Nature：拟南芥微生物组功能研究2细菌基因组测序和分析

本网对Markdown排版支持较差，请跳转植物微生物组公众号阅读

背景介绍

Bai, Y., et al. (2015). “Functional overlap of the Arabidopsis leaf and root microbiota.” Nature 528(7582): 364-369.

图3. 分析测序单菌基因组的功能
a, 科水平细菌的进化树。注释的信息分别为簇ID，分类学科名称，和叶、根、土中的分离菌数量；热图展示基因功能分类所占的百分比。b, 功能富集分析叶、根和土中注释的蛋白。图中点和线代表平均丰度和标准变异。P values采用无参的Mann-Whitney test，并用Bonferroni approach检验。c, 分析同科菌的泛基因组，分为三类，全体共有分为core，部分有为shell，某菌特有为singletons

测序细菌基因组的进化分析

每个基因组中的蛋白组中，鉴定31个保守的、单拷贝的AMPHORA基因，用于高精度的系统发生树构建。使用Clustal Omega将31个基因的多序列比对结果合并。并采用FastTree的最大似然树法生成树。基于全基因组序列，采用taxator-tk进行物种分类注释。

进化分析碳水化合物代谢基因

Extended Data Figure 6 | 分离测序菌xenobiotic降解基因的系统发生分布。 a, 系统发生树基于叶(206)根(194)土(32)所有测序菌。图中每枝末端形状表示分离来源，颜色表示其分类为门水平或纲。背影色表示为同一科并标示了科名；b, 柱状图表示这些基因在该所物种中注释xenobiotic降解基因所占比例。

分析测序单菌的功能多样性

分析多样性分三步：原始数据矩阵、距离矩阵、PCoA可视化。

原始数据矩阵，即表达或丰度矩阵：原理和分析菌群多样性类似，OTU表中为样品对应每个OTU的reads count；RNA-Seq的表达矩阵为样品中每个基因的表达。现在是单菌基因组中，每个菌中KO（KEGG Orthologue）分类的基因数量构成的丰度矩阵。

距离矩阵：之前多样性分析菌群OTU时采用bray curtis, unifrac等距离计算方法。现在KO则采用Perason相关系数计算两两细菌基因组间的相关性，转换为相似度矩阵。

PCoA：采用R语言对相关系数矩阵进行平面展示。
同理，细菌还可以按分类学水平进行合并或求平均值，类似于Taxonomy不同水平的分类统计，再计算不同分类级别下，各物种或分类水平上的功能差异。
富集的KO通路采用无参数的Mann–Whitney Test (MWT)统计方法，并采用多重Bonferroni方法进行多重检验，显著性阈值为0.05。

Extended Data Figure 7 | 葡萄宏基因组比较；a,b, 葡萄宏基因组(47)和拟南芥分离细菌基因组(432)的功能富集分析；采用箱线图展示各物种中根、土中主要功能类别的比例分布。

阅读更多微生物组文章，欢迎扫码关注“植物微生物组”

来源：刘永鑫Adam