meta扩增子测序分析-基迪奥生物

微生物包括病毒、细菌、真菌、藻类等，在医学、农牧、工业、环境等各领域都有广泛作用。16S/ITS/18S目标片段扩增子的高通量测序是非常高效便捷的微生物多样性探究方法。常用扩增区域如：针对细菌的16S V3-V4区、V4区、V4-V5区、V5-V7区；针对古菌的16S V4-V5区；针对真菌的ITS2区；针对藻类、线虫等的18S V4区等。

应用领域

1.疾病诊断、治疗，微生物-宿主关联机制等医学领域；

2.植物产量、抗逆性，动物健康、疾病等农牧领域；

3.食品发酵生产、工业防腐蚀、生物材料、微生物能源等工业领域；

4.水体、沉积物、土壤等生态环境检测、微生物辅助的环境修复等生态领域。

技术路线

分析内容

1.数据质控

reads过滤

tag拼接

Tag过滤

过滤数据统计

2.OTU聚类统计

OTU聚类及数据统计

组间OTU比较韦恩图展示

组间OTU比较upset图展示

3.物种组成分析

OTU物种注释

各样品在各分类水平上的序列数目统计

物种分类KRONA动态展示

各分类水平物种丰度堆叠图

各分类水平的物种丰度热图

各分类水平的物种丰度circos图

各分类水平的物种相关性网络图

4. 指示物种分析

各分类水平物种韦恩图

各分类水平物种upset图

指示物种统计检验

物种富集三元图

指示物种LefSe分析

指示物种随机森林分析

指示物种Indicator分析

5. alpha多样性分析

α多样性分析指数统计

各样本OTU稀释曲线

各样本Shannon稀释曲线分析

各样本rank abundance曲线分析

Welch’s T-test组间各α多样性指数差异分析

Wilcoxon组间各α多样性指数差异分析

Kruskal-Wallis组间各α多样性指数差异分析

Tukey组间各α多样性指数差异分析

6. beta多样性分析

OTU二维PCA分析

（un）weighted unifrac、Jaccard、Bray样本间

距离指数计算

样本距离UPGMA聚类树

样本距离的PCoA分析

样本距离的NMDS分析

Adonis组间群落结构差异显著性分析

Anosim组间群落结构差异显著性分析

样本距离统计检验

7. 环境因子关联分析

CCA/RDA分析

物种-环境因子相关性热图

物种-环境因子相关性网络图

mantel test分析

VPA分析

Envfit检验

ANOVA分析

Omicsmart动态报告

样品要求/项目周期

请咨询当地销售或拨打电话：020-84889324（医学）、020-84889314（农学）了解详情。

应用案例

[1] Glasl B, Bourne DG, Frade PR, Thomas T, Schaffelke B, Webster NS. Microbial indicators of environmental perturbations in coral reef ecosystems. Microbiome. 2019;7(1):94. Published 2019 Jun 21. doi:10.1186/s40168-019-0705-7

[2] Zhao X, Zhang X, Chen Z, Wang Z, Lu Y, Cheng D. The Divergence in Bacterial Components Associated with Bactrocera dorsalis across Developmental Stages. Front Microbiol. 2018;9:114. Published 2018 Feb 1. doi:10.3389/fmicb.2018.00114

Q1：扩增子项目取样时可以进行混样处理吗？

A：可以。使用一定大小的群体同时进行实验处理，然后混样作为一个生物学重复，能够减少生物学重复样本间的遗传背景差异，有利于发表文章发表。

参考文献：

Xiong, W., Wang, Y., Sun, Y. et al. Antibiotic-mediated changes in the fecal microbiome of broiler chickens define the incidence of antibiotic resistance genes. Microbiome 6, 34 (2018). https://doi.org/10.1186/s40168-018-0419-2

Q2：beta多样性结果中的Anosim盒型图怎么看？

A：根据分组信息，基于样本间unweighted_unifrac距离的秩（rank），使用盒形图展示Anosim检验结果。通过比较组内和组间的轶均值，从而获得分组差异信息。其中 R值表示差异程度，一般介于（0，1）之间，R>0，说明组间存在差异，一般R>0.75：大差异；>0.5：中等差异，>0.25：小差异。 R等于0或在0附近（因为R偶尔也会<0，但一般认为是无效数据），说明组间没有差异。统计分析的可信度用 P-value 表示，P< 0.05 表示统计具有显著性。

发表期刊：Microbiome

影响因子IF=12.16

研究背景

微生物对珊瑚礁功能稳定性的重要贡献已被广泛认知，研究构建珊瑚礁生态系统的微生物监测预警体系。

实验设计

1年的时间尺度内，采集3个海湾区海水、沉积物、珊瑚的组织和外粘液、海绵、海草等9种生境类型的381份样本进行16S 测序分析。

研究结果

通过RDA、VPA分析发现温度对菌群结构变化有重要影响。为建立海水微生物对温度响应的监测体系，研究将样本按温度划分为高中低三级，计算每个物种对每个分组的指示值（Indicator value）大小和指示作用的显著性。然后以显著性为阈值，筛选每个温度等级的指示物种，展示其在样本中的丰度分布（图1）

图1 指示物种Indicator value分析

参考文献

Glasl B, Bourne DG, Frade PR, Thomas T, Schaf elke B, Webster NS. Microbial indicators ofenvironmental perturbations in coral reef ecosystems. Microbiome. 2019;7(1):94. Published 2019 Jun 21.doi:10.1186/s40168-019-0705-7