论文部分内容阅读
目的:宏转录组学是一门在整体水平上研究某一特定环境、特定时期群体微生物全部基因组转录情况以及转录调控规律的学科。宏转录组测序的对象是生态环境中的全部RNA。但由于宏转录组测序数据庞大、复杂度高而计算资源有限等原因在进行生物信息学数据分析时频繁报错,所以通过整合分析工具来完成复杂生物计算的分析技术越来越受到人们关注。本课题使用呼吸道疾病的样本数据搭建了并且验证了一个用于分析宏转录组数据的工作流:将宏转录组双端测序数据作为输入,经过流程工具的自动化运行,最终输出内容为微生物群落分类丰度、基因家族丰度、功能注释信息以及代谢通路。通过搭建此工作流,将分析流程的图形化,减少使用代码运行的错误率,降低维护难度。在宏转录组学中,探究微生物各类型细胞是否存在相互作用,对于一些疾病发病机制的研究是至关重要的。在一些研究单细胞互作的工具中很少有可以推断大型互作网络的工具。为了解决这一问题,我们基于ARACNE的算法,使用互信息的原理,在R软件中编写了一个自定义函数,由此创建互信息矩阵。将互信息作为基因间的相关度量,构建基因的互信息网络,最终将网络可视化。此互信息的R函数在样本数量一定的情况下,可以处理多个变量。以此作为预测微生物细胞互作的工具,用来探究微生物细胞之间是否存在互作关系,以及互作的紧密程度。方法:我们测试并筛选了Galaxy平台上与宏转录组学相关的一系列分析工具。基于宏转录组的基础分析流程搭建和优化了一套集样本统一处理、物种分类和功能分析为一体的宏转录组分析流程。此外,还利用GEO数据库中项目编号为PRJNA671738的呼吸道疾病宏转录组数据集,对该流程进行完整性和可行性的验证和评估。其分析结果能输出并导入R软件中进行后续差异分析和可视化等,用以探究呼吸道疾病的活性物种。编写一个基于ARACNE算法的R函数,计算微生物细胞之间的互信息。此方法给每个网络节点的边,即微生物细胞之间的相关性赋予权重,进而生成微生物细胞的“互信息网络”。该网络可说明微生物细胞之间是否存在互作关系,以及互作的紧密程度。并用R包igraph来做互信息网络的可视化。结果:（1）搭建了用于分析宏转录组数据的分析流程,将工具分为六个模块:数据预处理、数据并行运行、功能注释、群落结构分析、样本结果合并。在基础的分析流程中,通过增加了数据并行处理工具,可以解决数据内存过大而导致报错的问题;另外对所有样本的结果进行了统一处理便于下游分析。该分析流程已上传至。工作流已上传至Galaxy-EU,可以通过此链接下载使用:https://usegalaxy.eu/u/010/w/processing-metatranscriptomics（2）利用该流程对32个呼吸道疾病样本进行分析,获得物种分类丰度,确定发病时丰度较高的致病菌;获得基因家族丰度,通过功能差异分析和通路富集分析确定疾病组样本中上调和下调的通路。两组之间的物种丰度差异分析显示,3个物种的丰度值下降,10个物种的丰度值上升,105个物种在两组之间的丰度值变化不显著。通过比较HC组和RSV组,我们发现了几种致病菌:69%的RSV样本和47%的HC样本中发现了流感嗜血杆菌;67%的RSV样本和58%的HC样本中发现了肺炎链球菌;15%的RSV样本和10%的HC样本中发现了金黄色葡萄球菌。嗜血杆菌属、莫拉克斯菌属、葡萄球菌属和链球菌属参与了疾病样本的大部分GO生物过程。我们共检测到25条通路在RSV发病时下调,3条通路上调,1733条通路没有明显变化。（3）使用网络推理算法ARACNE编写的R函数,可将互信息网络作为微生物细胞相互作用的度量指标,并用R包igraph可视化该网络。通过运行该函数,我们分别创建了一个针对呼吸系统疾病样本的微生物物种互信息网络和一个针对正常呼吸环境的微生物物种互信息网络,经过Kolmogorov-Smirnov（KS）非参数检验来比较两个互信息网络图的度分布,结果差异是显著的。并且,我们发现由此网络得到的互作信息可在文献中得到验证:如人类内源性逆转录病毒和骨瘤病毒之间的相互作用已经在文献中报道。结论:本课题构建并优化了一个基于Web端的工作流,开发了一个基于R软件使用的微生物细胞预测工具,用于分析宏转录组数据。（1）使用Galaxy平台筛选、测试、以及组装工具形成工作流,特别增加了数据并行计算的工作流已解决由大规模数据造成的运行内存受限问题得到解决;并搭建合并样本信息工作流,合并多个样本的相对丰度,可以用于下游分析。通过选择服务器来找到部署此工作流的最佳方案,测试工作流使其能够完整成功运行。经过32个儿童样本的数据验证,说明了该工作流的可行性与准确性,该流程可供其他研究人员重复使用。（2）利用本课题的数据,通过构建互信息网络,不仅找到了互作较强的几组微生物细胞,并且验证了健康组和疾病组的网络结构在度分布上有显著差异。此方法可用于预测细胞互作,但使用该工具得到的微生物细胞互作信息仍然需要更多的实验结果加以验证。