微生态与微进化

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

过去十年的研究揭示了古菌在自然界的多样性和无所不在性，越来越多的研究强调了它们在生态学、生物技术甚至人类健康方面的重要性。大量的的谱系已经被发现，扩大了古菌系统发育的广度，并透露了它们在真核生物进化起源中的核心作用。这些发现，加上在极端环境下培养和实时成像古菌细胞的进展，为更好地理解古菌的生物学奠定了基础。本文就古菌细胞的形态、内部组织和表面结构特征以及膜系统重构、细胞生长和分裂等方面进行了综述。本文还强调了目前所面临的一些技术挑战，并讨论了新的和改进的技术将如何帮助解决许多悬而未决的关键问题。

Nature综述：古菌的细胞生物学

当研究一条DNA或蛋白质序列时，主要关注的是其包含的遗传信息；当研究两条或多条DNA或蛋白质序列时，则主要关注不同序列之间的差别与联系。在生物信息学中，对生物大分子的序列比对是非常基本的工作。

序列比对：多序列比对与MAFFT

新达尔文主义（neoDarwinism）或称现代综论（modern synthesis）认为可遗传变异的产生（the generation of heritable variation）和自然选择（natural selection）是互相独立的，在生物繁衍的过程中两者共同作用，产生适应性进化（adaptive evolution）。这种观点传承了达尔文非目的论的哲学内核，也促成了遗传学的一个基本原则（a basic principle of genetics），即特定突变产生的概率（likelihood）与他们的表型结果（phenotypic consequences）无关[1]。通俗说来，突变的产生没有目的，不存在针对特定表型结果的有目的的突变，而仅仅是为自然选择提供筛选材料。同时，环境压力也不会诱导生物产生特定表型结果的突变，也即不存在定向突变（directed mutation）。

适应性突变—对新达尔文主义的严重挑衅？

8月22日，Nature Microbiology (IF2021=30.964) 在线发表了华南师范大学生态科学研究所王璋研究员团队的科研成果：Multi-omics analyses of airway host-microbe interactions in chronic obstructive pulmonary disease identify potentialtherapeutic interventions。该论文通过对慢性阻塞性肺疾病（慢阻肺、COPD)患者进行深度多组学分析，结合体内外功能实验，揭示了慢阻肺呼吸道微生物。

佳作推荐 | 王璋及合作者揭示慢性阻塞性肺病呼吸道菌群-宿主互作机制

序列比对：双序列比对与BLAST

文章导读：近十几年来，随着测序技术的飞速发展与快速应用，生物信息学数据得到大量积累。以往研究多集中于新数据的挖掘，在系统化分析上仍然存在很大不足。接下来很可能会进入“后组学”时代，系统化分析生物数据以解决核心科学问题为大势所趋。本篇文章系统地整理了全球不同生境的微生物组数据，并以此分析基因的生物地理。

Nature：原核生物基因的生物地理学研究

序列比对：替换计分矩阵

之前常有做宏基因组的朋友问我，为什么他们计算基因丰度获得的结果中，有些基因的丰度为零。理论上所有的contig序列均由reads拼装而得，而基因作为contig序列上一个区域，不该没有reads比对上。其实，这些丰度为零的基因反映了宏基因组gene丰度计算一个很容易犯的错误。非常抱歉的是，我在之前文章零代码计算contigs与genes丰度一文中，并没有及时认识并纠正这个错误，现在亡羊补牢，希望对大家能有所帮助！

为了更精确的定量：宏基因组gene丰度分析工具的比较

文章导读：宏基因组研究日益广泛，但其定量分析一直面临很多困难。这篇文章系统的总结了宏基因组流程中影响定量分析的各个方面，尤其是数据的组合性以及样品微生物负荷的变化。这篇文章的亮点在于将对定量分析的干扰细化到不同生态场景的微生物群落，甚至是不同类群，帮助我们深入了解宏基因组数据结构，正确认识下游分析中数量关系的可靠性，避免在研究中做出错误的研究结论（而这些错误结论在以往研究中可能并不罕见）。

Nature子刊：微生物组数据转换以提高宏基因组定量准确度

色盲是并不罕见的一种遗传性疾病，我国男性色盲患病率可达5%，而白人男性更是高达8%。这些色盲患者和我们一样工作在各种领域，在论文送审中也可能会遇到色盲审稿人。假如论文送给三位白人男性审稿人，其中至少一人是色盲的概率高达22%。因此，为论文的图片选取一种对色盲友好的配色方案是很重要的，能确保准确的展示我们的研究成果，同时体现了人性关怀。

SCI写作：色盲友好色板

数学上的假设检验从根本上来说是基于哲学上的反证法，目的是为了确定差异。我们说一个检验对应一个零假设，p值实际上是零假设发生的概率，p值过低则拒绝零假设；1-p则是备择假设发生的概率。也就是说，当我们在假设检验中去计算p值，我们实际上想知道的是备择假设（一般也是我们想要的结果）的发生概率。因此判断多重比较的关键在于梳理清你所做的假设体系。

如何判断多个检验属于多重比较，从而需要p值校正？

DNA与蛋白质的序列比对原理

设想光秃秃的地球，太阳的光芒照耀在地球表面，能对地球表面做什么？地球表面的岩石或水体（如果有的话）会吸热，岩石几百年的暴晒可能会开裂，水可能会变热或者变成水蒸气。然而没有大气层的环流，水蒸气很难形成降雨，一切都会那么沉寂，地球只能慢慢吸收来自太阳的热量，然后再以辐射的形式散发到太空，这种熵增是十分缓慢的，也是很多没有大气层的行星的写照。

耗散结构为什么能解释生命系统与生态系统

CRISPR也即Clustered regularly interspaced shortpalindromicrepeats（成簇的、规律间隔的、短回文、重复序列），由回文重复序列repeats及其间隔序列spacer组成，是大多数细菌及古细菌中的一种获得性免疫方式。在CRISPR特征序列附近还有一些CRISPR-associated基因，编码一系列Cas蛋白，合称CRISPR/Cas系统。间隔序列来自于外来入侵DNA，作为识别外来入侵者身份的指纹，其在入侵DNA上对应的为原间隔序列（protospacer），作为身份识别的原间隔序列其特点为两端延伸的临近序列十分保守，称为原间隔序列临近基序（protospacer adjacentmotif，PAM）。

基因组CRISPR序列及Cas酶预测

决策树（Decision Tree）是一种简单但是广泛使用的分类预测模型。通过训练数据构建决策树，可以高效的对未知的数据进行分类并作出决策。决策树有两大优点，一是决策树模型可以读性好，具有描述性，有助于人工分析；二是效率高，决策树只需要一次构建，反复使用，但是预测的最大计算次数不能超过决策树的深度。一个简单的决策树例子如下所示：

决策树的构建原理

层次聚类（hierarchical clustering）就是通过对数据集按照某种方法进行层次分解，直到满足某种条件为止，常用的方法有UPGMA、ward.D2等。聚类树是层次聚类最常用的可视化方法，我们可通过比较聚类来确定最佳分类，详见往期文章层次聚类与聚类树和比较聚类。

聚类树的合并展示

很多情况下由于内存限制等原因无法将多个样本混合在一起拼接，这样每个样品单独拼接、预测获得的基因集在合并分析时可能会有很多冗余。要构建多个样品、多个项目的非冗余基因集，需要根据一定的相似度阈值对不同样品的基因序列进行聚类。常用的软件有CD-HIT、MMseqs、Linclust等。

宏基因组基因集去冗余：CD-HIT

关于生态与进化，科学家们已经探讨了数百年，然而至今在很多核心问题上仍难以达成共识。著名生态与进化学者论坛Eco-Evo Evo-Eco上曾发起关于最具争议的一些问题的投票，在往期文章关于生物进化研究者存在那些分歧中介绍了进化部分的问题，今天继续为大家介绍生态部分。投票为1-5分制，1-错误、2-有些错误、3-不确定、4-有些正确、5-正确，投票得分均值越接近3则表明该问题的争议越大。所调查的生态学问题一共有22个，大致按照争议的大小进行排序，并根据问卷回答用颜色标识了投票来源：浅蓝色-专家、蓝色-知道一些、深蓝色-知道一点。

关于生态学，研究者们存在哪些分歧？

系统发育推断（phylogenetic inference）的算法五花八门，从最简单的UPGMA法，到邻接法（neighbor joining）、最大简约法（maximum parsimony），再到复杂的的最大似然法（maximum likelihood）与贝叶斯推断法（Bayesian inference），每种方法都有不少可选择的实现工具。这些方法无一例外都遵循一个规律：越精确则速度越慢。而随着分析的数据越来越庞大，对于用户来说，需要寻找一个尽可能快速而且错误率可以容忍的算法是十分必要的。

Iqtree2：新模型高效构建系统发育树

噬菌体是地球上丰度和多样性最高的生物学实体，大规模病毒宏基因组学和培养极大的推动了人们对噬菌体的了解。本篇综述从四个方面总结噬菌体研究进展，并结合研究现状给出自己的观点：

Nature综述：噬菌体多样性、基因组学与系统发育

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了微生态与微进化专栏，为你提供了微生态与微进化的相关文章，致力于帮助开发者快速成长与发展。

微生态与微进化

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐