在16S
Monica Steffi Matchado1,2, Malte Rühlemann3, Sandra Reitmeier4
1Data Science in Systems Biology, TUM School of Life Sciences, Technical University of Munich, Freising, Germany.
Microbial genomics
|February 29, 2024
概括
用于微生物组功能推断的16S rRNA基因测序工具对与健康相关的变化缺乏敏感性. 这些工具应该谨慎使用,因为它们可能不会准确地反映微生物群的功能多样性.
科学领域:
- 微生物组研究的研究.
- 计算生物学是一种计算生物学.
- 基因组分析 基因组分析
背景情况:
- 16S rRNA基因测序对微生物多样性具有成本效益,但提供间接的功能洞察力.
- 像PICRUSt2,Tax4Fun2,PanFP和MetGEM这样的工具可以从16S数据中推断函数,但它们的准确性受到争议.
- 需要进行系统评估,以评估这些功能推理工具的可靠性.
研究的目的:
- 系统地评估基于16S rRNA基因的微生物组功能推断工具的准确性.
- 调查技术偏差和16S rRNA基因拷贝数对功能概况预测的影响.
- 为了比较推断的功能概况与二型糖尿病,结肠直肠癌和肥胖症的人类队列中的元基因组数据.
主要方法:
- 利用模拟数据来识别功能推理中的技术偏差.
- 对比了16S rRNA基因推断的功能特征与人类队列中的元基因组衍生的特征.
- 使用 rrnDB 数据库评估了定制的16S rRNA 基因拷贝数正常化的效果.
主要成果:
- 基于16S rRNA基因的功能推断工具通常缺乏检测与健康相关的微生物组功能转变的灵敏度.
- 在单个推理工具的性能中观察到显著的差异.
- 技术偏差和16S rRNA基因拷贝数量可以影响推断的功能配置文件的准确性.
结论:
- 目前基于16S rRNA基因的功能推断工具由于敏感性有限,应谨慎使用.
- 超基因组数据为与健康相关的微生物组功能变化提供了更可靠的衡量标准.
- 提供了对微生物组功能分析工具选择和应用的建议.
