【PANDA姐的机器学习入门】宏基因组与机器学习

现在机器学习在宏基因组中的应用主要是在OTU-clustering、binning、taxonomic proing与assignment、comparative metagenomics 、 gene prediction，此外前几天提到关联环境数据的integrative metagenomics。导师他对binning比较执着，（可能这件事他会让一位师弟继续做吧），然而我未来想要在比较宏基因组和整合宏基因组这两块进行深入的研究（也是我比较感兴趣的），这正是我学习机器学习的原因。之前的西瓜书的阅读就是为了后续阅读相关专业文献做的知识铺垫，今天该看到聚类了，说要一起看的朋友们你们看到哪里啦~

机器学习在宏基因组中的应用

大概分为三类机器学习任务：分类、降维、聚类。

目前机器学习在关于整合宏基因组学和比较宏基因组学方面的研究还是挺少的，分箱Bining是最多的了，另外演林师弟之前做的物种分类（用的哪种算法忘记了，反正是机器学习就是了）。在Learing那栏，目前我对支持向量机、随机森林、神经网络有概念上的认知，其他的由于木有看到就不懂了。

OTU聚类

在qiime软件里，内置了sortmerna, mothur, trie, uclust_ref, usearch, usearch_ref, blast, usearch61, usearch61_ref,sumaclust, swarm, prefix_suffix, cdhit, uclust这么多种聚类方法，这让我很惊讶，后面我还专门找了些文献来看一个水库宏基因组实战-微生物16sRNA数据库与序列聚类-4。但是我对这不感兴趣，所以就略过吧，用的就是不同的聚类方法，输入属性值不同，一眼瞄去大多都要比对一下的。

分箱Binning

我们实验室开发了一种分箱方法，使用GC含量、覆盖度等特征属性，加上高斯混合模型进行降维，但是后续利用散点图可视化进行人工矫正，对于高复杂度的样品是不适用的，可能后续会派师弟来继续填坑吧。我想的是要是能改成半监督的，我就会有信心来做这件事。

丰度估计和分类

分类倒是很少接触过，常用就是megan咯，比对到nr库再加lca算法进行。kaiju也用过，上面的RDP classifier接触过，还要再看看。

比较宏基因组

上面的几个工具我都没用过，但我的直觉告诉我，这方面可以尝试去探索一下，So~

基因预测

现在用的是MetaProdigal软件，MetaGeneMark试用过，原来它们也用了机器学习算法哦。

文献阅读心得

上面的图片来自Soueidan H, Nikolski M. Machine learning for metagenomics: methods and tools[J]. Metagenomics, 2015, 1(1):1-19.，（似乎是一本书里的一章），如果去谷歌一下metagenomic和Machine learning，会出现一大堆文献。然后我要做的是继续把西瓜书看完咯，然后写写课后作业，有空再看看文献。最初目标是如何开展上面工具的开发工作，就像做实验一样，材料是什么准备好，每一步操作是怎样的，核心创新在哪一步体现（这就我的个人浅薄的认知）

昨天Jimmy师兄我发那篇大数据文摘的t-SNE：还在用PCA降维？快学学大牛最爱的t-SNE算法吧（附Python/R代码）然后VIP论坛交流群里鱼也发了：动画版的t-SNE教程，很有趣：https://distill.pub/2016/misread-tsne/ 试试看吧。t-SNE我之前看过，它在宏基因组里有应用主要是偏向可视化的，Laczny, C. C., Pinel, N., Vlassis, N. & Wilmes, P. Alignment-free visualization of metagenomic data by nonlinear dimension reduction. Sci Rep 4, 4516, 10.1038/srep04516 (2014)，然后就是mycc里用到了它，然后的然后就没然后了.。

历史记录