2025年一个 R 包带你挖掘宏基因组公共数据库

一个 R 包带你挖掘宏基因组公共数据库本文转自 生信菜鸟团 已获授权 背景介绍 目前虽然已经有越来越多的宏基因组数据被上传到公共数据库 但由于种种原因 比如 需要消耗更多计算资源 不同研究之间的表型信息定义或格式不同等等 导致很多数据并没有被充分利用 为了克服这些挑战

大家好,我是讯享网,很高兴认识大家。

本文转自“生信菜鸟团”,已获授权


讯享网

背景介绍

目前虽然已经有越来越多的宏基因组数据被上传到公共数据库,但由于种种原因(比如,需要消耗更多计算资源,不同研究之间的表型信息定义或格式不同等等),导致很多数据并没有被充分利用。为了克服这些挑战,curatedMetagenomicData 包应运而生(或者说它更是一个数据库)。目前已有来自 46 个数据集的八千多个样本纳入其中,这里所有的原始宏基因组测序数据都使用一套统一的流程进行上游分析(使用 MetaPhlAn2 流程进行菌群丰度注释,使用 HUMAnN2 流程进行功能分析),所有数据集的表型信息都重新使用一套相同的标准进行注释和重新定义,最后将每一个数据集打包为 ExpressionSet 对象,这样一来就大大降低了挖掘宏基因组公共数据的门槛,即使是从前没接触过宏基因组数据的小伙伴也能进行下游进一步探索。

curatedMetagenomicData 包含哪些数据:

  • 来自 46 个数据集的 8184 个样本,主要是人类肠道的样本,也包括一些人类微生物组计划(HMP)中其他的身体部位
  • 对于这八千多个样本,包括了所有宏基因组数据(菌群分类谱,Marker 信息,基因家族丰度,通路覆盖度及丰度)和经过统一定义的表型数据,并集成为 Bioconductor 中的 ExpressionSet 对象
  • 包含了大约 80 种 metadata 数据,所有的条目都有标准的注释
  • 这些数据使用 MetaPhlAn2 流程进行菌群丰度注释,使用 HUMAnN2 流程进行功能分析
  • 这项工作需要分析大约 100T 的原始数据

使用教程

安装 curatedMetagenomicData 包

if (!requireNamespace("BiocManager", quietly = TRUE))     install.packages("BiocManager") BiocManager::install("ExperimentHubData") library(curatedMetagenomicData) 

讯享网

查看所有可用的样本和 metadata

所有样本的 metadata 都已经包含在 combined_metadata 这一个表格中:

讯享网?combined_metadata View(combined_metadata) 
table(combined_metadata$antibiotics_current_use) 
讯享网     no  yes   3029  661 
table(combined_metadata$disease) 
讯享网                                        AD                                        10                                     AD;AR                                        16                              AD;AR;asthma                                         8                                 AD;asthma  ...                                  skininf                                         2                                stomatitis                                         2                                   suspinf                                         1                               tonsillitis                                         3 

下载数据集

挑选好自己感兴趣的样本就可以开始下载数据啦~ 使用 curatedMetagenomicData() 函数下载数据集,会返回一个 ExpressionSet 对象。

  • 下载单个数据集:
loman <- curatedMetagenomicData("LomanNJ_2013.metaphlan_bugs_list.stool", dryrun = FALSE) 
讯享网 Working on LomanNJ_2013.metaphlan_bugs_list.stool 
 snapshotDate(): 2019-04-29 
讯享网 see ?curatedMetagenomicData and browseVignettes('curatedMetagenomicData') for documentation 
 downloading 0 resources 
讯享网 loading from cache       'EH1816 : 1816' 
loman 
讯享网 List of length 1  names(1): LomanNJ_2013.metaphlan_bugs_list.stool 
loman.eset <- loman[[1]] loman.eset 
讯享网 ExpressionSet (storageMode: lockedEnvironment)  assayData: 736 features, 43 samples     element names: exprs   protocolData: none  phenoData    sampleNames: OBK1122 OBK1196 ... OBK5066 (43 total)    varLabels: subjectID body_site ... NCBI_accession (19 total)    varMetadata: labelDescription  featureData: none  experimentData: use 'experimentData(object)'    pubMedIds:    Annotation: 
  • 同时下载多个数据集:
oral <- c("BritoIL_2016.metaphlan_bugs_list.oralcavity",           "Castro-NallarE_2015.metaphlan_bugs_list.oralcavity") esl <- curatedMetagenomicData(oral, dryrun = FALSE) esl esl[[1]] esl[[2]] 

使用 dryrun = TRUE 参数查看所有可用的数据集:

讯享网curatedMetagenomicData("*metaphlan_bugs_list.stool*", dryrun = TRUE) 
 Dry run: see return values for datasets that would be downloaded. Run with `dryrun=FALSE` to actually download these datasets. 
讯享网  [1] "AsnicarF_2017.metaphlan_bugs_list.stool"           [2] "BackhedF_2015.metaphlan_bugs_list.stool"           [3] "Bengtsson-PalmeJ_2015.metaphlan_bugs_list.stool"   [4] "BritoIL_2016.metaphlan_bugs_list.stool"            [5] "ChengpingW_2017.metaphlan_bugs_list.stool"       ...         [37] "VogtmannE_2016.metaphlan_bugs_list.stool"         [38] "WenC_2017.metaphlan_bugs_list.stool"              [39] "XieH_2016.metaphlan_bugs_list.stool"              [40] "YuJ_2015.metaphlan_bugs_list.stool"               [41] "ZellerG_2014.metaphlan_bugs_list.stool" 

合并多个数据集

接下来的操作会把上面下载的两个口腔微生态的宏基因组数据集合并到一个单独的 ExpressionSet对象中。

eset <- mergeData(esl) eset 
讯享网 ExpressionSet (storageMode: lockedEnvironment)  assayData: 1914 features, 172 samples     element names: exprs   protocolData: none  phenoData    sampleNames: BritoIL_2016.metaphlan_bugs_list.oralcavity:M1.1.SA      BritoIL_2016.metaphlan_bugs_list.oralcavity:M1.10.SA ...      Castro-NallarE_2015.metaphlan_bugs_list.oralcavity:ES_211 (172      total)    varLabels: subjectID body_site ... studyID (19 total)    varMetadata: labelDescription  featureData: none  experimentData: use 'experimentData(object)'  Annotation: 

使用 phyloseq 包进行菌群分析

phyloseq 包是一个集菌群丰度数据导入,存储,分析和可视化于一体的工具。它不但利用了 R 中许多经典的工具进行生态学和系统发育分析(例如:vegan,ade4,ape, picante 等),同时还结合 ggplot2 以轻松生成发表级别的可视化图表,可谓是分析宏基因组数据的利器。所以,对于菌群丰度信息 curatedMetagenomicData 包十分贴心地提供了从 ExpressionSet 对象转为 phyloseq 对象的函数 ExpressionSet2phyloseq(),这样我们就可以直接使用 phyloseq 包进行菌群多样性下游分析了。

suppressPackageStartupMessages(library(phyloseq)) loman.pseq = ExpressionSet2phyloseq( loman.eset, phylogenetictree = TRUE) loman.pseq 
讯享网phyloseq-class experiment-level object otu_table()   OTU Table:         [ 237 taxa and 43 samples ] sample_data() Sample Data:       [ 43 samples by 19 sample variables ] tax_table()   Taxonomy Table:    [ 237 taxa by 8 taxonomic ranks ] phy_tree()    Phylogenetic Tree: [ 237 tips and 236 internal nodes ] 

更多关于 phyloseq 包的使用教程可参见我之前的教程~

  • phyloseq | 用 R 分析微生物组数据及可视化(一)
  • phyloseq | 用 R 分析微生物组数据及可视化(二)
  • phyloseq | 用 R 分析微生物组数据及可视化(三)

使用 ExpressionSet 对象

由于 S4 类的集成性及其绑定数据和元数据的能力,因此所有数据集都被表示为 ExpressionSet 对象。

使用 experimentData() 查看实验设计相关的数据:

experimentData(loman.eset) 
讯享网 Experiment data    Experimenter name: Loman NJ, Constantinidou C, Christner M, Rohde H, Chan JZ, Quick J, Weir JC, Quince C, Smith GP, Betley JR, Aepfelbacher M, Pallen MJ     Laboratory: [1] Institute of Microbiology and Infection, University of Birmingham, Birmingham, England.     Contact information:      Title: A culture-independent sequence-based metagenomics approach to the investigation of an outbreak of Shiga-toxigenic Escherichia coli O104:H4.     URL:      PMIDs:        Abstract: A 308 word abstract is available. Use 'abstract' method.    notes:     Sequencing platform:             IlluminaHiSeq 

使用 pData() 查看样本信息数据:

head(pData(loman.eset)) 
讯享网          subjectID body_site antibiotics_current_use study_condition disease  OBK1122    OBK1122     stool                    <NA>            STEC    STEC  OBK1196    OBK1196     stool                    <NA>            STEC    STEC  OBK1253    OBK1253     stool                    <NA>            STEC    STEC  OBK2535    OBK2535     stool                    <NA>            STEC    STEC  OBK2535b  OBK2535b     stool                    <NA>            STEC    STEC  OBK2638    OBK2638     stool                    <NA>            STEC    STEC           age_category country non_westernized DNA_extraction_kit  OBK1122         adult     DEU              no             Qiagen  OBK1196         adult     DEU              no             Qiagen  OBK1253         adult     DEU              no             Qiagen  OBK2535         adult     DEU              no             Qiagen  OBK2535b        adult     DEU              no             Qiagen  OBK2638         adult     DEU              no             Qiagen           number_reads number_bases minimum_read_length median_read_length  OBK1122                              150                150  OBK1196                          150                150  OBK1253                          150                150  OBK2535                          150                150  OBK2535b                         150                150  OBK2638                            150                150           days_after_onset stec_count shigatoxin_2_elisa stool_texture  OBK1122                NA       <NA>               <NA>          <NA>  OBK1196                NA       <NA>               <NA>          <NA>  OBK1253                NA       <NA>               <NA>          <NA>  OBK2535                 3   moderate           positive        smooth  OBK2535b               NA       <NA>               <NA>          <NA>  OBK2638                 5       high           positive        bloody                curator      NCBI_accession  OBK1122  Paolo_Manghi ERR;ERR  OBK1196  Paolo_Manghi ERR;ERR  OBK1253  Paolo_Manghi ERR;ERR  OBK2535  Paolo_Manghi ERR;ERR  OBK2535b Paolo_Manghi           ERR  OBK2638  Paolo_Manghi ERR;ERR 

更多关于 ExpressionSet 对象的内容可以看看曾老师的教程:ExpressionSet 对象简单讲解 http://www.bio-info-trainee.com/1510.html 。

Reference

  • http://bioconductor.org/packages/release/data/experiment/vignettes/curatedMetagenomicData/inst/doc/curatedMetagenomicData.html

猜你喜欢

盘一盘 IGC 人肠道参考基因集

Anvi'o 宏基因组分析流程快速指南

宏基因组分析流程 MOCAT2 教程

宏基因组笔记 | 统计学方法

phyloseq | 用 R 分析微生物组数据及可视化(一)

phyloseq | 用 R 分析微生物组数据及可视化(二)

phyloseq | 用 R 分析微生物组数据及可视化(三)

宏基因组笔记 | 基础知识

通过 Python API 使用 QIIME 2

猜你喜欢

10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程:微生物组入门 Biostar 微生物组  宏基因组

专业技能:学术图表 高分文章 生信宝典 不可或缺的人

一文读懂:宏基因组 寄生虫益处 进化树

必备技能:提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析:图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具:16S预测培养基 生信绘图

科研经验:云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

小讯
上一篇 2025-02-28 10:51
下一篇 2025-03-20 19:29

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/114912.html