确定群落研究的最小序列数

Journal: Journal of Microbiological Methods

Year: 2017

IF: 1.707

Link: https://www.sciencedirect.com/science/article/pii/S0167701217301562#ac0005

这个杂志主要涉及有关微生物的各种方法上的文章。

文章很简单，想记录一下主要是感觉想法挺好的。

核心是假设样本之间的不相似性距离和测序深度存在一定的关系。然后根据对数函数进行了拟合。

d = a*logD +b

其中D为测序深度，d为样本之间的平均不相似性距离。a和b为参数，由群落结构决定。

理想情况下，当d为0时，即测序深度足够深，可以覆盖整个群落。这时候得到的序列数即为理论上所需要的最大序列数。

然后将MG-RAST数据库上的一批数据及实际环境数据代入到公式中，得到a和b的值，并利用公式估计了最大序列数。

公式的关系如图所示：

d为0，即曲线向右一直延长到和x轴相交的交点。

但是存在的问题也是显而易见的：

1. 作者没有说明理由，直接提出不相似性距离(Bray-Curtis)和测序深度之间为对数相关，这点我没搞明白。

2. 作者用Bray-Curtis计算不相似性距离，同时考虑和发生率和丰度。但是事实上不相似性不可能降为0的。因为实验、测序过程和数据处理都会存在偏差。导致物种及丰度的偏差。两个样本之间总会有差别。

3. 作者用了3个重复，测序深度也不到20,000。因此重复数和测序深度比较低。该公式不一定适合高样本量及深度测序的外推。

点分享

点点赞

点在看

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。