Hallo MJ, vielen Dank für diesen Beitrag! Es bot einen guten Überblick und ich habe JMP aufgrund Ihrer Richtlinie gekauft. Da ich ein SAS-Liebhaber bin, möchte ich in SAS replizieren können, was hier in JMP ist. Ich interessiere mich für Ihre Verwendung der "Predictor Screening" -Plattform, eine Bootstrap-Gesamtstruktur-Partitionierungsmethode. Würde es Ihnen etwas ausmachen, mich zu führen, in welchem spezifischen Verfahren / mit welchen Optionen Sie einen solchen Schritt reproduzieren können?
Vielen Dank!
Hallo @ MBV Ich bin froh, dass Sie diesen Blog hilfreich fanden. Sie finden diese Predictor Screening-Plattform unter Analysieren ==> Screening ==> Predictor Screening. Sie müssen zuerst Ihre Daten in JMP laden, Ihr Ergebnis und Ihre Features als Spalten organisieren und das Ergebnis als Ihre Y-Antwort und Features als Ihre X-Variablen auswählen.
Nach der Replikation in SAS hängt es meiner Meinung nach davon ab, welches SAS-Produkt Sie verwenden. In der Basis-SAS kann die HPSPLIT-Prozedur beispielsweise etwas Ähnliches liefern.
Lassen Sie mich wissen, wenn Sie weitere Fragen haben.
Vielen Dank für Ihre schnelle Antwort MJ! Ich konnte die Schritte in JMP ohne Probleme neu erstellen. Ich möchte das Prädiktor-Screening in SAS replizieren, und da ich b ase SAS / STAT werde ich versuchen HPSPLIT folgt Ihrem Rat und lässt Sie wissen, wie es geht. Pass auf
Hallo
Ich möchte die Analyse im Beitrag replizieren, damit ich etwas Erfahrung sammeln kann.
Ich habe Probleme mit dem Schritt des Biomimports. Ich erhalte eine Fehlermeldung
"Indexbereich beim Zugriff oder bei der Auswertung von 'newLine ....'
Wie auch immer, ich möchte nur sehen, wie die Tabelle formatiert ist. Können Sie mir bitte die Datentabelle senden, die der importierten Biom-Datei zugeordnet ist?
Beste,
Laut der jüngste Schätzung Von den National Institutes of Health (NIH) sind 90 Prozent der Zellen im menschlichen Körper bakteriell, pilzartig oder auf andere Weise nicht menschlich. Allein der menschliche Darm enthält durchschnittlich 40.000 Bakterienarten, 9 Millionen einzigartige Bakteriengene und 100 Billionen mikrobielle Zellen.
Darüber hinaus sind Pflanzen-Mikroben-Wechselwirkungen in der Rhizosphäre die Determinanten für Pflanzengesundheit, Produktivität und Bodenfruchtbarkeit. Mykorrhizapilze und stickstofffixierende Bakterien sind für durchschnittlich 5 bis 20 Prozent und bis zu 80 Prozent des gesamten Stickstoffs und bis zu 75 Prozent des Phosphors verantwortlich, der jährlich von Pflanzen aufgenommen wird.
MetagenomikStudien über mikrobielle Gemeinschaften sind in den letzten Jahren sehr populär geworden. Metagenomics ist eine Sammlung von Techniken zur Untersuchung von Mikroorganismen durch direkte Extraktion und Klonierung von DNA aus einer Ansammlung von Mikroorganismen. Mit diesen Methoden können Sequenzprofile von mikrobiellen Gemeinschaften aus verschiedenen Quellen erhalten und analysiert werden, um die Gemeinschaftsstruktur aufzudecken. In vielen Situationen spielt die Natur dieser mikrobiellen Gemeinschaften eine große Rolle. Ein bemerkenswertes Beispiel ist, dass die fäkale mikrobielle Transplantation die Struktur der Darmgemeinschaft radikal zurücksetzt und in bis zu 90 Prozent der Fälle eine rezidivierende Clostridium difficile-Infektion heilt ( van Nood et al., 2013 ).
Die Metagenomik-Analyse umfasst normalerweise eine umfassende Datenvisualisierung und statistische Modellierung, was sie zu einer perfekten Aufgabe macht JMP . Tatsächlich hat JMP vielen Metagenomikforschern geholfen, ihre Daten zu analysieren, und zu einer Reihe erfolgreicher Veröffentlichungen geführt (Danzeisen, Kim, Isaacson, Tu & Johnson, 2011 ;; Brooks et al., 2015 ;; Zinicola et al., 2015 ;; Port, Cullen, Wallace, Smith & Faustman, 2014 ).
In diesem Blog-Beitrag werde ich ein gutes Beispiel für die Analyse eines mikrobiellen Datensatzes mit JMP zeigen. Dieser Datensatz von Brewery Digesters stammt aus einem Papier von Werner et al., 2011 . Ich werde die Struktur der Bakteriengemeinschaft in neun vollwertigen Bioreaktoranlagen zur Behandlung von Brauereiabwasser untersuchen, was auch eines der Studienziele des Originalpapiers war.
DatensatzübersichtDieser Datensatz ist Öffentlich verfügbar . Die Datenverarbeitungsdetails wurden in beschrieben Werner et al., 2011 . Kurz gesagt, sie sammelten ein Jahr lang 95 Biomasseproben aus neun methanogenen Granulatschlamm-Bioreaktoranlagen. Eine barcodierte 454-Pyrosequenzierung von bakteriellen 16S-rRNA-Genamplikons aus den Biomasseproben wurde durchgeführt. Sie benutzten QIIME Barcode-Trimmen, Entrauschen, OTU-Clustering (Operational Taxonomic Unit), Taxonomie-Zuweisung (Greengenes) und OTU-Tabellenkonstruktion durchführen. Schließlich nahmen sie insgesamt 4962 OTUs für nachfolgende Analysen auf.
AnalyseschritteDie Analyseschritte sind wie folgt:
1. Lesen Sie die Biom-Datei
OTU-Tabellen (Operational Taxonomic Units) werden normalerweise im Biom-Format (Biological Observation Matrix) dargestellt. Die Beobachtungen sind in diesem Fall OTUs, und die Matrix enthält Zählungen, die der Häufigkeit entsprechen, mit der jede OTU in jeder Probe beobachtet wird. Mit dem Add-In Biom Importer kann JMP Biom-Dateien lesen und zur anschließenden Analyse in OTU- und Probentabellen konvertieren. Du kannst Laden Sie das JMP-Add-In Biom Importer herunter hier in der JMP User Community.
2. Wählen Sie Funktionen aus
Das erste, was wir tun möchten, ist, die Datendimension zu reduzieren, indem redundante oder irrelevante OTUs gelöscht werden. Die JMP-Plattform „Predictor Screening“, eine Bootstrap-Forest-Partitionierungsmethode, wurde verwendet, um 144 von 4962 OTUs auf der Grundlage ihres Beitrags zur Vorhersage der Bioreaktorpositionen auszuwählen.
3. Überprüfen Sie die Taxonomie von 144 Top-OTUs
Wir sind daran interessiert, zu welchen taxonomischen Gruppen diese prädiktivsten OTUs gehören. Es ist eine sehr einfache Aufgabe JMP . Gehen Sie einfach zu Diagramm> Diagramm-Generator, ziehen Sie relevante Variablen in das Diagrammfenster und wählen Sie den Typ des Diagramms aus, das Sie erstellen möchten. Ich habe die Phylumfrequenz der 144 prädiktivsten OUTs aufgezeichnet. Aus der Darstellung ist nicht schwer zu ersehen, dass taxonomische Abteilungen von Firmicutes, Proteobakterien, Bacteroidetes, Chloroflexi, Spirochaetes sowie unbekannten Arten dominiert werden.
4. Identifizieren Sie taxonomische Unterteilungen nach Bioreaktorstandorten
Die nächste Frage, die wir stellen möchten, ist die Aufteilung der mikrobiellen Arten an jedem Standort. Wie in der folgenden Grafik dargestellt, die in Graph Builder erstellt wurde, können wir signifikante Unterschiede in der Verteilung der taxonomischen Unterteilungen auf Bioreaktoren feststellen.
5. Führen Sie eine Hauptkomponentenanalyse durch
Die nächste Aufgabe dieses Projekts besteht darin, zu bewerten, wie gut diese 144 OTUs die Bioreaktorstandorte trennen können. Mit anderen Worten, wir versuchen, die Standorte mithilfe von 144 OTUs zu gruppieren. Ich habe für diese Aufgabe zuerst die Hauptkomponentenanalyse (PCA) ausprobiert, da sie Informationen aus mehrdimensionalen Daten extrahieren kann. Unter Analysieren> Multivariate Methoden> Hauptkomponenten bietet JMP eine praktische Implementierung von PCA.
Das Cluster-Diagramm der Hauptkomponenten (PC) 1 und 2 zeigt, dass die meisten Standorte mit Ausnahme von E2 und U3 durch ihre mikrobiellen Gemeinschaften sehr gut getrennt werden können. Wir stellen auch fest, dass mehrere Proben falsch klassifiziert sind, z. B. wurde eine Probe aus E4 als E1 und eine Probe aus U2 als U4 klassifiziert. Der Biplot zeigt die Unterschiede in der taxonomischen Struktur nach Klassenreihenfolge zwischen Clustern. Insbesondere bestimmte taxonomische Klassen wie Deltaproteobakterien (25-mal), Clostridia (26-mal) und Bacteroidia (16-mal) tragen maßgeblich zur Clusterbildung bei.
Streudiagramm:
Biplot:
6. Hierarchisches Clustering durchführen
Die zweite Clustering-Methode, die ich ausprobiert habe, war Hierarchical Clustering. Nochmal, JMP hat eine sehr schöne Implementierung dieser Methode, die unter dem Menü Analysieren> Clustering> Hierarchischer Cluster zu finden ist. Ich habe die Standorte anhand ihrer mikrobiellen Gemeinschaften gruppiert. Sowohl das Zwei-Wege-Dendrogramm (Standorte vs. Arten) als auch das Konstellationsdiagramm zeigen, dass durch hierarchisches Clustering die Stichproben erfolgreich in neun Standorte gruppiert werden. Wie wir bei PCA beobachtet haben, sind mehrere Proben falsch klassifiziert, was mit der Vorhersagegenauigkeit (96,4%) im Originalpapier übereinstimmt.
Hierarchisches Clustering-Ergebnis:
SchlussfolgerungenIn diesem Blogbeitrag habe ich ein Beispiel für die Analyse von Metagenomikdaten, insbesondere OTU-Tabellen, mithilfe von JMP gezeigt. JMP ist ein Tool mit leistungsstarken Visualisierungs- und statistischen Modellierungsfunktionen. Über die Metagenomik-Datenanalyse mit JMP gibt es noch viel mehr zu sagen. Unter Analysieren> Vorhersagemodellierung gibt es beispielsweise mehrere ausgefeilte Vorhersagemodelle wie Neural Network und Naive Bayes, die auf Ihre Daten angewendet werden können.
Wenn Sie JMP lernen möchten, würde ich empfehlen, mit dem Lesen zu beginnen Grundlegende Analyse Dies bietet eine hervorragende Einführung in die Startdatenanalyse mit JMP. (Du kannst auch Probieren Sie JMP kostenlos aus .) Für komplexere Routinen zur prädiktiven Modellierung und Kreuzvalidierung, die für biologische Daten optimiert wurden, lesen Sie die Funktionen in JMP Genomics auch.
Angesichts der häufigen Verwendung von Datenvisualisierung, Clustering und statistischer Modellierung ist die Metagenomanalyse eine perfekte Aufgabe für JMP. Das Add-In, Biom Importeur , die Biom-Dateien direkt lesen kann, kann die Analyse-Pipeline weiter vereinfachen. Bitte hinterlassen Sie Ihre Gedanken und Fragen im Kommentarbereich.
Verweise Brooks, JP, Paul Brooks, J., Vaginal Microbiome Consortium (zusätzliche Mitglieder), Edwards, DJ, Harwich, MD, Rivera, MC,… Buck, GA (2015). Die Wahrheit über Metagenomik: Quantifizierung und Bekämpfung von Verzerrungen in 16S-rRNA-Studien. BMC Microbiology, 15 (1). https://doi.org/ 1186 / s12866-015-0351-6 JL Danzeisen, HB Kim, RE Isaacson, ZJ Tu & TJ Johnson (2011). Modulationen des cecalen Mikrobioms und Metagenoms von Hühnern als Reaktion auf die Behandlung mit Antikokzidien und Wachstumsförderern. PloS One, 6 (11), e27949. Port, JA, Cullen, AC, Wallace, JC, Smith, MN und Faustman, EM (2014). Metagenomische Gerüste zur Überwachung der Antibiotikaresistenz in Gewässern. Environmental Health Perspectives, 122 (3), 222–228. van Nood, E., Vrieze, A., Nieuwdorp, M., Fuentes, S., Zoetendal, EG, de Vos, WM,… Keller, JJ (2013). Zwölffingerdarminfusion von Spenderkot bei rezidivierendem Clostridium difficile. The New England Journal of Medicine, 368 (5), 407–415. JJ Werner, D. Knights, ML Garcia, NB Scalfone, S. Smith, K. Yarasheski,… Angenent, LT (2011). Strukturen der Bakteriengemeinschaft sind in Bioenergiesystemen in vollem Umfang einzigartig und belastbar. Verfahren der National Academy of Sciences der Vereinigten Staaten von Amerika, 108 (10), 4158–4163. M. Zinicola, H. Higgins, S. Lima, V. Machado, C. Guard & R. Bicalho (2015). Die metagenomische Sequenzierung von Schrotflinten zeigt funktionelle Gene und Mikrobiome im Zusammenhang mit digitaler Rinderdermatitis. PloS One, 10 (7), e0133674.Lieber MJ
Vielen Dank! das war sehr hilfreich. Kennen Sie eine Möglichkeit, eine Indikatorartenanalyse in JMP durchzuführen?
Im Moment wurde ein Antwort-Screening durchgeführt, bei dem die OTU-Häufigkeit als Antwort und meine Prädiktorvariable (z. B. Standort) als Prädiktor und Gruppierung nach Taxa verwendet wurden. dann filtere ich die resultierenden p-Werte für <0,05
Gibt es einen besseren / angemesseneren Weg, dies zu tun?
Freundliche Grüße
@ezorlo Ich habe gerade eine Taxonomiedatei für die Top-Prädiktoren geteilt, ich hoffe, es hilft. In Bezug auf die Analyse von Indikatorarten verfügt JMP möglicherweise nicht für jedes Problem über spezifische Tools, da es sich um ein Allzweckinstrument handelt. Wenn Sie jedoch den Algorithmus / die Methode kennen, die bzw. der hinter dieser Analyse steht, können Sie wahrscheinlich einen alternativen Weg finden, dies in JMP zu tun, oder sogar selbst implementieren, wenn Sie wissen, wie man JSL-Code schreibt.
