2020年高通量数据处理的一些经验和建议 .pdfVIP

高通量数据处理的一些经验和建议 最近一年时间里收到很多同学和朋友关于 454 数据处理的询问，通过 QQ ，微信，人人网和 等各种途径，当然不少也是面对面的讨论。这些同学和朋友包括同组的，跨组的，同所的， 跨所的，其他大学的，来自的、的、的、的，甚至也有国外的中国朋友。有些朋友我素未谋 面，也不知长相如何，不知男女。有时候同一天能收到五六份，问题之五花八门，有时已经 超越了我所能够解答的围。 这些现象也反映了当前生物信息学的急剧变革， 第二代测序技术就像 Iphone 问世一些， 彻底席卷和重新定义了当前生态学研究的方法和手段。 而几年前费用昂贵的第二代测序如今 已 “旧时王堂前燕， 飞入寻常百姓家 ”，于是乎大潮裹挟之下的硕士生博士生们都想出来耍耍， 扔个十几万块钱，希望能够轻松的收获几篇文章。 科研论文的发表讲究 “猎奇性 ”，大家都喜欢看到新奇的方法和漂亮的图表。 但我认为这 其实也是当今科研界的弊端之一， 讲究创新和手段的先进， 而忽视了研究的重要性。 以微生 物生态学的旗舰杂志 ISMEJ 为例，最近一年多发表的学术论文里，第二代测序技术已经是 寻常方法， 所谓第三代的单细胞测序技术也开始出现。 研究生物信息学的来自美国科罗拉多 的 Rob Knight 能够作为 ISMEJ 的高级主编， 方法对于微生物生态学研究的重要性可见一斑。 前几天读到阿伯丁大学的 James Prosser教授在 Nature 上发表的一篇观点文章 “Think before you sequence ，在这里面他讲到，第二代测序只不过是一个工具而已，我们的研究依“ 旧要从扎扎实实的假设出发， 设计实验来解决问题和验证假设。 高通量测序并不能弥补实验 设计的缺陷。 我在阅读文章的过程中也发现， 设计合理和完整的实验， 即使使用传统的 Sanger 测序技术， 依旧能够说明和解决问题， 并能够发表到高档次期刊上。 而如果使用第二代测序 技术，但是数据处理有问题， 数据质量控制不好， 文章也很难得到发表， 相当于花钱买罪受。 我从 2011 年秋天开始学习 454 数据的处理，在学习的起始阶段，能够和师弟袁超磊一 起探讨和交流，并且几乎阅读了 ISMEJ 上所有与第二代测序技术有关的文章，所以能够很 快的上手。在此我也对师弟袁超磊表示正式的感， 祝愿他在阿德雷德大学能吃上可口的饭菜。 很多朋友的问题我未能一一解答， 在此也表示歉意。 我经历过学习 454 数据处理的漫长 和痛苦的过程， 我很清楚有时候一句话或者一段话很难解决所问的问题。 去年我自己投出的 文章经历了很多次的拒稿， 十几位审稿人和生物信息学家对数据处理提出了建议， 现在经过 在悉尼和生物信息学专家的讨论， 我也能够更加合理地看待数据处理的问题。 摸着石头过河 的一些经验和建议，在这里进行分享，希望正在摸索和思考中的你，觉得并不孤单。 1. Mothur 和 QIIME 那个软件更好 ? Mothur 是美国密歇根大学的 Patrick Schloss 在 2009 年开发的数据处理平台，它的前身 是 Dothur 软件，相信大家都听说过。这两个软件的发音分别为 Mother 和 Daughter ，是 Dr Parick 献给他的妻子和女儿的。另一个被广泛使用的数据处理平台是 QIIME, 也是美