6 月 13 日的《热心肠日 》，我们解读了 9 篇文献，分别关注：功能预测、整合分析、生长速率估计、 络、关联分析、分箱、稳定同位素、宏基因组和病毒组。
Nature子刊：PICRUSt2实现任意16S序列的宏基因组功能预测
Nature Biotechnology——[31.864]
① PICRUSt2 可直接对标记基因的OTU或ASV序列进行的功能预测，利用Castor R的隐藏状态预测算法增加了运算速度；② 基于IMG的数据库包括41,926个细菌和古菌基因组和2万个16S rRNA基因序列，比PICRUSt1扩大了20倍；③ 门、属和种水平的多样性分别增加了1.6、2.2和5.3倍，KEGG数据库的KOs增加了1.5倍；④ 利用MetaCyc数据库进行通路预测，可与宏基因组结果比较；⑤ 不足之处包括功能预测依赖于现有的参考基因组和不能提供菌株水平的功能预测结果。
【主编评语】
截止2020年6月5日，功能预测软件PICRUSt1已被引用近4千次。这个成绩是相当惊艳，而且仅2019年就引用过千，且持续增长。近期《Nature Biotechnology》发表了更新的PICRUSt2版本，值得专业人士关注。（@刘永鑫-中科院-宏基因组）
【原文信息】
PICRUSt2 for prediction of metagenome functions
2020-06-01, doi: 10.1038/s41587-020-0548-6
可跨地区和不同研究的宏基因组整合分析和功能比较流程
Genome Biology——[14.028]
① Carnelian是一种可直接比较跨样本研究的宏基因组代谢功能流程，有助于寻找功能趋势并区分现有方法学遗漏的酶学委员会命名；② 流程整合了多种数据库处理、概率基因发现、无比对功能宏基因组分箱、丰度估计及比较分析统计工具；③ 在2型糖尿病、克罗恩病、帕金森及工业化和非工业化地区肠道微生物组队列中，此流程分析发现跨疾病研究中新型和共享的功能性微生态失调，验证了其有效性；④ 流程已模块化，各模块可独立分析，灵活应用。
【主编评语】
来自麻省理工大学Bonnie Berger课题组（近2万引用的生物大佬）最近在《Genome Biology》（IF > 14）杂志上发表整合宏基因组功能注释和比较流程，可实现跨地区、不同实验差异较大研究的整合分析，同时比现有工具功能注释更全面，对开展宏基因组数据整合分析的用户，值得关注。（@刘永鑫-中科院-宏基因组）
【原文信息】
Carnelian uncovers hidden functional patterns across diverse study populations from whole metagenome sequencing reads
2020-02-24, doi: 10.1186/s13059-020-1933-7
Science子刊：基于宏基因组推断菌株原位的生长速率
Science advances——[12.804]
① 本研究开发了一种从宏基因组数据中估算特异菌株生长速率的方法SMEG；② SMEG流程包括两个主要步骤，首先对目标物种建立特异菌株的SNP数据库，然后使用从头分析或基于参考的方法评估菌株生长速率；③ 通过模拟和真实宏基因组数据集的分析，证实SMEG能准确识别和预测不同疾病相关的菌株的增长率；④ SMEG无法同时估算多个物种菌株的生长动态，且依赖于已知菌株或相关菌株的参考基因组；⑤ 该方法可为暴发流行病学中监测病原菌株感染动态的工具。
【主编评语】
细菌生长速率的计算是宏基因组研究中的热点问题，之前 导过2018年《Nature Communication》发表的GRiD方法（查看文章）和《Nature Methods》发表的DEMIC方法（查看文章），最近Science子刊提出的SMEG方法
https://github.com/ohlab/SMEG 可以更好的计算菌株的原位生长速度，软件提供Github源代码和Bioconda的安装方式，方便用户使用。（@刘永鑫-中科院-宏基因组）
【原文信息】
Metagenomic growth rate inferences of strains in situ
2020-04-22, doi: 10.1126/sciadv.aaz2299
功能全面的微生物组及多组学数据 络分析平台MetagenoNets
Nucleic Acids Research——[11.147]
① 冗长的 络分析流程、组学数据与其内部的复杂性是目前微生物 络分析的限制和挑战；② MetagenoNets接受所有类型微生物数据表和多层次数据，提供常用的数据标准化、转换与过滤方式；③ 提供多种相关分析方式，可自动将指标与组学数据关联；④ 有多种 络生成方式，提供交互性可视化，便于 络比较；⑤ MetagenoNets有助于终端用户同时推断、统计分析和比较相关性驱动的微生物关联 络，自动化生成大量直观的自解释可视化输出图表直接用于发表。
【主编评语】
【原文信息】
MetagenoNets: comprehensive inference and meta-insights for microbial correlation networks
2020-04-27, doi: 10.1093/nar/gkaa254
新算法改进稀疏型微生物组数据与表型的关联分析
Microbiome——[10.465]
① 微生物组数据种系相关及高稀疏性导致微生物之间的相关性不准确，因此，开发出一种可解决种系相关和高稀疏性分析工具：MiHC；② MiHC是一种综合数据驱动的检测方法，考虑了微生物种系信息、稀疏水平（极高稀疏水平下采用simes检验调节）；③ 数据模拟分析表明在随机种系相关和稀疏水平下MiHC比其它几种工具功效要好；④ MiHC运用到四种真实数据中也证明其在未知种系相关和稀疏度下检验的结果更加稳定，MiHC也可运用于生存分析、中介分析等；
【主编评语】
【原文信息】
A powerful microbial group association test based on the higher criticism analysis for sparse microbial association signals
2020-05-12, doi: 10.1186/s40168-020-00834-9
广东生态所：稳定同位素示踪-宏基因组分箱联用，揭示砷污染土壤中的厌氧砷氧化微生物代谢途径
Environmental Science & Technology——[7.149]
① 土壤中微生物驱动的厌氧砷氧化过程与反硝化过程具有耦合关系；② 通过DNA-SIP技术，发现Azoarcus, Rhodanobacter, Pseudomonas和Burkholderiales相关细菌等种群在土壤自养厌氧砷氧化过程中占据主导地位；③ 通过利用宏基因组分箱技术，证明了上述自养型厌氧砷氧化微生物包含有厌氧砷氧化过程中涉及到的关键功能基因，包括砷氧化基因、反硝化基因以及固碳基因，为这些微生物的厌氧砷氧化功能在分子生物学上提供了佐证。
【主编评语】
近日，广东省生态环境技术研究所孙蔚旻研究员课题组在环境领域顶级期刊《Environmental Science & Technology》上发表文章利用稳定同位素示踪技术，锚定了砷污染土壤中的关键砷氧化微生物。并结合宏基因组分箱联用技术，揭示了这些功能微生物的代谢途径，进一步拓展了我们关于砷氧化微生物的多样性的认知。该课题组自组建以来，一直致力于开发稳定同位素示踪-宏基因组分箱联用平台。该文章的发表代表着此技术平台迈出了重要的一步，首次在学术杂志上公开发表，后续该技术将逐步走向成熟与完善。（@刘永鑫-中科院-宏基因组）
【原文信息】
Characterization of Nitrate-Dependent As(III)-Oxidizing Communities in Arsenic-Contaminated Soil and Investigation of Their Metabolic Potentials by the Combination of DNA-Stable Isotope Probing and Metagenomics
2020-05-21, doi: 10.1021/acs.est.0c01601
广东生态所：微生物如何适应尾矿极端环境？
Environmental Science & Technology——[7.149]
【主编评语】
【原文信息】
Chemolithoautotropic Diazotrophy Dominates the Nitrogen Fixation Process in Mine Tailings
2020-03-27, doi: 10.1021/acs.est.9b07835
广东生态所：宏基因组分析揭示碱性尾矿中细菌的生存策略和优势型机制
Environmental Science & Technology——[7.149]
① 尾矿微生物普遍具有固碳、固氮、金属抗性等相关基因，这些基因是尾矿中微生物生存所必须的；② 自养固碳过程不仅可以利用无机物作为底物，从而克服尾矿中有机物含量少的制约，还可以通过固碳过程为环境中提供必要碳源；③ 固氮过程可以将大气中的氮气转化为生物可利用态氮，从而为尾矿提供氮源；④ 金属抗性则可以通过氧化、还原、甲基化等过程减少尾矿中重（类）金属的毒性对微生物代谢过程的影响，保证其存活。
【主编评语】
广东省生态环境技术研究所孙蔚旻研究员课题组在环境领域顶级期刊《Environmental Science & Technology》上发表文章，揭示了碱性尾矿中细菌的生存策略和优势型的生理机制，其采用分析地球化学解析了尾矿及其土壤中多种生源要素及金属污染物的分布特点，并将其与宏基因组以及基因草图组装等多种方法结合，系统解析了尾矿极端环境对微生物群落的影响，提出了尾矿微生物所必须的生存策略。（@刘永鑫-中科院-宏基因组）
【原文信息】
Bacterial Survival Strategies in an Alkaline Tailing Site and the Physiological Mechanisms of Dominant Phylotypes As Revealed by Metagenomic Analyses
2018-10-22, doi: 10.1021/acs.est.8b03853
基于深度学习的病毒序列识别
Quantitative Biology——[N/A]
【主编评语】
最新的宏基因组测序技术可以对包括病毒基因组在内的微生物基因组进行大规模测序，大大加快了病毒的研究。为了快速识别宏基因组数据中的病毒序列，美国南加州大学定量计算生物学中心孙丰珠教授课题组在《Quantitative Biology》期刊上发表了题为“Identifying viruses from metagenomic data using deep learning”的文章，在该课题组2017年开发并广泛应用的VirFinder基础上进一步发展了一个基于深度学习识别病毒序列的方法－DeepVirFinder。 此方法利用了深度学习和大数据的优势，无需与参考序列比对，显著提高了病毒识别的速度和准确性，将有助于在宏基因组学时代下对病毒的研究。（@刘永鑫-中科院-宏基因组）
【原文信息】
Identifying viruses from metagenomic data using deep learning
2020-01-22, doi: 10.1007/s40484-019-0187-4
点击阅读过去10天的日 ：
06-12 | 哪些因素在左右餐后代谢反应？权威量化研究来了
06-11 | 美国胃肠病学会最新指南：益生菌改善常见胃肠疾病仍缺乏循证
06-10 | 高水平IBD论文频发，大人群数据警示肠炎或促癌
06-09 | 《自然·医学》揭开医院中隐藏的耐药致病菌
06-08 | 肠道菌群改变促进多发性骨髓瘤？湘雅团队揭示部分机制
06-07 | 糖尿病人怎么吃？最新研究带来更多启发
06-06 | 肠道菌群如何参与血糖调控？3项研究更新认知
06-05 | 今日《细胞》：睡眠太少促早死，“致命伤”或在肠道？
06-04 | NC刊出发酵配方奶粉RCT，结果不俗
06-03 | 肠脑轴热度不减，国内外9篇论文话突破
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！