什么是微生物组测序？
鉴于高通量测序技术的进步，与测序相关的费用稳步下降，而测序效率则迅速提高。目前，可以以较低的成本对微生物进行更彻底和广泛的检查。微生物组学是一门新兴学科，利用各种高通量组学技术来仔细检查微生物群落及其功能。这包括应用扩增子测序方法来研究微生物群落的组成和结构。此外，元转录组学、蛋白质组学和代谢组学被用来深入研究群落内的微生物功能和相互作用。
这些创新的研究方法使我们能够更全面地了解微生物领域，让我们得以一窥微生物存在的另一个维度。此外，在推进高通量测序、鉴定和培养组学技术的帮助下，我们准备揭示无数以前未被发现且具有挑战性的微生物培养。正在进行的技术改进将系统地剥离笼罩微生物世界的神秘层。
微生物组测序方法
直到最近，地球上微生物群的性质和组成在很大程度上仍然是一个黑匣子。下一代测序（NGS）已被证明是研究不同环境和宿主相关微生物群落的宝贵工具，有助于生成巨大的新数据集，可以挖掘大量微生物群落的组成和功能特性信息。
NGS在微生物群落分析中的应用包括 扩增子测序 （通常 16S rRNA测序 对于细菌和 18S rRNA/ITS测序 真菌）， 宏基因组鸟枪测序, 复转录测序 和 病毒宏基因组测序，这有助于回答“谁在社区中”、“他们能做什么”和“这些微生物如何相互作用”等问题。图1概述了这些策略。
图1。宏基因组学研究策略。改编自Bikel 等., 2015.
| 微生物基因组研究 | 微生物转录组研究 |
| 微生物全基因组测序 | 微生物转录组测序 |
| 微生物全基因组测序 | 转录组测序 |
| 16s/18s/ITS扩增子测序 | 微生物小RNA测序 |
| 宏基因组测序 | |
| 目标捕获测序 |
我们提供
博凯森生物 致力于提供新的NGS服务，使研究人员能够使用Illumina和PacBio的技术，以高分辨率和独立于培养的方式探索微生物群落的结构和功能。此外，我们还提供对单个培养的细菌、真菌、噬菌体或病毒的基因组进行测序的服务，无论是 从头开始 或重新测序。我们卓越的微生物测序服务组合包括：我们的博士级专主页可以在项目设计阶段和项目实施期间就样品制备和使用的技术方法为您提供全程建议，努力降低测序成本，同时最大限度地提高高质量数据输出。测序后，我们的生物信息学专主页可以协助您对项目进行分析，并对序列数据进行解释，以满足出版或应用要求。
主要特点和优势：
- 最先进的管道：在实验设计、样品处理、DNA提取、文库制备、测序、数据分析和解释方面经验丰富的人员。
- 高效可靠的测序程序：我们利用最新的Illumina和PacBio测序仪器、尖端测序技术和标准工作流程来确保结果的准确性和可靠性。
- 出色的服务：我们拥有高素质的专主页，使用最新的序列数据库和软件工具提供高质量的碱基序列、严格的质量控制、全面的生物信息学分析，生成可发表的数据。
- 具有成本效益的价格和快速的周转时间：我们的高成功率和高质量数据防止了昂贵的重复实验和测序。
- 个性化客户服务.
参考
- Bikel S。， 等结合宏基因组学、元转录组学和病毒组学，探索新的微生物相互作用：实现对人类微生物组的系统级理解。 计算与结构生物技术杂志. 2015, 13:390-401.
物种丰度柱状图
从不同分类水平的相对丰度表中，选出了每个样本或组中相对丰度最高的前10个物种。剩余的物种被统称为“其他”。随后，为每个相应的样本生成了描述不同分类水平物种相对丰度注释的条形图。
Figure 1 Relative Abundance Bar Graph
基因数注释与相对丰度聚类分析
从不同分类水平的相对丰度表中，根据丰度排名选出了前35个属的子集。随后，生成了一张热图，显示了每个样本中这些属的丰度信息。在物种层面进行聚类分析，以增强结果可视化和信息检索，从而识别样本中表现出更高聚集水平的物种。
图2：基因数量和丰度聚类热图
稀释曲线分析
稀释曲线涉及从样本中随机提取特定的测序体积，然后对所代表的物种（即OTU或操作分类单位）进行统计计数。通过绘制提取的测序数据量与相应物种计数的关系图来构建曲线。稀释曲线直接反映了测序数据量的合理性，间接表明了样本中物种的丰富度。当曲线接近平台时，这意味着测序数据量正在接近合理水平，额外的数据可能只会使新物种的检测（OTU）略有增加。
图3：稀释曲线
阿尔法多样性分析
阿尔法多样性用于评估单个样本（群落内）内的微生物群落多样性。通过分析单个样本内的多样性（阿尔法多样性），它反映了该样本内微生物群落的丰富性和多样性。该分析包括使用物种累积箱图、物种多样性曲线和一系列统计指标来评估不同样本微生物群落中物种丰富度和多样性的差异。
图4：物种累积箱图
贝塔多样性分析
贝塔多样性涉及对不同样本中微生物群落组成的比较分析。最初，基于所有样本的物种注释结果和操作分类单元（OTU）的丰度信息，通过合并具有相同分类的OTU来生成物种丰度表（分析表）。同时，利用OTU之间的系统发育关系，计算Unifrac距离，特别是非加权Unifrac。这种方法提供了对各种样本中微生物群落结构差异的全面评估。
图5:贝塔多样性指数热图
LEfSe分析
LEfSe（线性判别分析效应大小）是一种分析工具，用于发现和解释高维生物标记，包括基因、途径和分类单位。LEfSe旨在比较两个或多个组，强调统计意义和生物学相关性，从而能够识别组间存在显著差异的生物标志物。这使研究人员能够辨别不同丰度的特征及其相关类别。
LEfSe的统计结果包括三个部分：显示线性判别分析（LDA）值分布的柱状图、显示进化关系的系统发育树和显示不同群体中具有统计意义的生物标志物丰度差异的比较图。这些结果共同提供了对导致观察到的组间差异的鉴别特征的全面概述。
图6:LDA值分布直方图
图7：系统发育树
环境因素相关性分析
典型对应分析（CCA）和冗余分析（RDA）是阐明微生物群落与环境因素之间关系的主要方法。这些分析有助于探索环境因素、样本和微生物群落之间的关联，揭示复杂的联系模式。通过采用这些技术，可以确定影响样本分布的关键环境驱动因素。因此，CCA和RDA为微生物群落与所审查的环境条件之间的复杂相互作用提供了宝贵的见解。
图8：典型对应分析（CCA）图
