Journal: mSystems
Publish: 04April 2022
Link: https://journals.asm.org/doi/full/10.1128/msystems.00167-22?rfr_dat=cr_pub 0pubmed&url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org
摘要：
提出了operational genomic unit (OGU)方法，属于宏基因组分析策略，直接利用单个参考基因组的序列比对作为评估微生物群落多样性及其与环境因子相关性的最小单位。
这种方法独立于分类学，并使用系统发育树将特征组织成准确的层次结构。该结果适用于群落生态学、差异丰度和监督学习的分析方案，同时支持系统发育方法，如UniFrac和系统因子分析。
与目前采用的宏基因组学工具进行的基于分类单位的分析和16S rRNA基因的ASV分析相比，该方法在提供生物学相关信息方面具有优势。包括人体微生物组项目数据集上与人体环境和宿主性别的相关性更强，以及FINRISK 2002队列中芬兰个体的肠道微生物组对人类年龄的更准确预测。
通过Woltka工具来实现这种方法，并与QIIME 2包和Qiita网络平台完全集成。
OGU方法在两个维度上对当前基于read的宏基因组学进行了改进:
(i)提供了最大的群落组成分辨率，
(ii)允许使用系统发育感知工具。
使用
在Woltka中实现OGU的过程。该程序作为连接上游序列比对和下游群落多样性分析的接口。输入是序列比对结果，输出是特征表(OGU表)。管道包含多个过程，具有丰富的格式支持和灵活的选项，以满足不同的用户需求。
结果
OGUs最大限度地提高了群落结构的分辨率
图1 不同的特征和特征结构的分辨率可以导致关于样本关系的非常不同的结论。
OGUs增强了机体环境和宿主性别相关的微生物群落模式
图2 OGUs得到的各种统计效应较ASV更强
提高了从肠道微生物群预测宿主年龄的能力
图3 随着微生物特征分类等级的降低，预测精度不断提高，绝对误差也随之降低。OGN在所有水平都优于ASV。
OGU方法对宏基因组学中常见的人为干扰具有鲁棒性
OGU可以有效指示群落组成
OGU方法是一种灵活的协议设计方法
OGU方法在非常低的测序深度仍然有效
图4 测序深度对OGU分析结果的影响
