) для оценки влияния биомаркеров на значительно отличающиеся группы на основе показателей LDA. Подводя итог, LEfSe обеспечил удобство для идентификации геномных биомаркеров, характеризующих статистические различия между биологическими группами.

Оценка LDA микробных сообществ со значительными различиями в каждой группе путем анализа последовательностей генов 16S рРНК трех образцов показана на рисунке 8. Цвет гистограммы представляет различные группы, в то время как длина представляет собой показатель LDA, который ...

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 Effect Size) - это инструмент для многомерного анализа биомаркеров для выявления геномных особенностей (таких как гены, пути и таксономии), которые значительно характеризуют две или более группы в данных микробиома.

Вспомогательный выбор биомаркеров по размеру эффекта линейного дискриминантного анализа (LEfSe) в данных микробиома

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

Применение линейного дискриминантного анализа размера эффекта может решить проблему нахождения хороших биомаркеров со статистическими различиями между биологическими группами. Линейный дискриминантный анализ размера эффекта обеспечивает удобный метод идентификации геномных биомаркеров для характеристики статистических различий между биологическими группами. Обязательно соблюдайте осторожность с каждым этапом процедуры, потому что результат каждого предыдущего шага может повлиять на следующий шаг.После создания входного файла размера эффекта линейного дискриминантного анализа выполните указанные команды, чтобы исключить возможность конфликта зависимостей и создать среду conda для линейного дискриминантного анализа размера эффекта. Используйте команды, как указано, чтобы активировать созданную среду и установить линейный дискриминантный анализ эффекта размера с каналом bioBakery. Чтобы отформатировать данные для размера эффекта линейного дискриминантного анализа, выполните команду для форматирования исходного файла в формате размера внутреннего линейного дискриминантного анализа.Чтобы вычислить размер эффекта линейного дискриминантного анализа, выполните команду для выполнения линейного дискриминантного анализа и создания результирующего файла данных. После анализа используйте указанные команды для отображения размера эффекта биомаркеров в PDF-файле и рисования дерева видов для отображения биомаркеров в кладограмме. Чтобы построить график различий одного биомаркера между различными группами, используйте команду, как указано.При желании все объекты также можно нарисовать с помощью команды. Для онлайн-анализа LEfSe с использованием сервера Galaxy перейдите на сервер. Чтобы загрузить соответствующие файлы, щелкните вверх и выберите локальный файл, чтобы выбрать файлы.Затем выберите табличный формат и нажмите кнопку Пуск. Чтобы отформатировать данные для размера эффекта линейного дискриминантного анализа, щелкните LEfSe и Форматировать данные для LEfSe, выберите определенные строки для класса и нажмите кнопку Выполнить. Чтобы рассчитать размер эффекта линейного дискриминантного анализа, щелкните LEfSe и Размер эффекта LDA.Выберите значения параметров в соответствии с требованиями анализа и нажмите кнопку Выполнить. Чтобы отобразить результаты размера эффекта линейного дискриминантного анализа, щелкните LEfSe и Наметить результаты LEfSe и нажмите кнопку Выполнить. Чтобы построить кладограмму, выберите соответствующие значения параметров и нажмите кнопку Построить кладограмму и Выполнить.Чтобы отобразить один объект, выберите соответствующие значения параметров и нажмите кнопку «Построить один объект и выполнить». Чтобы отобразить дифференциальные объекты, выберите соответствующие значения параметров и нажмите кнопку «Построить дифференциальные объекты и выполнить». Здесь показан линейный анализ дискриминации оценок микробных сообществ со значительными различиями в каждой группе, определяемый путем анализа 16 последовательностей генов S-рибосомальной РНК трех образцов.На этом рисунке можно наблюдать биомаркеры со значительными различиями в видовых деревьях между различными уровнями классификации. Круги, излучающие изнутри наружу, представляют уровни классификации от типа к роду, причем диаметр каждого видового круга представляет уровень численности каждой классификации. Виды без существенных различий появляются в желтом цвете, а значительно отличающиеся видовые биомаркеры окрашены в соответствующие группы.Соответствующие видовые названия биомаркеров, показанных на участке, перечислены здесь. Здесь показан репрезентативный график бара изобилия для одного биомаркера, который показывает различия между различными группами в соответствии с результатами линейного дискриминантного анализа размера эффекта. Сплошная линия представляет среднюю относительную численность, пунктирная линия представляет среднюю относительную численность, а каждый столбец представляет относительное изобилие каждой выборки в разных группах.Также может быть выполнен анализ главных компонентов, так как образование размерности напрямую связано с измерением данных, а проектируемая система координат ортогональна. Поскольку спрос на анализ многомерных данных увеличивается, этот метод поможет в исследовании особенностей биомаркеров, представляющих интерес.

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

Помощью лазера цитоплазматических микроинъекции в животноводстве зиготы

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

Транскриптомный Анализ<em&gt; C</em&gt;.<em&gt; Элеганс</em&gt; РНК Секвенирование данных через Tuxedo люкс по проекту Galaxy

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

Двунаправленная ретровирусная интеграция сайта Методология ПЦР и количественный анализ данных

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

Отборочное и независимое генерирование CRISPR / Cas9-опосредованных генов-нокаутов в клетках млекопитающих

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

Пробоподготовки и анализа данных на основе RNASeq ген выражение данио рерио

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

Изучения корня микрофлора: извлечение данных бактериальных сообщества из почвы, ризосфере и корень Endosphere

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

Информатики анализ последовательности данных из пакетного дрожжи 2-гибрид экраны

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

Одной капли цифровой полимеразной цепной реакции для комплексного и одновременного обнаружения мутаций в регионах Hotspot

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

Исследование транскрипционной роли интронического глушителя RUNX1 от CRISPR/Cas9 Рибонуклеопротеин в острых миелоидных клеток лейкемии

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

Томатный корень Преобразование После прививки с Ralstonia Solanacearum для straightforward генетического анализа бактериальной болезни Wilt

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