Microbiome: 再论扩增子功能预测分析(Picrust)的效果

Picrust作为扩增子测序功能预测的工具已经被广泛使用了。但是它会与真实情况存在较大的偏差，详见前文对Picrust局限性的介绍：

PICRUSt不灵啦？别慌，它一直都不咋灵~

此文中我推断预测的准确性和测序深度有很强的关系。

Picrust2在Picrust基础上扩大了数据库，增加了预测的准确性。宏基因组公众号之前已经介绍过：

PICRUSt2：OTU/ASV等16S序列随意预测宏基因组，参考数据库增大10倍

最近一篇Microbiome重新评估了Picrust，Picrust2和Fax4Fun的效果。巧了，微生态公众号写了介绍，正好省的我写了：

科研 | Microbiome：微生物群落功能预测的准确性与样本类型和功能类别的关系

结论是再次表明了针对环境样本使用时会产生较大的误差，用于人效果会好一些。

这又让我想到不同环境本身的物种池是否也对功能预测产生影响。

来了来了，又要开始瞎猜了~~~~

在此引用之前PNAS的数据：

PNAS(2016)-尺度定律预测全球微生物多样性

人类肠道中的微生物数量大约在106左右，远远低于全球土壤中微生物的数量。两者物种池的差异造成了功能池的差异。本身人体微生物多样性低，功能多样性正常来说也比全球土壤微生物低，因此预测正确的几率更大。

除了人和土壤，Microbiome的结果还包括了猩猩，鼠，鸡的微生物。这些样本的准确性与土壤差不多。我查到2014年一篇PNAS证明了人类肠道微生物多样性要比猩猩的低很多，而多样性的降低在美国人身上非常明显：与黑猩猩、倭黑猩猩或大猩猩相比，美国人在2万条序列的测序深度上平均少了30个细菌属。

Andrew H, et al. PNAS, Nov 2014, 111 (46) 16431-16435; DOI:10.1073/pnas.1419136111

原文图3 功能预测结果和宏基因组之间的相关性

随便搜了下没找到鸡的和鼠的信息。但是鸡、鼠、猩猩这些动物在自然生存状态下很容易和土壤中的物种池发生联系。即使他们本身的微生物多样性可能不高，但是这种更为“开放”的系统会给微生物群体带来更大的动态波动，预测会更难。

以上一顿分析猛如虎，一看数据我愣住：

专门查了下这篇Microbiome中这些扩增子和宏基因组测序深度，都是别人的数据，此文章汇总进行了功能预测分析。但是，我又刨根问底的看了每一个研究对象的原始文献。

鼠，16S 每个样本只保留1000条序列，宏基因组每个样本1000多万条序列。

鸡，16S 每个样本9000多序列，宏基因组每个样本有5000万条序列。

猩猩，16S每个样本1000条序列，宏基因组每个样本有2700万条序列。

人，其中一批数据16S每个样本180万条序列(这个应该是是每个样本原始序列，不是生成OTU之后保留的序列。保留的序列数没看到)，宏基因组每个样本有15万多条序列。另一批数据正文里也没有呈现。可能在补充材料里藏得很深没注意。

从数据就能大致看出来，动物的16S数据那么少，宏基因组却那么多，这么点16S做预测跟宏基因组相关，没关系才是正常的吧，有关系我倒是觉得奇怪了。

而人的数据宏基因组序列跟前面比少得多，16S却同时多很多。预测的更准确也是理所应当。

所以本文的结论我非常怀疑。同时也再次印证了测序深度的影响。

总结：

1.功能预测用于环境样本，以及用于比较不同处理之间差异的时候，要非常非常小心。

2.对于文章的结果正确与否，或者说相不相信，还得仔细看他的方法及方法的适用性，不能迷信发表了的文章。像这类文章，发在了Microbiome上，肯定很多人不会仔细看他的方法，只看结论就引用在自己文章或者根据他人结论选择自己的分析方法。但是这可能会带来一些不好的后果。

3.时隔很久又对一篇文章进行了负面的评价。几年前刚建公众号不久，我介绍过一篇EST，材料方法中有一个很小的描述性错误我指了出来。作者是中国人，但是我没想到作者因为这找到了我。最后我道歉，把文章删了。从那以后再写中国人的文章的时候，我会比较小心，遇到错误我直接就忽略了，我害怕指出来之后又触碰到作者的神经，人家又气势汹汹的找上门来了。如果这次作者再找到我，也不知会怎么样。哎，言尽于此吧。

END

一个环境工程专业却做生信分析的深井冰博士，深受拖延症的困扰。想给自己一点压力，争取能够不定期分享学到的生信小技能，亦或看文献过程中的一些笔记与小收获，记录生活中的杂七杂八。

目前能力有限，尚不能创造知识，只是知识的搬运工。