高通量测序的生物信息学分析.docx

高通量测序的生物信息学分析 附件三 生物信息学分析 一、 基础生物信息学分析 1. 有效测序序列结果统计 有效测序序列 :所有含样品 barcode(标签序列 )的测序序列。 统计该部分序列的长度分布情况。 注:合同中约定测序序列条数以有效测序序列为准。 图形示例为 : 2. 优质序列统计 优质序列 :有效测序序列中含有特异性扩增引物、不含模糊碱基、长度大于可供分析标准的序列。 统计该部分序列的长度分布情况。 图形示例为 : 3. 各样本序列数目统计 : 统计各个样本所含有效测序序列与优质序列数目。 高通量测序的生物信息学分析 结果示例为 : 4. OTU 生成 : 根据序列的相似性 A B ,将序列归为多 个 OTU( 操作分类单元 ),以便后续分析。 OTU1 OTU2 OTU3 OTU4 OTU5 OTU6 OTU7 OTU8 、、、、、、 149 0 2 0 19 0 0 0 …… 410 0 3 47 28 0 182 0 …… 27 0 14 0 82 0 94 0 …… 252 0 23 11 9 0 24 0 …… 45 0 1 0 57 0 14 0 …… 124 0 5 5 45 0 5 0 …… 136 0 17 1 303 0 12 0 …… 101 0 29 7 9 0 60 0 …… 5. 稀释曲线 (rarefaction 分析 ) 根据第 4 条中获得的 OTU 数据 ,做出每个样品的 Rarefaction 曲线。 本合同默认生成 OTU 相似水平 为 0、 03 的 rarefaction 曲线。 rarefaction 曲线结果示例 : 6. 指数分析 计算各个样品的相关分析指数 ,包括 : 高通量测序的生物信息学分析 丰度指数 :ace\chao 多样性指数 :shannon\simpson 本合同默认生成 OTU 相似水平为 0、 03 的上述指数值。 多样性指数分析结果示例 : 注:默认分析以上所列指数 ,如有特殊需要请说明。 7. Shannon-Wiener 曲线 利用各样品的测序量在不同测序深度时的微生物多样性指数构建曲线 ,反映各样本在不同测序数量 时的微生物多样性。 当曲线趋向平坦时 ,说明测序数据量足够大 ,可以反映样品中绝大多数的微生物信息。 绘制默认水平为 :0、 03。 例图 : 8. Rank_Abuance 根据各样品的 例图 : 曲线 OTU 丰度大小排序作丰度分布曲线图。结果文件默认为 PDF 格式 (其它格式请注明 )。 高通量测序的生物信息学分析 9. Specaccum 物种累积曲线 (大于 10 个样品 ) 物种累积曲线 ( species accumulation curves) 调查样地物种组成与预测物种丰富度的有效工具 用于描述随着抽样量的加大物种增加的状况 ,就是理解 ,在生物多样性与群落调查中 ,被广泛用于抽样量充分 性的判断以及物种丰富度 ( species richness) 的估计。因此 ,通过物种累积曲线不仅可以判断抽样量就是 否充分 ,在抽样量充分的前提下 ,运用物种累积曲线还可以对物种丰富度进行预测。 10. 样品 OTU 分布及分类学信息 OTU 产生后 ,统计各个样品含有 OTU 情况及每个 OTU 中含有序列的数目。 同时 ,将所有序列与 Silva 库比对 ,得到序列的分类学信息。通过寻找最近祖先方法 ,得到每个 OTU 的分类学信息。本合同默认分 析相似性水平为 0、 03 的 OTU。 高通量测序的生物信息学分析 结果为一份 xls 文件 ,文件内容示例为 : 第一列为 OTU 编号 ,第一行为各个样品名称 , 中间数字表示该列样品在此行 最后一列为该行 OTU 的种属信息。 二、 高级生物信息学分析 11. OTU 分布 VENN 图 注:选择一组 不多于五个样品 ,分析样品间 OTU 重合情况 ,将结果以 VENN 认为 PDF 格式 (其它格式请注明 )。 例图 : OTU 中所占的序列数目 , 图形式展示。结果文件默 ,使用 jest ,使用 jest 算法 , 比较该组分析中