1 / 23
文档名称:

(5)高通量测序:环境微生物群落多样性分析报告.doc

格式:doc   大小:30KB   页数:23页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

(5)高通量测序:环境微生物群落多样性分析报告.doc

上传人:511709291 2022/1/25 文件大小:30 KB

下载得到文件列表

(5)高通量测序:环境微生物群落多样性分析报告.doc

相关文档

文档介绍

文档介绍:word
word
word
(5)高通量测序:环境微生物群落多样性分析
微生物群落多样性的根本概念
环境中微生物的群落结构与多样性和微生物的功能与代谢机理是微生物生态学的研究热点。长期以来,由于受到技术限制,对微量足够大,可以反映样品中绝大多数的微生物物种信息。
横轴:从某个样品中随机抽取的测序条数。
纵轴:Shannon-Wiener 指数,用来估算群落多样性的上下。
Shannon 指数计算公式:
其中,
Sobs= 实际测量出的OTU数目;
word
word
word
ni= 含有i 条序列的OTU数目;
N = 所有的序列数。
曲线解读:
? 图2每条曲线代表一个样品,用不同颜色标记,末端数字为实际测序条数;
? 起初曲线直线上升,是由于测序条数远不足覆盖样品导致;
?
数值升高直至平滑说明测序条数足以覆盖样品中的大局部微生物。
曲线
用于同时解释样品多样性的两个方面,即样品所含物种的丰富程度和均匀程度。
物种的丰富程度由曲线在横轴上的长度来反映,曲线越宽,表示物种的组成越丰富;
word
word
word
物种组成的均匀程度由曲线的形状来反映,曲线越平坦,表示物种组成的均匀程度越高。横轴:OTU 相对丰度含量等级降序排列。
纵轴:相对丰度比例。
曲线解读:
? 图3与图4中每条曲线对应一个样本〔参考右上角图标〕;
? 图3与图4中横坐标表示的是OTU〔物种〕丰度排列顺序,纵坐标对应的是OTU〔物种〕所占相对丰度比例〔图3为相对百分比例,图4为换算后Log值〕,曲线趋于水平如此表示样品中各物种所占比例相似;曲线整体斜率越大如此表示样品中各物种所占比例差异较大。
4. 样本群落组成分析:多样本柱状图/
单样本饼状图
   根据分类学分析结果,可以得知一个或多个样品在各分类水平上的物种组成比例情况,反映样品在不同分类学水平上的群落结构。柱状图〔图5〕
横轴:各样品的编号。
纵轴:相对丰度比例。
word
word
word
图标解读:
? 颜色对应此分类学水平下各物种名称,不同色块宽度表示不同物种相对丰度比例;
? 可以在不同分类学水平下作图分析。
饼状图〔图6〕
在某一分类学水平上,不同菌群所占的相对丰度比例。不同颜色代表不同的物种。
5. 样品OTU 分布Venn 图
用于统计多个样品中共有或独有的OTU数目,可以比拟直观地表现各环境样品之间的OTU 组成相似程度。
不同样品用不同颜色标记,各个数字代表了某个样品独有或几种样品共有的OTU 数量,对应的OTU编号会以EXCEL 表的形式在结题报告中呈现。
分析要求
word
word
word
单X分析图,样本分组至少两个,最多5 个。
? 默认设置为97% 相似度水平下以OTU 为单位进展分析作图。
6. Heatmap 图
用颜色变化来反映二维矩阵或表格中的数据信息,它可以直观地将数据值的大小以定义的颜色深浅表示出来。将高丰度和低丰度的物种分块聚集,通过颜色梯度与相似程度来反映多个样品在各分类水平上群落组成的相似性和差异性。
相对丰度比例:
热图〔图8〕中每小格代表其所在样品中某个OTU 的相对丰度。以图8为例,红框高亮的小格所对应的信息为:样本〔R11-1Z〕中OTU〔OTU128〕%。
word
word
word
丰度比例计算公式〔Bray Curtis 算法〕:
其中,
SA,i = 表示A样品中第i个OTU所含的序列数
SB,i = 表示B样品中第i个OTU所含的序列数
样品间聚类关系树:
进化树表示在选用成图数据中,样本与样本间序列的进化关系〔差异关系〕。处于同一分支内的样品序列进化关系相近。
物种/OTU 丰度相似性树:
丰度相似性树表示选用成图的数据中样品与样品中的OTU 或序列在丰度上的相似程度。丰度最相近的会分配到同一分支上。
客户自定义分组:根据研究需求对菌群物种/OTU 研究样本进展二级分组
? 二级物种/OTU 分组:将下级分类学水平物种或OTU 分配到对应的上级分类学水平,以不同颜色区分;
word
word
word
? 二级样品分组:根据研究需要,对样品进展人为的分组,以不同颜色区分。
7. 主成分分析PCA (Principal ponent Analysis)
在多元统计分析中,主成分分析是一种简化数据集的技术。主成分分析经常用于减少数据集的维数,同时