回复：了解微生物群落這是一個很好的概述，但是我希望您能更詳細地了解如何與每個分析的對話進行交互。
回复：了解微生物群落你好 @ezorlo ，感謝您的關注。與對話的互動不是本文的重點，如果您有任何特定問題，請留下問題或給我發送電子郵件。
回复：了解微生物群落嗨，MJ，非常感謝您發表這篇文章！它提供了很好的概述，我根據您的指南購買了JMP。因為我是SAS愛好者，所以我希望能夠在SAS中復制JMP中的內容。我對您使用 “ Predictor Screening”平台，這是一種引導林分區方法。您介意指導我使用哪種特定的程序/選項來重現此步驟？
謝謝！
回复：了解微生物群落你好 @MBV ，很高興您發現此博客對您有所幫助。您可以在Analyze ==> Screening ==> Predictor Screening中找到此Predictor Screening平台。首先，您需要將數據加載到JMP中，將結果和特徵組織為列，然後選擇結果作為Y響應，選擇特徵作為X變量。
反過來，在SAS中復制它，我認為這取決於您使用哪種SAS產品。例如，在基本SAS中，HPSPLIT過程可能會為您提供類似的信息。
如果您還有其他問題，請告訴我。
回复：了解微生物群落感謝您對MJ的快速回复！我已經能夠毫無問題地重新創建JMP中的步驟。我想在SAS中復制預測變量篩選，並且由於我有b 我將嘗試SAS / STAT HPSPLIT會按照您的建議進行操作，並告訴您它的運行方式。照顧自己
回复：了解微生物群落 @MBV 太棒了！請讓我知道！
回复：了解微生物群落你好
我想在帖子中復制分析，以便獲得一些經驗。
我在biom導入步驟中遇到麻煩。我收到錯誤信息
“訪問或評估'newLine ....'的下標範圍
無論如何，我只想看看表的格式是什麼？您能將與導入的biom文件關聯的數據表發送給我嗎？
最好，
回复：了解微生物群落 @ezorlo 我已經給您發送了一封電子郵件，其中包含共享數據表。
了解微生物群落根據最近的估計根據美國國立衛生研究院（NIH）的數據，人體90％的細胞是細菌，真菌或其他非人類細胞。僅人類腸道就平均包含40,000種細菌，900萬種獨特的細菌基因和100萬億個微生物細胞。
此外，根際中的植物微生物相互作用是植物健康，生產力和土壤肥力的決定因素。每年由植物獲得的菌根真菌和固氮細菌平均佔所有氮的5–20％，至多佔80％，而磷則高達75％。
元基因組學近年來，微生物群落的研究已變得非常流行。元基因組學是通過直接從一組微生物中提取和克隆DNA來研究微生物的技術的集合。使用這些方法，可以獲得併分析來自各種來源的微生物群落的序列概況，以揭示群落結構。在許多情況下，這些微生物群落的性質非常重要，其中一個值得注意的例子是，在多達90％的病例中，糞便微生物移植從根本上重置了腸道群落結構並治癒了復發性艱難梭菌感染。 van Nood等人，2013年 ）。
元基因組學分析通常涉及廣泛的數據可視化和統計建模，這使其成為完成任務的理想之選。 JMP 。實際上，JMP已幫助許多宏基因組學研究人員分析了他們的數據，並促成了許多成功的出版物。 （Danzeisen，Kim，Isaacson，Tu和Johnson，2011年 ; 布魯克斯等人，2015年 ; Zinicola等人，2015年 ; Port，Cullen，Wallace，Smith和Faustman，2014年 ）。
在這篇博客中，我將展示一個使用JMP分析微生物數據集的好例子。該啤酒廠消化器數據集來自以下作者的論文： Werner等，2011 。 我將研究九個用於處理啤酒廢水的大型生物反應器設施中細菌群落的結構，這也是原始論文的研究目標之一。
數據集概述該數據集是公開可用 。 有關數據處理的詳細信息，請參見 Werner等，2011 。簡而言之，他們從九個產甲烷的顆粒污泥生物反應器設施中收集了95種生物質樣品，為期一年。 對來自生物質樣品的細菌16S rRNA基因擴增子進行了條形碼454焦磷酸測序。他們用 II 進行條形碼修剪，去噪，操作分類單位（OTU）聚類，分類分配（Greengenes）和OTU表構建。最終，他們總共獲得了4962個OTU，以進行後續分析。
分析步驟分析步驟如下：
1。讀取Biom文件
OTU（操作分類單位）表通常由Biom（生物觀察矩陣）格式表示，在這種情況下，觀察值是OTU，矩陣包含與每個樣本中每個OTU觀察到的次數相對應的計數。借助Biom Importer加載項，JMP可以讀取Biom文件並將其轉換為OTU和样品表以進行後續分析。您可以下載Biom Importer JMP加載項在JMP用戶社區中。
2。 選擇功能
我們要做的第一件事是通過刪除冗餘或不相關的OTU來減少數據量。JMP“ Predictor Screening”平台是一種引導森林劃分方法，用於根據其對預測生物反應器位置的貢獻，從4962個OTU中選擇144個。
3。 檢查144個頂級OTU的分類
我們對這些最具預測性的OTU所屬的分類組感興趣。這是一個非常簡單的任務 JMP 。只需轉到“圖形”>“圖形生成器”，然後將相關變量拖動到圖形面板，然後選擇要製作的圖形類型即可。我繪製了144個最有預測意義的OUT的門的頻率。從圖中可以不難看出，分類學上的分支主要由Firmicutes，Proteobacteria，Bacteroidetes，Chloroflexi，Spirochaetes以及未知物種主導。
4。 識別生物反應器位置的分類劃分
我們要問的下一個問題是每個位置的微生物種類的分解情況。如下圖在Graph Builder中創建的圖所示，我們可以注意到生物反應器中生物分類的分佈存在顯著差異。
5， 執行主成分分析
該項目的下一個任務是評估這144個OTU在分離生物反應器位置方面的性能，換句話說，我們正嘗試使用144個OTU對位置進行聚類。我首先嘗試執行主成分分析（PCA），因為它可以從多維數據中提取信息。在分析>多元方法>主成分下，JMP提供了PCA的便捷實現。
主成分（PC）1和2的聚類圖顯示，除E2和U3外，大多數位置都可以通過其微生物群落很好地分開。我們還注意到一些樣本被錯誤分類，例如，來自E4的樣本被分類為E1，來自U2的樣本被分類為U4。雙線圖按類順序顯示了聚類之間分類結構的差異。值得注意的是，某些分類學類別，例如Deltaproteobacteria（25次），Clostridia（26次）和Bacteroidia（16次）是聚類的主要貢獻者。
散點圖：
下注：
6。 進行分層聚類
我嘗試的第二種聚類方法是層次聚類。再次， JMP 在菜單“分析”>“聚類”>“層次聚類”下，該方法的實現非常好。我根據他們的微生物群落對位置進行了聚類。雙向樹狀圖（位置與物種）和星座圖都表明，層次聚類成功地將樣本聚集成了9個位置。再次，正如我們在PCA中觀察到的，幾個樣本被錯誤分類，這與原始論文中的預測準確性（96.4％）相一致。
層次聚類結果：
結論在此博客文章中，我展示了一個使用JMP分析宏基因組學數據（特別是OTU表）的示例。JMP是具有強大的可視化和統計建模功能的工具。關於使用JMP進行宏基因組學數據分析，還有更多要說的。例如，在“分析”>“預測建模”下，可以將多個複雜的預測模型（例如神經網絡和朴素貝葉斯）應用於您的數據。
如果您有興趣學習JMP，建議您從閱讀開始基本分析 ，它很好地介紹了使用JMP進行起始數據分析。（你也可以免費試用JMP 。）有關針對生物學數據進行了優化的更複雜的預測建模和交叉驗證例程，請查看 JMP基因組學也一樣
鑑於經常使用數據可視化，聚類和統計建模，宏基因組學分析是JMP的完美任務。加載項生物素進口商可以直接讀取Biom文件，可以進一步簡化分析流程。請將您的想法和問題留在評論區域。
參考文獻布魯克斯，JP，保羅·布魯克斯，J。，陰道微生物組聯盟（其他成員），愛德華茲，DJ，哈里奇，醫學博士，里維拉，MC，…巴克，喬治亞州（2015年）。關於宏基因組學的真相：量化和抵消16S rRNA研究中的偏倚。 BMC微生物學，15（1）。https://doi.org/ 1186 / s12866-015-0351-6 Danzeisen，JL，Kim，HB，Isaacson，RE，Tu，ZJ，＆Johnson，TJ（2011）。響應抗球蟲和生長促進劑治療的雞盲腸微生物組和元基因組的調節。 PloS One，6（11），e27949。 Port，JA，Cullen，AC，Wallace，JC，Smith，MN和Faustman，EM（2014）。用於監測水生環境中抗生素抗性的元基因組框架。 《環境健康展望》，122（3），222–228。 範·諾德（E. van Nood），弗里茲（Vrieze），尼烏多普（Neuwdorp，M.），富恩特斯（Fuentes），佐伊滕達爾（Zoetendal），EG，德沃斯（De Vos），WM，…凱勒（Jeller）（2013）。十二指腸輸注難治性梭狀芽胞桿菌糞便。 《新英格蘭醫學雜誌》，368（5），407–415。 Werner，JJ，Knights，D.，Garcia，ML，Scalfone，NB，Smith，S.，Yarasheski，K.，…Angenent，LT（2011）。在完整的生物能源系統中，細菌群落結構是獨特且具有彈性的。 美國國家科學院院刊，108（10），4158-4163。 Zinicola，M.，Higgins，H.，Lima，S.，Machado，V.，Guard，C.，＆Bicalho，R.（2015年）。彈槍的基因組測序揭示了與牛數字性皮炎相關的功能基因和微生物組。 PloS One，10（7），e0133674。儘管我們通常看不到它們，但是微生物對於人類生活的每個部分都是必不可少的。
回复：了解微生物群落親愛的MJ
非常感謝你！那很有幫助。您是否知道在JMP中執行指標種類分析的方法？
目前，使用OTU豐度作為響應並使用我的預測變量（例如位置）作為預測變量進行了響應篩選，並按分類單元進行了分組。然後我將結果的p值過濾為<0.05
是否有更好/更合適的方法來做到這一點？
最好的祝福
回复：了解微生物群落 @ezorlo 剛剛為最佳預測變量共享了一個分類文件，希望對您有所幫助。關於指標種類分析，由於JMP是通用工具，因此可能沒有針對每個問題的特定工具。但是，如果您知道此分析背後的算法/方法，則可能可以找到在JMP中執行該算法/方法的另一種方法，或者，如果您知道如何編寫JSL代碼，甚至可以自己實現。
