易生信-扩增子教程01-基本概念

距离上次《生信宝典》联合《宏基因组》组织的扩增子分析线下培训结束己经有三个多月了。

《扩增子有参无参分析和功能预测》专题培训第二期已定于2018年9月14-16日北京鼓楼开课。更灵活的时间安排、更丰富的内容设置、更合适的前期预习、更多的优惠活动，点击阅读原文直达课程详情和报名页面。

为方便广大读者的学习，现在开始分享部分上次培训的内部资料——理论课程课件。希望对想自学分析的朋友起到一定帮助作用。

举一个简单的例子，学过高中生物的人都知道，孟德尔发现遗传学基本规律是(基因分离定律、基因自由组合定律)以豌豆为材料，传统的数量可以数过来，也容易发现规律。现代基因组时代，从万亿的数据中挖掘信息，借助当代计算机每秒上十亿次，以及上万亿次的超级计算机。

计算机是模拟人脑进行简单重复劳动的过程。数据存储于硬盘，读入内存用于CPU高速计算，结果再返回硬盘保存。服务器和台式机差不多，只是配置高一点，再就是多。

扩增子却是大数据时代中数据量最小的测序类型，一般配置高一点的笔记本和服务器可以搞定。价格从几千-几百万。研究所几百万，课题组10以内几十万，人少几万，个人初学几千就够用。

举个例子，你有一千份Excel表，主要工作是计算表格每行均值，再按结果降序排列，筛选出前3均值最高的候选。Excel中操作量与时间成正比的，编程批量操作分三个阶段：1. 手动操作几十份找规律；2. 停下工作编写程序并测试；3. 运行程序完成工作。（单位的文员最需要学编程，但他们会编程就叫数据工程师/科学家）

上文来自维基百科，我的翻译。建议阅读原文。下图是Natureprotocols杂志十年专题文章，回顾了这个领域的发展，近似的时间线展示开展相关领域微生物组研究时间。200年开始极端环境、植物、白蚁后肠、人类肠道、海洋、永久冻土、土壤沉积物。

每张图代表的是相同的群体，然而不同的方法可以定义此群体可提供的不同信息。- a. 微生物群：采用16SrRNA研究方法鉴定此环境中微生物的种类。- b. 宏基因组：微生物群的基因和基因组，包括质粒、强调群体的遗传学潜能。- c. 微生物组：微生物群的基因和基因组，以及微生物群的产物与宿主环境。

人——HMP，2008年，1.15亿美元，2016年二期5亿刀。Rob Knight领衔的。环境——EMP同时还有环境微生物种JackGilbert领衔的。动物；植物

基于二代测序，可以较容易获得大量数据；蛋白组、代谢组数据获取和分析更复杂，通量也不高；三代成本高。宏病毒组要测DNA+RNA。

16S rDNA或16S rRNA基因，我们研究的绝对不是16S rRNA，我们扩增的是DNA

截止171218日，QIIME9297次；Usearch 5981次；mothur 7869次，密西根大学(Universityof Michigan) 的Dr.Patrick Schloss领衔的团队开发的，其团队还开发有DOTUR(2005年定义OTUs和计算物种丰富度)和SONS(OTUs丰度比较)软件。

定量分析微生物生态；去复杂化、质控、OUT鉴定、物种分类、进化关系重建、多样性分析及可视化；它把这个领域打通了，整理了200多个软件和包，编写了150+脚本，几乎可以做本领域的任何分析。内容太多，学习成本太高，新用户无从选择。

2018年由QIIME2全面接档，由Python3编写。不是升级版，而是全新的分析流程，由1的作者继续开发。格式标准化，新手体验差，适合团队强制标准化分析。

商用版1485欧元，人民币5000多。

Usearch，有代表的核心算法。UCHIME和UPARSE，引用6500+，加上usearch 6500，有1.3万次。QIIME和Muthur都推荐使用UPARSE聚类。