新闻资讯

利器在手,助您菌群研究更上一层楼 |“16s+代谢”联合分析升级

2024-02-02
中科新生命
1495
生物体内存在大量的微生物,微生物能代谢很多自身不能代谢的营养物质,产生大量的次生代谢产物,这些代谢产物也会进入到人体参与各种信号通路。对于生命体活动的发生发展也是密切相关的,需要重点关注和研究。  关联分析是数据深入挖掘的一种方式,主要用来发现隐藏在数据集中的关联性或相关性。微生物与代谢的关联分析主要是基于统计学的算法来发现显著性差异的菌群与显著性差异的代谢物之间的关联。

生物体内存在大量的微生物,微生物能代谢很多自身不能代谢的营养物质,产生大量的次生代谢产物,这些代谢产物也会进入到人体参与各种信号通路。对于生命体活动的发生发展也是密切相关的,需要重点关注和研究。

关联分析是数据深入挖掘的一种方式,主要用来发现隐藏在数据集中的关联性或相关性。微生物与代谢的关联分析主要是基于统计学的算法来发现显著性差异的菌群与显著性差异的代谢物之间的关联。

中科新生命继推出16s+代谢的联合分析后,颇受代谢及肠道菌群等研究领域的欢迎。2024年新年之际,中科新生命潜心钻研,重新出发,重磅推出联合系列升级产品,更多丰富的分析内容一键可得。本次对16s+代谢的分析内容全新升级后,新增RDA/CCA分析,Mantel test等分析,并联合原有优化关联结果的展示,应用领域涉及:疾病与健康、农业土壤生态 、环境及资源,下面跟着小编一睹为快!

分析流程
分析流程

 

01

相关性分析

相关性分析是指对两个或者多个具备相关性的变量元素进行分析,从而衡量两个变量因素的密切关注程度。相关性系数Spearman计算,将获得的数值矩阵通过矩阵、网络图、热图或散点直观展示。

1

spearman相关系数矩阵热图

矩阵图不仅可以展示显著性差异菌群和显著性差异代谢物之间的相关性,也可以展示显著性差异代谢之间、显著性差异菌群之间的相关性。一张图即可讨论单个组学检测结果的内部关联性,也可以讨论两组学之间的关联性。注:该图形分析还可以应用的两个以上的组学结果展示。

图1 显著性差异菌群与显著性差异代谢物的spearman相关系数矩阵热图

图1 显著性差异菌群与显著性差异代谢物的spearman相关系数矩阵热图

2

Spearman相关性分析网络图

Spearman相关性分析网络图为了筛选处于网络中关键节点位置的显著性差异的代谢物和显著性差异的菌属。该图是相关性系数,寻找变量之间的联系,以网络图来展示数据的内部结构,并将显著相关的特征节点用不同粗细的线相连来表示不同变量间的相互作用关系,从而简化相关性矩阵热图。图中圆圈代表显著性差异的菌属,矩形代表显著性差异的代谢物。一眼能看出哪些微生物或者代谢物在本次实验中与生物体变化联系度较大(重点看节点大、连线多且连线粗的节点)。

图2 显著性差异菌群与显著性差异代谢物的Spearman相关性分析网络图

图2 显著性差异菌群与显著性差异代谢物的Spearman相关性分析网络图

3

spearman相关性分析层次聚类热图

为了直观地反映显著性差异的菌群和显著性差异的代谢物的表达模式的异同,对显著性差异的菌群和代谢物进行相关性层次聚类分析。左侧树杈表示对差异菌属进行聚类的结果,上侧树杈表示对差异代谢物进行聚类分析的结果。聚类出现在同一个cluster的显著性差异代谢物或者差异的菌属具有相似的相关性模式。可以集中讨论一类菌群和一类代谢物之间的关系,这类菌群或者这类代谢物可能在生物体内参与同样的功能。

图3 显著性差异菌群与显著性差异代谢物的spearman相关性分析层次聚类热图

图3 显著性差异菌群与显著性差异代谢物的spearman相关性分析层次聚类热图

4

相关关系散点图

散点图是相关性分析过程中常用的一种直观分析方法,根据样本数据点在二维平面上的分布特征,能够直观地反映两个变量之间的关系趋势。散点图反映的是单个显著性差异的代谢物和某个显著性差异的菌属之间的相关性。在文章中常用于讨论最终筛选出的Biomarker时使用。

图4 相关关系散点图

图4 相关关系散点图

 

 

02

RDA/CCA分析

RDA(冗余分析)是基于线性模型,CCA(典范对应分析)是基于单峰模型。分析代谢物、样品、菌群三者之间的关系或者两两之间的关系。在一元统计分析中,用相关系数来衡量两个随机变量的线性相关关系,用复相关系数研究一个随机变量与多个随机变量的线性相关关系。然而,这些方法均无法用于研究两组变量之间的相关关系,于是提出了RDA/CCA。

图5 RDA/CCA分析图

图5 RDA/CCA分析图

图5中箭头线段的长短可以代表代谢物对物种数据的影响程度(解释量)的大小;代谢物箭头间的夹角代表正、负相关性;从样品点向数量型代谢物的箭头线段做投影,投影点距离原点的距离代表代谢物对样本群落分布相对影响的大小。该分析一般有两个典型的目的:数据简化:用少量的线性组合来解释两组变量之间的相关作用。数据解释:寻找特征值,这些特征值对于解释两个变量集合之间的相互作用十分关键。

 

 

03

Mantel Test 分析

Mantel test是检验两个矩阵相关关系的非参数统计方法。用来检验菌群和代谢物之间的相关性。Mantel test的相关性系数越大,p值越小,则说明代谢物对微生物群落的影响越大。同时,mantel test的偏分析可排除代谢物之间自相关的干扰。

图6 mantel检验

图6 mantel检验

连线的粗细表示两个矩阵之间的相关性,连线的颜色表示两个矩阵的相关性大小的显著性P值;矩阵图表示差异代谢物之间的相关性。

 

 

04

应用案例

1. 长双歧杆菌促进肝细胞癌患者术后肝功能恢复

Bifidobacterium longum promotes postoperative liver function recovery in patients with hepatocellular carcinomaLight modulates glucose metabolism by a retina-hypothalamus-brown adipose tissue axis

发表期刊Cell Host and Microbe(IF 30.3)

发表时间2023

合作单位华中科技大学

解读链接项目文章Cell Host & Microbe(IF 30.3)| 华科大发现长双歧杆菌可促进肝癌患者术后肝功能恢复

2. 微塑料和镉对农田土壤生物的季节变化和反馈

Seasonal variations and feedback from microplastics and cadmium on soil organisms in agricultural fields

发表期刊Environment International(IF 11.8)

发表时间2022

合作单位南京大学

解读链接项目文章 | 16S+代谢助力客户土壤污染研究登陆环境科学顶刊

3. 靶向肠道菌群研究植物乳杆菌1201在高盐饮食加重结肠炎的机制

Targeting the Gut Microbiota to Investigate the Mechanism of Lactiplantibacillus plantarum 1201 in Negating Colitis Aggravated by a High-Salt Diet

发表期刊Food Research International(IF 8.1)

发表时间2022

合作单位南昌大学

解读链接项目文章 | 南昌大学万翠香老师团队利用16S+代谢联合解析益生菌缓解结肠炎新机制

 

 

中科优品推荐

【中科新生命】全面推出环境微生物16和代谢检测联合系统解决方案,多角度、多层次、全方位深入挖掘微生物群落、代谢物和生态环境表型之间的关联性,寻找功能微生物驱动/响应生态环境变化的潜在机制。

· 成本低,入门级研究

· 增加高分热门分析:mantel test偏分析

【中科新生命】全面推出环境微生物16和代谢检测联合系统解决方案,多角度、多层次、全方位深入挖掘微生物群落、代谢物和生态环境表型之间的关联性,寻找功能微生物驱动/响应生态环境变化的潜在机制。  · 成本低,入门级研究  · 增加高分热门分析:mantel test偏分析