作者:張美虹/有勁生物科技

 

     總體基因體學(Metagenomics)發展至今,已有數以百計的臨床研究證明人類體內微生物群與疾病之間存在著關聯;只不過,個別研究結果的呈現往往並不一致,而序列數據的處理與分析也缺乏標準方法。尤其在面對大量的研究數據時,該如何組織與整合這些研究成果是個大哉問

 

     本文要介紹的研究1,將28個橫跨10種不同疾病、且病人全都做過腸道微生物篩檢的已發表病例的研究數據,整合建立出名為MicrobiomeHD的數據庫 (相關資訊詳見本文參考文獻中的表一)。該篇期刊論文作者更開發出系統性流程,將MicrobiomeHD數據庫內所囊括的16S定序序列重新再分析過(作者將其詳細的分析流程與程式公布於Github平台上)。作者在進行研究樣品的重新分析時,為了能將所有定序資料一次盡皆分析並進行比較,對於篩選處理與序列分析的原則,有提到以下六項要點:

 1.序列品質分數(Q)需大於25。

 2.所有序列長度都處理成200個鹼基長度,倘若序列長度不足,則可容許降至150或101個鹼基長度。

 3.使用USEARCH工具進行操作分類單元的叢集,並將序列相似性設定為100%。此外還採用RDP(Ribosomal Database Project) Classifier 進行菌種的操作分類單元比對,並將信心區間的門檻設為0.5。

 4.排除序列少於100條的樣品。

 5.操作分類單元內的序列低於10條者盡皆剔除。

 6.若操作分類單元不能成功比對菌種至「屬」的分類層級,則捨去該操作分類單元的序列資訊。

 

     作者將所有研究資料重新分析後,對於「腸胃道微生物與不同疾病的關係」得出一些結論:一是,多數疾病的進程會伴隨微生物菌相的改變而轉變。其二,疾病發生時,皆能觀察到益生菌減少或是致病菌增加的現象。此外,作者也歸納出這些會伴隨疾病反應的微生物菌相變化,有的只會特別在某一種疾病上發現,有的則在多種疾病上都有看到。

 

     這篇論文將大規模臨床微生物群系(microbiome)研究,利用標準化分析方法的建立來從中發掘新的結果,為先前的研究成果創造出更多的價值。類似的病例對照研究,未來可預見會越來越多,這對微生物群系的研究發展當然有推波助瀾的效果,而大數據分析對實際臨床應用的影響也會愈來愈重要。

 

參考文獻

1.Duvallet, C., Gibbons, S.M., Gurry, T., Irizarry, R.A. and Alm, E.J. Meta-analysis of gut microbiome studies identifies disease-specific and shared responses. Nature  Communications. 2017 Dec 5;8(1):1784-1793. http://doi.org/10.1038/s41467-017-01973-8

 

官網用CC創用_SA.png

 

文章標籤
創作者介紹
創作者 YourGene 的頭像
YourGene

有勁的生技資訊

YourGene 發表在 痞客邦 留言(0) 人氣()