- 首頁 ＞ 代謝組+16S關聯分析
代謝組+16S關聯分析
微生物組的研究已經逐漸進入到多組學的時代，越來越多的科學家將代謝組與微生物組關聯起來，同時從微生物與代謝物兩個角度分析生物學問題，通過解析微生物-代謝物的關聯性，多維的角度揭示生命活動。
針對16S 及代謝組數據，華大基因基于代謝物豐度與微生物相對豐度進行聯分析， 采取數據降維和相關性分析方法，分析兩組學的整體相關性，探究生物學問題與代謝物和微生物之間的關系，找到高度相關的代謝物和微生物，進而挖掘微生物、代謝物以及所研究的生物學背景間存在的內在關聯網絡。
?
技術優勢
1、關聯分析研究經驗豐富，在Nature等頂級期刊上自主發表多篇文獻。
2、充分調研微生物組與代謝組關聯分析文獻，自主開發軟件分析流程。
?
產品應用
1、? 腸道微生物與疾病研究
2、? 腦-腸-軸研究
3、? 益生菌等微生物制劑開發
4、? 根際微生物研究
5、? 水體、土壤等環境研究
6、? 茶葉、腐乳等發酵食品發酵工藝探索
?
技術路線
?
注：差異物種無生物學功能關聯
項目周期
12個自然日 ???????
?
?
案例一：微生物與代謝關聯揭示擬南芥三萜化合物對植物根系微生物組的調控規律[1]
實驗設計：
選取野生型及突變型的模式物種擬南芥做根部代謝組分析及根部微生物群落16S分析，探究三萜化合物對植物根部微生物群落的調控作用。?
主要結論：
16S分析顯示擬南芥三萜化合物合成突變株的根微生物組成和多樣性發生了變化，顯示Bacteroidetes富集與Delatproteobacteria消耗的微生物調節模式。將其根部微生物與分類上較遠物種水稻和小麥的根系細菌分布相比較，發現這些三萜化合物的生物合成途徑能影響擬南芥根部微生物組的組成。代謝組分析發現擬南芥野生型及THAS過表達植株的根系中存在7種thalianol衍生產物（T1，T2，T9，T10，T18a-T18c）及arabidin（A5）在野生型型植株中不存在。?
在三種主要的細菌門（Proteobacteria，Actinobacteria和Firmicutes）中選擇了19種菌株分離純化與三萜混合物培養，大多數Proteobacteria菌株增殖更快，而所有Actinobacteria菌株都被抑制，顯示植物根部與土壤中的濃度和消耗模式一致，表明所試驗的化合物有助于植物根際細菌的主動選擇。對代謝敏感細菌屬進行三萜化合物的體外培養實驗，發現三萜代謝物可以選擇性地調節這些根系細菌的生長。
?圖1 三萜通路的突變體特異調控的根系細菌類群
參考文獻
A specialized metabolic network selectively modulates Arabidopsis root microbiota. Science 2019
在關聯分析中，綜合運用了單變量相關性、非監督模型關聯、監督模型關聯、生物學功能關聯。以下為部分分析結果圖片展示：
1、? 適用數據類型
要求用于關聯分析的兩組學的樣本數據一一對應（即用于關聯分析的兩組學的樣本來自于相同的生物學重復個體），代謝組數據可以為非靶向代謝組、脂質組學、靶向代謝組學中的任意一種。
?
2、? 重復次數要求
1）當樣本為2組時，每組樣本數不少于8個；當樣本組不少于3組時，每組樣本不少于4個；每組樣本大于10個時分析效果較好。
2）用于關聯分析的臨床樣本推薦每組樣本數不少于30個。
3）重復數少于建議數時分析效果差；每組低于3個樣本時無法分析。
Q1：為什么用于關聯分析的兩組學樣本要求一一對應？
A1：分析中包含Spearman相關性分析，其相關系數表明X(獨立變量)和Y(依賴變量)的相關方向，在進行計算兩組學的相關性時要求每一個組學數據要有能夠對應的另一個組學數據，否則無法進行相關性分析。
?
Q2：16S+代謝關聯分析對用于采集數據的樣本有限制嗎？
A2：沒有限制。此關聯分析針對16S及代謝組數據，滿足條件的數據即可進行相應的關聯分析，根據解讀關聯分析的結果進行數據挖掘，因此要求在前期設計實驗時就要考慮到后面用于關聯分析的兩組學數據的樣本來源在生物學上的相關性（一般建議用于關聯分析的兩組學數據來源于相同的生物學重復的個體），單純的數據分析本身只討論統計學的相關性。
?
Q3：對于關聯分析的兩組學數據的重復數的要求有什么依據嗎？
A3：關聯分析是依據16S及代謝組數據基礎上進行的統計關聯分析，故用于關聯分析的樣本數據越多，分析結果表現越好。
建議數是我們的項目經驗值，當重復數低于建議數時，數據分析的表現結果差；且每組低于3個樣本時無法進行關聯分析。
