Bioinfomatics/microbiome (7) 썸네일형 리스트형 [CONCEPT] Rarefraction curve 1. 정의 희소화 곡선(rearfaction curve)은 표본으로부터 추출한 개체의 단위에 따른 종의 수의 변화를 그래픽으로 표현한 것이다. 희소화 곡선은 주로 생태학과 생물다양성 연구에서 사용되며, 생태계나 생물군집에서 어떤 종이 발견되는지 이해하는 데 도움을 준다. Rarefaction curve 은 N 개의 샘플 풀을 여러 번 무작위로 다시 샘플링한 다음 각 샘플에서 발견된 종의 평균 수(1,2, ...N)를 플로팅하여 생성됩니다. "따라서 희박화는 N 샘플 의 대규모 풀에서 무작위로 추출된 n 개인(또는 n 샘플) 의 소규모 컬렉션에서 예상되는 수의 종을 생성합니다 ." [2] Rarefaction (ecology) - Wikipedia From Wikipedia, the free encyclo.. [microbiome] EPI2ME workflow EPI2ME 는 oxford 회사에서 nanopore sequencing 결과물을 리포팅해주는 웹페이지이다. 크게 1. 16S analysis workflow 2. WIMP(What`s in my pot?) workflow 분석을 제공하고 있다. 16S analysis WIMP target bacteria, archiea bacteria, virus, fungi, etc taxonomic classification tool centrifuge Dastabase NCBI bacterial 16S database (link) RefSeq database 1. 16S analysis workflow : https://nanoporetech.com/analyse/16s 2. Q&A : https://nanopo.. [microbiome] long-read seq(nanopore, MinION) 16S rRNA analysis (진행중) 자내가 사용한 데이터는 microbiome 분석을 목적으로한 16s rRNA에 대한 MinION 시퀀스데이터이다. quality 에 통과한 fastq.gz를 barcode별로 받았고 taxanomic classification을 하는 것이 목적이다.참 단순하게도 tool을 이용하는 것이지만 비주류 데이터를 쓰다보니 이 마저도 어려웠다.그나마 다행인점은 아래 사용하는 모든 툴은 pip 이나 conda를 사용해 쉽게 설치할 수 있었다. 아래 두 개의 논문을 참고하여 파이프라인을 설계했다.1. computational methods for 16s metabarcoding studies using nanopore sequencing data(link)2. Benchmarking the MinION: Evalua.. short-read metagenomics - step4. Taxonomic classification 분류학적 분석은 연구하고자 하는 환경의 미생물 분류군 조성을 파악하는 것으로서, 해당 환경의 생물학적 특성을 이해하는 데 가장 기초적인 단계입니다.[1] 전통적으로, 알려진 미생물 게놈 데이터베이스 (GeneBank) 정보를 활용해 서열(read또는 contig)을 일치(mapping)시키는 도구, BLAST을 이용해 분석해왔습니다. 그러나 분석할 수 있는 개체가 많아짐에 따라 다른 접근 방식이 필요했습니다.[2] MetaPhlAn, Phylosift 및 mOTU [MetaPhlan2] MetaPhlan2는 전처리된 fastq file을 input으로 받는데 forward와 reverse 구분 없이 모든 read를 병합해서 사용한다. bowtie2를 내부에서 사용해 clade-specific marker.. short-read metagenomics - step3. contig binning 분류학적 분석전에, NGS로 생산된 많은 수의 메타지놈 리드들을 줄이기 위해 수행하는 단계입니다. 비슷한 리드끼리 묶어서 그들의 대표 서열을 추출합니다. 그룹별로 묶는 기준은 다음과 같습니다.[1] (1) 메타지놈 read가 가지고 있는 마커 유전자 서열들의 상호 유사도 MEGAN, Metaphyler (2)각 read의 조성(G,C 염기의 비율, k-mer 의 read 내 분포 등) Phylopythia, phymmBL 혹은 묶는 알고리즘에 따라 분류할 수 있습니다.[2] 전통적으로 비닝은 참조 데이터 세트에 대해 contig를 정렬하여 수행되지만 최근에는 unsupervised binning에 더 많은 연구가 진행되었습니다. (1) taxonomy-dependent Taxator-tk : Hidden.. short-read metagenomics - step2. gene prediction Gene calling, Gene prediction, ORF finding 라고도 하는 유전자 예측은 메타지놈 샘플의 기능적 분석의 초석이 되는 단계입니다. NGS로 생상된 수많은 메타지놈 서열 중 어느 곳이 유전자에 해당하는 서열인지를 찾는 과정입니다.[1] 가장 간단한 방식은 ORF를 찾는 것입니다. 박테리아, 고세균 및 바이러스의 게놈은 일반적으로 DNA 서열의 90% 이상을 구성하는 단백질 코딩 영역과 함께 매우 유전자 밀도가 높습니다. 따라서 단백질 코딩 ORF를 검출하는 것은 중요합니다.[3] 유전자의 밀도가 높은 곳이 ORF 임을 가정하고 예측하는 방식을 사용합니다. [단백질 코딩 ORF를 검출] 현재 GeneMarkS , Glimmer3 및 Prodigal 과 같은 유전자 예측 도구 는 .. short-read metagenomics - step1. assembly short read sequencing 의 주요 이점은 단일 실행 내에서 대규모 병렬 방식으로 수십억 개의 읽기를 생성할 수 있다는 것입니다. 즉 비교적 저렴한 비용으로 높은 판독 횟수를 생성할 수 있다는 점이 장점이기 때문에 초반에는 많이 사용된 시퀀싱 방법입니다. 주로 Illumina 시퀀싱 플랫폼을 이용하며 그외 HiSeq, NestSeq, MiSeq 이 존재합니다. short read sequecning은 50 ~ 1000의 짧은 read를 생성하기 때문에 보다 긴 조각으로 변환시키는 assembly 단계가 필요로합니다. 다중 게놈(박테리아, 균류, 바이러스, 고세균)을 포함하는 복잡한 환경 샘플을 분석에 있어서는 De novo assembly를 사용합니다. reference genome에 rea.. 이전 1 다음
