- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技记者
QIIME 2 2025.7：微生物数据分析再升级！
QIIME 2 2025.7 QIIME 2 2025.7 作为今年的功能版本，本次更新延续了团队一贯的高质量节奏，带来了多项插件增强、框架优化以及文档更新。 比如 q2-alignment 插件新增了 --large 参数，优化了大文件比对时的内存使用； q2-annotate 支持 Kaiju 分类的拼接序列输入，并引入了 BUSCO 完整性与污染度指标； 对于从事微生物组、环境基因组或临床微生态研究的科研人员而言，QIIME 2 正在不断拓展其边界，成为不可或缺的分析平台。 关于QIIME 2 QIIME 2 是一个专为微生物组和多组学数据分析打造的开源平台，它不仅免费、可扩展，而且由全球科研社区共同开发与维护。 参考： https://qiime2.org/ https://qiime2.org/news/qiime-2-2025-7-is-now-available-33447/
33610编辑于 2025-11-17 算法：IMPACT通过微生物特征分析可解释的微生物表型
介绍人类肠道微生物群由数万亿细菌组成，对健康和疾病有重大影响。通过现代技术的进步，高通量分析提供了增强我们对微生物组与复杂疾病结果之间联系的理解的潜力。 然而，目前的微生物组模型缺乏微生物特征的可解释性，这仍然是一个开放的挑战，限制了对肠道微生物组在疾病中的作用的更深层次的理解。 IMPACT通过使用从微生物注释数据库Agora2 （Heinken et al. 2023）和微生物目录（Shaaban et al. 2018）中提取的物种水平的人类共代谢功能信息来考虑类群相似性。 这四种相似性对IMPACT性能的贡献几乎相同，但我们的代谢方法是计算效率最高的一种（直接从Agora2数据库加载，无需进一步计算）。 一旦分类群的重要性被提取出来，我们将这些信息与微生物数据库相关联，以研究重要分类群的代谢物和功能微生物特征（如革兰氏状态）的模式。
26110编辑于 2025-01-13- 来自专栏全栈程序员必看
微生物测序分析LEfSe
Step2：基于上步的显著差异物种基因，进行两两组之间的Wilcoxon秩和检验，检测出组间差异。 着色原则：无显著差异的物种统一着色为黄色，差异物种 Biomarker跟随组进行着色，红色节点表示在红色组别中起到重要作用的微生物类群，绿色节点表示在绿色组别中起到重要作用的微生物类群，其它圈颜色意义类同
6K30编辑于 2022-06-26 - 来自专栏生信宝典
微生物组分析 · 进阶
图2. 易生信首创基于Win10优化的数据统计分析和可视化流程，笔记本秒变大数据分析平台 推荐使用Windows10系统，8G内存分析更快更流畅。 背景：国际微生物组、中国微生物组计划 研究对象：人、动物、植物、环境 研究方法：培养组学、扩增子、宏基因组、宏转录组、宏蛋白组、宏代谢组、宏基因组关联分析、宏表观组…… 宏基因组学的研究热点：培养组、肠菌与疾病 主要通过MetaPhlAn2基于己报导的所有微生物基因组获得物种组成，基于UniRef、EggNOG、KEGG等蛋白数据库确定功能组成。 实验设计的编写原则 2. KneadData流程快速质控和去宿主流程 3. 物种组成定量MetaPhlAn2 4.功能组成定量HUMAnN2 六、宏基因组无参分析流程 宏基因组无参分析，主要有两个目的：一是获得未被注释的物种和基因表达；二是通过Binning挖掘新物种的基因组。
1.8K21发布于 2019-12-11 - 来自专栏蓝桥杯历年省赛真题集
蓝桥杯之微生物增值
题目内容 假设有两种微生物X和Y，X出生后每隔3分钟分裂一次（数目加倍），Y出生后每隔2分钟分裂一次（数目加倍）。一个新出生的X，半分钟之后吃掉1个Y，且从此开始每隔1分钟吃掉1个Y。 — y 7 — 2x — y-=2x 9 — 2x—- y-=2x 11— 2x — y-=x 12— 4x — y 发现了吧，6分钟（乘以2后）一循环 有这个就可以写出代码了 - using namespace std; long slove(long x,long y) { for(int i = 1;i <=120; i++) { if(i%2= ) { y -= x;//发现奇数的时候就吃y } if(i%6 ==0) { x *=2; } if(i%4==0) { y *= 2; } } return y; } int main(
92730发布于 2019-01-21 - 来自专栏Listenlii的生物信息笔记
SEL：估计1m2表层土中的微生物α多样性
英文标题： Assessment of microbial α-diversity in one meter squared topsoil 中文标题： 估计1m2表层土中的微生物α多样性 杂志： 但是目前我们对于微生物数量的估计还存在很大的偏差，且研究主要集中于大尺度。 相较而言，小尺度易于彻底采样，能够得到较为准确的物种数量，还可为后续研究提供基础。 Figure 2 (a) UPARSE, (b) Deblur, and (c) DADA2的稀释和外推曲线. 2. S4 (a) UPARSE, (b) Deblur, (c)DADA2方法的Hill numbers. 5. 不同的序列聚类算法对微生物物种的估算具有较大的影响。 这项研究为我们理解较小面积中的微生物物种数量提供了基础，同时也为区域、景观、生态系统尺度的微生物多样性提供了支撑。
72410发布于 2021-08-27 - 来自专栏天意云&天意科研云&天意生信云
Tax4Fun2: 更准确的微生物群落功能预测工具
引言 在微生物生态学研究中，了解微生物群落的功能潜力至关重要。然而，直接通过宏基因组测序来分析功能基因往往成本高昂。 因此，研究人员开发了一些计算工具，可以基于16S rRNA基因序列数据来预测微生物群落的功能组成。 其中，PICRUSt、Tax4Fun和Tax4Fun2是三个广泛使用的工具。 独特的预测方法：Tax4Fun2引入了"用户定义的税单元"（User-Defined Taxa, UDT）概念，可以更好地处理未知或罕见的微生物。 4. 例如，在一项土壤微生物群落研究中，研究人员使用16S rRNA测序数据比较了PICRUSt、Tax4Fun和Tax4Fun2的预测结果。 结论 Tax4Fun2作为一个更新和改进的功能预测工具，在准确性、灵活性和功能覆盖范围方面都显示出了明显的优势。 它为研究人员提供了一个强大的工具，可以更准确地推断微生物群落的功能潜力。
1.1K10编辑于 2025-03-06 GMSB文章七：微生物整合分析
欢迎大家关注全网生信学习者系列：WX公zhong号：生信学习者Xiao hong书：生信学习者知hu：生信学习者CDSN：生信学习者2介绍本文通过多元方差分析和典型相关分析研究微生物（species）、 /data/GMSB-data/rds/primary_ancombc2_species.rds")sig_species <- read.xlsx(". (b, digits = 2)), paste0(" - ", format(-b, digits = 2))) eq <- substitute(paste(italic Microbiome vs. cytokines 差异物种和细胞因子的关联分析，采用多重协方差分析（MANCOVA, Multivariate Analysis of Covariance）方法来评估细胞因子和微生物物种之间的多变量关系因变量 SCFAs 差异物种和短链脂肪酸的关联分析，采用多重协方差分析（MANCOVA, Multivariate Analysis of Covariance）方法来评估短链脂肪酸和微生物物种之间的多变量关系因变量
47110编辑于 2024-06-29- 来自专栏生信菜鸟团
用 Tax4Fun2 对 16S 微生物组数据进行功能预测
16S rRNA 基因的高通量测序已被广泛用于研究各种海洋，地表和宿主相关环境中微生物群落的组成和结构。但许多生物学问题更需要我们研究其功能变化，而不仅仅是微生物分类组成。 微生物生态学中另一个主要的研究问题是，微生物群落是否包含功能冗余的成分，及其在何种程度上包含功能冗余，从而使之在面对多变的环境时保持生态系统的相对稳定。 结果表明， Tax4Fun2 对微生物群落中功能冗余的进行了较好的估计（Spearman 等级相关性> 90％）。此外，用海水样本进行进一步验证。 安装 Tax4Fun2 和下载参考数据库 安装 Tax4Fun2 下载： wget https://github.com/bwemheu/Tax4Fun2/releases/download/1.1.5 2.
6.2K40发布于 2020-06-24 识别差异微生物的方法汇总
ALDEx2ALDEx2（ANOVA-Like Differential Expression 2）是一种用于微生物组数据差异分析的方法，它特别适用于处理组成数据（compositional data） DESeq2是一种用于微生物组数据差异分析的统计方法，特别适用于处理计数数据，如RNA-seq数据或微生物组的OTU（操作分类单元）计数。 负二项分布建模：DESeq2假设计数数据遵循负二项分布，该分布是处理计数数据的常用分布，特别适用于处理微生物组数据中的零膨胀现象。 设计公式：DESeq2通过设计公式来考虑实验设计，包括处理效应、批次效应和其他协变量，从而允许研究者评估特定条件下的微生物差异丰度。 数据预处理：MaAsLin2提供了预处理模块，用于处理元数据和微生物特征中的缺失值、未知数据值和异常值。归一化和转换：MaAsLin2可以对微生物测量结果进行归一化和转换，以解决样本中可变的覆盖深度。
82810编辑于 2024-06-17- 来自专栏科技记者
InSilicoSeq——微生物数据测序模拟工具
对于环境微生物（宏基因组或扩增子）来说，除了使用ZymoBIOMICS[1]微生物标准品测序数据和一些已经发表的公共数据来验证，还可以在NCBI下载基因组完成图、草图、16s rRNA等序列，使用软件将基因组打断 今天小编将结合自己前段时间的项目，给小伙伴们分享一个使用基因组数据生成测序数据的小工具——InSilicoSeq[2-3]，该工具能够模拟宏基因和扩增子的测序数据。 from a bam file generate simulate reads from an error model 常用参数解读 1）model子命令：从bam文件中获取测序错误率模型 2） (default: 2). 3）fastq文件统计 注意：参数--n_reads表示reads1和reads2加起来的reads数目，而不是reads对的丰度。
50210编辑于 2024-11-23 - 来自专栏肠道菌群与代谢组学
微生物组学1—基础概念
微生物组学1—基础概念今天开始跟着“生信技能树”进行微生物组学的学习，以下笔记以“生信技能树”教学内容为大纲，并综合各方面内容（华大基因、中科新生命微生物组产宣材料、chatgpt等）整理而来。 最低样本数要求如下：样本间多样性分析（n≥4），组间多样性分析样本（组别≥2，每组样本数n≥3）2. ASV vs OTU：微生物组分析的新旧范式OTU，中文叫“操作分类单元”，是在微生物多样性研究中，用于表示一组相似的微生物序列的分类单元。在16S、18S或ITS测序中，会得到大量的DNA序列。 ASV 分析不是聚类，而是通过去噪算法（如 DADA2 或 Deblur）对测序误差进行建模与校正，从而精确还原每一条真实存在的序列变异体。 通俗来说就是：“这个样本里的微生物种类多不多？它们的分布是否均衡？”
84310编辑于 2025-04-09 - 来自专栏Listenlii的生物信息笔记
微生物组研究中的术语建议~~
Microbiota 在特定环境中存在的微生物的集合。微生物的普查利用分子方法建立，主要依靠分析16S rRNA基因、18S rRNA基因或其他标记基因和基因组区域，并从给定的生物样本中扩增和测序。 Microbiome 这个术语指的是整个生境，包括微生物(细菌、古菌、低等和高等的真核生物、病毒)及其基因组，以及周围的环境条件。这个定义基于“biome”，即特定环境中的生物和非生物因素。 该方法提供了有关复杂微生物群调控和表达谱的信息。 Metaproteomics 这个术语指的是在给定时间点对环境或临床样本的蛋白质进行大规模表征。 Microflora这个词已经用了很长时间，然而它的定义并不证明它可以用来描述与人类有关的微生物群落(即microbiota)。Microflora主要还是指微型植物，或微型栖息地的植物或植物群。 Microflora指的是植物而不是微生物。近期文献中用它指微生物其实是一种误用。 作者建议用microbiota来描述生活在微生境中的微生物的集合。 END
1.1K31发布于 2020-06-01 - 来自专栏英雄爱吃土豆片
OJ刷题记录：问题 A: 微生物繁殖
问题 A: 微生物繁殖 题目描述： 假设有两种微生物 X 和 Y X出生后每隔3分钟分裂一次（数目加倍），Y出生后每隔2分钟分裂一次（数目加倍）。 namespace std; int main() { int X = 10, Y = 90; for (int t = 1; t < 61; t++) { Y -= X; if (t % 2 == 0) Y *= 2; if (t % 3 == 0) X *= 2; } cout << Y; return 0; } 毕。
45830发布于 2020-10-29 - 来自专栏Listenlii的生物信息笔记
Frontiers: 样本量决定了微生物数量
Published: 07August 2019 Link: https://www.frontiersin.org/articles/10.3389/fmicb.2019.01820/full#h1 核心结果：微生物
61131发布于 2020-06-01 - 来自专栏微生态与微进化
微生物生态相关性网络构建
这里以目水平的微生物群落以及环境因子数据为例构建相关性网络： #读取物种与环境因子数据 community=read.table(file="otu_table_L4.txt", header=TRUE colnames(rcorr)) size1=numeric(m) for (i in 1:m) { size1[i]=sum(com[,i]) } size1=(10000*size1)^0.25 size2= numeric(n) for (i in 1:n) { size2[i]=sum(abs(rcorr[,m+i]))-1 } size2=1.7*sqrt(10*size2) size=c(size1 , size2) col=character(length(E(g)$weight)) weight=E(g)$weight for (i in 1: length(E(g)$weight)) { } else { col[i]="blue" } } pcolor=c(rep("goldenrod1", m), rep("steelblue3", n)) par(mfrow=c(2,2
1.1K20编辑于 2022-05-05 - 来自专栏生信菜鸟团
NetCoMi | 微生物组数据的网络比较
❝本文翻译整理自：https://github.com/stefpeschel/NetCoMi ❞ 从高通量测序数据中获得微生物关联网络已是一种常见的数据分析方法，使我们得以了解微生物群落在环境中的复杂相互作用 一般来说，网络分析工作流程包括几个步骤，包括零值处理，数据归一化以及计算微生物关联。 NetCoMi 包含了构建差异网络的功能，从而可进一步探究一对微生物的关联在两组之间是否存在显著差异。 此外，NetCoMi 还可以构建和分析微生物组样本的相异度网络，对整个微生物组样本的异质性进行可视化。 在这个相异度网络中， Hubs 定义为与数据集中许多其他样本具有相似的微生物组成的样本。
5.3K21发布于 2021-04-29 - 来自专栏Listenlii的生物信息笔记
微生物研究中的“双零问题”
上文《微生物网络构建原理: SparCC, MENA, LSA, CoNet》提到了微生物数据由于存在双零问题，会使得相关性偏高。 typical horseshoe shape 2017年有文章专门讨论了微生物研究中的马蹄形效应，还是Rob Knight大神的作品： ? 这里不再赘述。
1.7K41发布于 2020-06-01 - 来自专栏科技记者
几个肠道微生物检测方法的对比
那么单看肠道微生物的检测方面，qpcr主要检测内容是益生菌或者共生菌的检测。 人体肠道微生物诊断服务（分析肠道微生物数量及功能表达，优化个人饮食结构） 合作概况 5.芯片 Affymetrix有一款Axiom Microbiome array的芯片，可以检测细菌、真菌和病毒，但是其不能对检测目标进行任何定量 ，于是，这个的应用性大打折扣，只能用于科研的微生物鉴定之类的了。 总计约12，600种微生物（古细菌、细菌、原生动物、真菌和病毒）。其中包括近1000种引起人类疾病的微生物，还可以鉴定质粒中的毒力基因。 检测前会对样品所有DNA(包括人的)全基因组等温扩增，检测限是1000基因组拷贝（2-7pg细菌DNA+10ng人DNA）。
4.1K20发布于 2020-03-03 - 来自专栏生信菜鸟团
比较微生物组中的差异分析方法
在微生物组研究中我们常常需要根据某些感兴趣的表型来找到与其相关的特征（比如菌群、OTU、基因家族等等）。 但微生物组学的数据结构导致了这必然是一项相当艰巨的任务，因为他们： •高维特征集（通常超过 100 到 10,000 个特征）；•高度稀疏（许多特征仅在少数样本中被发现）；•特征间复杂的相关性结构；•计数的组成性 符合以上条件的有很多算法，但这里我挑选了以下五个模型： •Limma-Voom[1]•DESeq2[2]•corncob[3]•MaAsLin 2[4]•ANCOM-BC[5] 我们将使用由 curatedMetagenomicData ，分析表型和微生物特征之间的相关性。 ANCOM-BC ANCOM-BC 引入了一种包含偏差校正的微生物组组成分析方法，该方法可以估计未知的抽样比例，并校正由样品之间的差异引起的偏差，绝对丰度数据使用线性回归框架建模。
8.2K30编辑于 2021-12-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号