在宏基因组研究中,环境因子分析可以预测微生物群落的功能与生态机制,筛选环境检测或疾病诊断的标志微生物与功能群,进而为环境安全或宿主健康进行风险预测。然而,环境因子与微生物的关联分析点众多,不仅需要筛选环境因子,还需要从群落到特定微生物群层层分析才能逐步找出关键环境因子与微生物Biomarker,就像游戏中的层层关卡,需要层层突破才能“顺利通关”。
基迪奥Omicsmart宏基因组分析平台为大家筛选出最常用的环境因子分析点,轻松做到从“整体”到“个体”层层突破顺利通关环境因子分析。我们一起来看看如何应用Omicsmart顺利通关环境因子分析吧~在收集环境因子数据时往往会收集许多环境因子,从众多环境因子数据中保留更为重要的环境因子进行分析是环境因子分析的第一关。CCA/RDA分析可以将样本的微生物组成和环境因子反应在一个二维排序图上,可以直观反映样本群落与环境因子的关系,并且会在环境因子数量较多时对共线性较高的环境因子进行去除,保留更为关键的环境因子进行后续分析,选择哪种模型更为合适可以通过DCA分析进行判断。在Omicsmart宏基因组平台物种/功能分析模块,选择CCA或RDA分析结果进行查看。在下方 数据列表 中,可以切换查看 DCA 结果表用于模型选择的判断,Axis lengths的DCA1结果即为模型判断的lengths of gradient,当该结果数值小于3时选择RDA分析,数值大于4时选择CCA分析,在3~4之间选择任意模型均可。选择完模型后,可以切换至 环境因子 表格,查看环境因子对微生物群落组成的影响是否显著。这里提供ANOVA与Envfit检验两个结果,任一结果的P值均可作为判断依据,对显著的环境因子进行保留,即可完成对环境因子的初步筛选,从CCA/RDA结果中也可以大致判断保留的环境因子对微生物群落组成的影响程度。筛选出较为重要的环境因子后,说明这些环境因子与群落变化显著相关性是环境因子分析的第二关。Mantel检验是对两个矩阵进行相关性分析的方法,Omicsmart宏基因组平台可以使用Mantel检验基于样本间的物种/功能组成与环境因子组成的距离矩阵计算环境因子与群落变化的相关性。可以在 更换阈值绘图 处勾选刚刚筛选出的环境因子进行分析,查看这些环境因子的组合是否足够显著影响微生物群落组成。图3 使用Mantel检验判断保留的环境因子对群落组成的变化是否显著分析筛选得到的每个环境因子对群落变化的影响程度,进而筛选出更为重要的环境因子是环境因子分析的第三关。Omicsmart宏基因组平台可以进行环境贡献度分析,进而可以判断保留的环境因子对群落变化的影响程度。用相关性网络图/热图筛选与特定环境因子高度相关的微生物
与特定环境因子高度相关的微生物是揭示微生物群落变化机制的重要环节,也可以作为环境或宿主健康的检测指标,因此在挖掘关键环境因子后,找到与关键环境因子高度相关的微生物是环境因子分析最重要的第四关。Omicsmart宏基因组分析平台可以使用环境因子相关性热图和相关性网络图挖掘与特定环境因子高度相关的微生物。相关性热图可以更直观全面地反映微生物与环境因子间的相关性和显著性,但不能直观的看到高度相关微生物的丰度大小。相关性网络图可以展示与环境因子高度相关微生物的丰度大小,但会忽略一些相关性较低的微生物。图5 使用相关性热图找出与特定环境因子高度相关的微生物图6 使用相关性网络图找出与特定环境因子高度相关的微生物不知道今天的推文有没有帮助到你呢?使用Omicsmart宏基因组分析平台,让环境因子分析轻松通关,有研究需求的小伙伴快快行动起来吧~*未经许可,不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有,侵权必究。
联系方式:020-39341079;service@genedenovo.com