343.微生物组研究写作的一般思路

微生物组研究写作的一般思路

——微生物组研究 | 从方案设计到写作套路(三)

作者：凌波微课 王晓雯

版本1.0.2，更新日期：2020年9月27日

实验完成啦，数据拿到了，那些或看似简单或绚丽多彩的分析图片也都整理齐备了。接下来就要 文章写作的关键环节了，除了遵循“阐明研究思路和实验的最终结果”的原则外，微生物组学研究，在写作中也有一些小细节和“套路”写作线路，可以帮助我们清晰明了的阐述研究的结果和得出的结论。

这里就和大家聊一聊微生物组研究写作的一般思路(这里仅就一般的实验性研究文章写作套路做一分享)：

背景介绍(提出问题概述结论)

作为文章的前言部分，需要重点突出的是研究的关注点：发现了什么样的现象，既往有哪些相关的研究基础，需要进一步研究什么问题？解决这个问题有什么样的价值和意义……

问题的提出，可以基于现象观察和既往的研究报道。比如：作物栽培中，为什么“橘生淮南则为橘，生于淮北则为枳”，是由于地域条件中的哪种因素造成这样的结果？是气候条件？还是土壤质地？之前的研究中有哪些是前人发现的因素？这其中是否有微生物构成上的差异？这种微生物群落上的差异又与作物的生理表现是否存在相关？

又比如：同种疾病的同一种治疗手段，用在某些患者上疗效显著，而另一些患者则收效甚微。既往研究中或许已经留意到了病患遗传背景的差异等带来了影响，除了这些已经探明的原因外，是否还有其他因素干扰治疗效果？如肠道微生物构成及功能性方面是否存在差异性。这种差异性是否真的影响到同种治疗的不同效果？反过来，如果采用差异化的治疗，是否会对人体的微生物组造成影响？如果探明了这样的影响，是否会对未来的临床研究有积极作用？

问题的提出，可以更好地帮助读者理解研究方向和研究目的。在微生物组研究中，是以阐明微生物组的构成特点为目的，还是要深入挖掘其功能潜能为核心？或者要深入到真正的功能发挥？这些研究目的的确立，可以明确研究方向，进而选择适宜的研究技术和变量设置，进行实验设计。

此外，科研文章一般也会在前言部分对整个研究的结果进行一个简要的概述，让读者通过前言，了解文章的研究内容、研究手段和得出的主要结论。在对研究有了一个整体概述之后，再进入正文，开展细节的描述。

实验设计和方法描述(解决问题)

问题提出之后，就是要想办法解决疑问。这部分的描述主要是实验的细节设计，实验技术的选择，样本的背景信息等等。

实验细节设计主要包含：样本来源，取样操作，样本量(生物学重复)，实验分组，不同分组的实验处理(给药与否？剂量？处理时长等……)

实验技术部分关注利用什么样的技术及平台实现研究目的。其中涉及高通量测序的描述内容，诸如扩增子测序，还是宏组学测序？用到了什么样的测序平台？引物？数据量的描述，数据分析流程和方法等：软件，流程，算法……

样本背景信息关注取样时收集到对应样本的信息，诸如：采样时的温湿度，样本pH值，取样经纬度，样本宿主的生理生化指标，酶活、离子浓度等检测值等……

除了上述细节描述外， 也有蛮多老师会将实验过程绘制成图：一方面，可以清晰的展视实验设计的内容；另一方面，针对复杂研究，实验设计的流程和思路也更一目了然。

比如，上一节中，我们上文提到的16s 扩增子案利的实验和取样设计1，也是通过绘图，直观展现实验的设置和取样点的设计：

图注：实验设计可视化。取样器和实验组模式图1。

还有，在涉及地理分布取样或其他一些个性化的实验设计的，也会在正文或补充附件中呈现实验设计的内容(如下，蚊子微生物组研究中，涉及地理分布取样及菌种的培养实验设计2)。

图注：样本的地理分布和培养实验设计2。

这部分的描述基本比较固定话，多数文章中都是以“小豆腐块”的形式进行分段描述，比较清晰明了。如果再配合相应的实验设计或流程图，足以更好的说明实验设计中包含的材料方法及设计细节， 如此就完成了文章开头的重要内容——提出的问题及对应研究解决方案(研究设计)。

结果呈现 (回答问题)

首先来看一下微生物组研究技术中最常见分析内容：

*扩增子测序技术：

*宏基因组(shotgun)测序项目 ：

不难看出，不论是哪种研究技术，微生物组学研究万变不离其宗，都是围绕两个大的方向展开的：微生物组的群落构成和微生物组的功能及发挥。这两部分内容也是撑起文章结果(Result部分)的主体。那么，在进行结果描述时，如何更好地展现我们的研究思路和发现呢？

1. 数据背景介绍和样本的物种复杂度评估(α-多样性)

不难理解，首先要说明数据的来源(基于什么样的技术获得的数据)，包括数据量和数据质量等情况。这是为了明确我们接下来要描述的结果产生的前提，确保我们的数据量和数据质量不被质疑。在这方面，扩增子研究中常用稀释性曲线(Rarefaction curve)评估数据量是否合理，是否能够覆盖样本中含有的微生物类群(下图)，同时也可以用来比较测序数据量不同的样本中物种的丰富度。采用对序列进行随机抽样的方法，以抽到的序列数与它们所能代表OTU的数目构建rarefaction curve，当曲线趋向平坦时，说明测序数据量合理，更多的数据量只会产生少量新的OTU，反之则表明继续测序还可能产生较多新的OTU。因此，通过作稀释性曲线，可得出样本的测序深度情况。

图注：稀释性曲线

在一些较早的扩增子研究中，会见到稀释性曲线的图，不过随着研究的深入和技术的发展，目前稀释性曲线已经较少出现了，个别情况下可用于Supplement文件中来说明测序数据量情况和补充说明样本间的多样性差异。

之后，基于每个样本的物种注释情况，一般会用α-多样性的相关指数来描述样本中微生物的复杂性。常见的分析包括多样性指数运算(Chao, Ace，Simpson,Shannon)，Shannon-Wiener曲线，Rank-abundance曲线，Specaccum物种累积曲线等。不过科研文章，展现这些分析的图片比较少见，一般可以见到的就是分组α-多样性指数箱线图(下图)：这张图可以直观展现样本或样本组间的多样性，也兼具差异比较的意义。

图注：分组多样性指数箱线图

2. 切入主题，解析菌群构成

作为微生物组学研究的热门关注点，一般文章的起始部分首先会提及研究的不同样本中微生物类群的组成和多样性情况——在基于扩增子的研究中，目前比较多的还是采用OTU的聚类注释(此外，也有ASV等非聚类注释方法，此处不一一赘述)；在宏基因组的研究中，则通过构建非冗余基因集用于后续的物种和功能注释。不论是哪种技术获得的数据，我们都可以对各个分类水平进行物种的丰度统计。在这一部分的结果描述中，可以用最常见的柱状图或饼图来展先菌群的群落构成和丰度比例情况：

图注：多样本群落结构柱状图(左图)和单样本群落结构饼图(右图)

通过对研究中样本的物种丰度的统计，可以从菌群构成水平整体认识，直观感受样本中哪些菌是优势菌，样本与样本间在物种构成上是否具有相似性，不同组之间是否存在肉眼可见的较大差异性等等。饼状图一般是针对单个(单组)样本的展示；如果研究中涉及到分组的比较展示的时候，为了体现组内样本的良好重复性和组间样本的差异性，多样本的柱状图是个不错的选择(如上左图)。直观展示的柱状图和饼图看似简单，却能很好的提先研究中的物种构成信息，因此也是在各类研究文章和报告中比较常见的“第一道风景”。

此外，很多研究者也倾向于采用热图等来展现物种构成的信息(下图)。结合热图的距离计算和聚类分析功能，除了用不同色块直观展现物种在样本中的丰度状态，也能一次性展现样本间的相似性和差异性特征。因此，群落热图也成为群落结构作图展现的一个好选择。值得一提的是，除了群落物种构成的展现，热图也常见于宏基因组的功能构成展示——虽然基于各类数据库注释，也能给出各类数据库特有的注释图信息，但在大部分宏基因组的功能构成研究报道中，还是多见以热图的形式对不同样品在物种、基因、COG和KEGG代谢功能等层次上进行构成展示，来表现研究中的样本相似性和差异性。

图注：群落结构分布热图

群落结构组分的研究，比较多关注门和属水平信息。当然了，如果您的研究中在其他分类学水平上“有故事”，也可以选择对应的分类学水平进行展视和描述。

另外也有一些个性化的分析和作图，可以帮助我们从不同的研究角度了解微生物群落的一些特殊方面。这里举几个经典代表：

1.优势物种的群落结构：在微生物组的很多研究中，含量丰富的优势物种往往对样本的一些特性有较大的影响。在文章写作中，也可以利用优势物种的群落结构将文章引入优势物种的相关分析和讨论。

图注：优势物种群落结构组分图

2.分类学系统组成树：分类组成树中将测序得到的物种丰度信息回归至数据库的分类学系统关系树中，可以从整个分类系统上全面了解测序的环境样本中所有微生物的进化关系和丰度差异。一般多见的是多样本分类学系统组成树(如下图)，这个分析作图主要用于在各个分类层级上比对不同样品在某分支上的序列数量差异，通过饼状图面积大小展现该分支处序列数量的多少，不同的颜色代表不用的样品。但受限于展示空间，一次能够展现的样本数较少(不建议超过10个或10组)，不太适用于大型的多样本研究。

图注：多样本分类学系统组成树

微生物组研究的相关物种构成部分，基本就涵盖了上面的内容。当然，也不乏有研究者在这部分用到一些较为“高大上”的美图展视，如GraPhlAn物种组成树(下图)等。这种分析作图适用于一个或者一组样本，把OTU的注释和丰度信息用树形结构展示，可以从各分类层级全面展示环境微生物的进化关系和丰度差异。

图注：GraPhlAn物种组成树：从内到外，各圈分别代表域、门、纲、目、科、属。不同颜色背景表示不同的门，节点大小表示丰度，丰度在1%以上的物种标注物种名称。

这类个性化作图兼具科学意义和观感美化功能，可以帮助提升分析结果展示的吸引力，也是提升文章“level”的一个加分项呢！

3. 差异比较描述，好科学故事的核心

小到简单的扩增子研究，大如复杂的多组学设计，大部分的微生物组研究的主要内容都会落在差异分析和比较研究中。无论是物种差异，还是各类功能，基因构成和代谢通路差异都是分组研究的关注重点。通过差异比较分析，得到不同样本间的差异信息，很可能就是我们要探究的问题的答案之所在，所以这一部分的描述一般是整个科研故事的核心，在文章中占据重要的位置。

在这部分的内容安排中，又分为两大类别的研究目的：

第一类，关注相同处理的样本间的相似性以及不同处理样本间的差异度。从物种构成等层级，做样本或样本组整体水平的描述。比较多见聚类分析和距离计算研究。

目前，研究报道中涉及多种距离计算的算法，常见的诸如Bray-cuits距离、加权或非加权的Unifrac距离等，这些距离算法没有高低之分，研究中一般根据不同的研究目的来选择和采用能够解释生物学问题的距离算法进行展视。

聚类分析一般适用于体现相同处理样本间的良好重复性和不同处理样本间的区分差异性，诸如PCA、PCoA、NMDS、3D-PCA、PLS-DA等也是常见的样本间据类分析可视化的方法，展示方法的选择类似距离计算的选择，也是以能够说明关键生物学问题为优选。这里以PCA(Principal component analysis，下图) 分析为例，来展现一下这类聚类分析的常见使用。

图注：多样本PCA分析

PCA分析是一种对数据进行简化分析的技术，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。常见的X轴和Y轴多为PC1和PC2，也会有个别情况下，研究者会展现PC1和PC3 或PC2和PC3的作图。这里的PC代表的是对于不同组样本微生物组成发生偏移的疑似影响因素，按照影响程度大小，分为PC1，PC2,PC3，……等。研究中结合样本特征信息归纳总结，例如红色点标记的样本与其他两组样本在PC1轴的方向上分离开来，则可分析为PC1是导致红色样本点组与其他两组差异的的主要因素，同时验证了这个因素有较高的可能性影响了样本的组成。反过来，同一组样本点的聚集也说明了同一组内样本间的良好重复性。其他几个聚类的可视化分析作图的解读都与此类似。在实际研究中，选择方便说明自己研究目的的分析可视化方法即可。

此外，样本间的整体差异情况也可以通过距离计算等热图(如下图)形式展现，通过不同分组间形成的色块聚集，也可以很好的体现样本间的相似性和差异性。

图注：样本间距离计算热图

除了各类距离计算及聚类展视外，也可以结合诸如Anosim(相似性分析，用于检验微生物群落在整体水平组间的差异是否显著性大于组内差异)和Adonis(多因素方法分析，用于分析分组因素对样品差异的解释度，以此判断分组是否具有统计学意义)等的显著性差异计算方法，来说明样本组间的差异是否显著——多种分析方法及可视化展现的结果配合使用，更能体现差异性结果的统计学意义，让文章结论更有说服力。

第二类差异比较研究则落足于更细节的差异体现——诸如不同的样本或样本组中，到底是哪些微生物、基因、功能等存在差异进而造成了样本间的差异，哪些是造成差异的核心贡献菌(菌群)。这些信息的挖掘，将有助于我们说明差异来源，描述样本“表现型”上的差异根源，甚至可深入到其他的研究方向(如微生物的单菌研究，培养组研究等)，为我们进一步深化研究开辟道路。

这一类分析中，由于作图“炫酷”而备受研究者青睐的当属LDA Effect Size(LEfSe)分析了(见下图)

图注：左图为LEfSE分析物种树；右图为 LDA分析柱状图

LEfSe分析常用于发现高维生物标识和揭示基因组特征，包括基因，代谢和分类，用于区别两个或两个以上生物条件(或者是类群)。该算法强调的是统计意义和生物相关性。让研究人员能够识别不同丰度的特征以及相关联的类别。

LEfSe分析的聚类树中，红色区域和绿色区域表示不同分组，树枝中红色节点表示在红色组别中起到重要作用的微生物类群，绿色节点表示在绿色组别中起到重要作用的微生物类群，上述两类即为显著差异性物种类群，黄色节点表示的是在两组中均没有起到重要作用的微生物类群。图中英文字母表示的物种名称在右侧图例中进行展示。LEfSe分析柱状图中统计两个组别当中有显著作用的微生物类群通过LDA分析(线性回归分析)后获得的LDA分值。默认LDA值大于2，P值小于0.05，该物种为差异物种，差异组即两组中(或多组中)丰度高的一组。若Group、LDA、P值均为空，则表示该物种在组间无差异，即无差异物种。

除了LEfSe分析外，研究中常见的差异物种分析还有诸如Wilcoxon分析、STAMP差异分析、ANOVA方差分析、Kruskal wallis秩和检验分析等。

此外，还有另一种直观展现组间差异物种的方式——柱状图(如下)。通过不同的分组颜色，可以展现同一物种在不同的分组中的分布情况，一般有如下的两种展视：左边仅针对单一物种在各个组中的存在进行丰度分布统计，右图则直接展示了多个物种在不同分组中的分布情况。柱状图虽然看似简单，但在结果展示上更清晰直观，也是不少文章中青睐的差异表现方式。

图注：关键物种差异比较柱状图

完成了前三部分的内容梳理，基本上就涵盖了扩增子和宏基因组研究的关于“群体构成”部分的描述(包括物种构成、基因及功能构成，及构成的比较分析的部分)。但我们知道，微生物组的研究，“构成”只是表象，很多情况下我们要研究构成的“机制”，“构成变化”和环境中的互作，“构成”对样本的影响等等。这里就一定会涉及物种、功能和环境因子间的相互关系研究。

4. (可选)相关性分析(RDA及多组学关联等)表型与菌群关联

在微生物组研究中，一般建议在对样本进行取样的同时，收录样本相关的理化因子或临床表征数据——我们知道，微生物组存在于环境和人体中，微生物组的存在和构成变化会作用于环境或人体，而环境和人体的变化也会反作用于微生物组——在这样的一种动态互作关系中，收录样本的相关理化因子信息可以很大程度上帮助我们了解这一相互关系，为更好的了解微生物组构成和影响提供基础。

在农业及环境研究中，常收集的理化因子指标包括(不限于)：取样的经纬度、重量、温湿度、环境pH值、日照长短、环境酶活、离子浓度以及药物等处理浓度等……

在动物及人体微生物组研究中，常收集的理化因子指标包括(不限于)：年龄、性别、体重、BMI值、种族、地域及用药情况等……

*在扩增子和宏组学研究中，最常用到的相关性研究莫过于RDA/CCA相关性分析了。实际上，这一分析是基于两种模型选择开展的：线性模型(RDA)或单峰模型(CCA)。分析的原理和流程可参见之前的介绍，这里就不赘述了。这项分析可以检测环境因子、样本、菌群三者之间的关系或者两两之间的关系。主要体现的是环境因子与菌群之间的相关性。

图注：多样本RDA / CCA分析

图中数字表示样本名，不同颜色或形状表示不同环境或条件下的样本组；箭头表示环境因子；倒三角表示物种；环境因子之间的夹角代表环境因子间的正、负相关关系(锐角：正相关；钝角：负相关；直角：无相关性)，箭头越长表示环境因子的影响越大；由不同的样本或物种向各环境因子做垂线，投影点与箭头越近说明样本或物种与环境因子间的关系越紧密，投影点之间越相近说明样本或物种与该环境因子属性值越相似，即环境因子对其影响程度相当。

*除了RDA/CCA分析较多见于微生物组的研究报道中，还有一类“炫图”也是相关性分析的“添色”之选——相关性热图。

热图的应用真可谓相当广泛了，它可以直观地将数据值的大小以定义的颜色深浅表示出来，所以在很多表现“程度”的研究中都可以用这样的方式呈现。相关性热图分析通过计算因子与所选物种或OTU 之间的相关性(pearson 系数等)，将获得的数值矩阵直观的展示到热图中。诸如下图，X 和Y 轴分别为物种和代谢通路，通过计算获得相关性R 值。相关性R 值在图中以不同颜色展示，右侧图例是不同R 值的颜色区间。

相比于RDA/CCA分析，热图的相关性展现可谓更直观也更“多彩”。

图注：相关性热图

*在微生物组学的研究热点中，很多同行的研究会倾向于多组学研究。利用“跨界”的技术手段，上游展开微生物组的构成及功能状况调研，下游结合宏转录组、宏蛋白组及宏代谢组等技术手段，从多个层次深度挖掘微生物组的实际功能发挥和影响。

这其中，除了上面介绍的RDA/CCA分析和相关性热图分析外，Cytoscape网络分析也是一个不错的选择——通过样本的背景信息、扩增子研究或宏基因组注释到的物种信息和功能信息及代谢组的代谢产物信息，计算spearman 相关指数，采用网络图展示代谢产物、物种、功能之间的相关关系。

图注：Cytoscape网络分析

 利用Cytoscapes，可以进行物种间的关联、物种与样本，与功能和下游产物的关联等等，这个作图也是高分文章中常见的用于体现相关性的重要分析。

*在这里，给大家介绍另一个很适合于多组学研究的个性化分析——泰森多边形(下图)——一张图，将多个研究层次的相互作用关系一网打尽。

 图 泰森多边形

泰森多边形，又叫加权重心Voronoi图，由一组连续多边形组成，多边形的边界是由连接的垂直平分线组成。M个在平面上有区别的点，按照最近邻原则划分平面，每一个点与它最近邻的区域关联。Voronoi树图通过使用加权重心Voronoi图递归划分凸多边形来可视化分层数据。多边形区域以节点的相对权重比例分割。

例如，上图是利用宏蛋白组技术研究的宿主功能与与微生物组蛋白间的相互关系：左图展现碳水化合物、氨基酸代谢及脂质代谢的相关的蛋白功能分类，右边两张图则在此基础上对其中细菌合成的蛋白质(中图)及侧重碳水化合物代谢及转运的蛋白质相关的微生物物种(右图)进行了关联注释。利用多组学的数据，泰森多边形可以构建并直观展示微生物与宿主，代谢及功能过程之间的复杂的相互作用关系，将多维度多层次的研究“一网”搞定。

当然啦，多组学研究的关联分析有很多，大家可以根据自己的研究实际加以选择，在研究中提先出不同的研究方向和研究侧重之间的相关性，更好的说明微生物组相关的因素与微生物组本身之间的联系和相互作用。

5. (可选) 个性化分析思路和内容

常用的思路和文章用图介绍完了。当然了，一个好的实验设计一定不是单一的，固定的思路和分析方法。每一个项目都有自己的研究目的和想要阐明的故事。不同的故事就有不同的讲法。伴随的故事的“花式翻新”，也会有一些个性化的分析思路和分析方法出现在微生物组的研究中。

比如，在一些研究中，会有关注微生物组的构成随时间的变化，对样本中的微生物群落进行时序性的研究，就可以采用时序性研究的分析软件，展视时间序列的样本中微生物随时间的动态变化过程，也可以基于此，推断微生物动态变化的推动力，预测动态变化的趋势，甚至说明物种间的相互影响(共生互斥关系)。诸如MDSINE分析(Microbial Dynamical Systems INference Engine)。

例如，下图中就挖掘了样本中的部分关键物种，通过动态取样和分析，展现了这些物种在不同样本中随时间的推移呈现出的物种丰度的动态变化走势。

图注：物种丰度在不同分组中随时间的动态变化

此外，利用物种之间此消彼长的丰度变化特征们进行动力学系统模型构建和预测动态演练，可以进一步挖掘样本中微生物间存在的共生互斥关系(如下图)。

图注：共生互斥关系网络图

图中每个节点表示一个属；蓝色连线表示促进作用，红色连线表示抑制作用；箭头或者“|”表示方向；连线的粗细表示影响程度大小。

再譬如，前面的分享中提到的，将皮肤微生物组的构成作为表型，进行遗传图谱的绘制，研究小鼠基因组信息中有哪些基因可能是控制小鼠的皮肤表面微生物构成的候选基因的案利。借鉴的其实是遗传图谱的研究思路，但找到一个很“不一样的切入点”——微生物组构成。

完成了上述所有研究成果的展视，基于一定的“套路”给出研究的结果，伴随着结果的描述，就可以逐一答复研究一开始提出的问题：样本中的微生物构成是怎样的，这样的构成有别于其他样本的特征有哪些，在这些特征又是与样本的表型特征有着怎样的联系，在这些群落中，体现出微生物“社群”间哪些相互关系，微生物在其中又是如何发挥其功能的，等等。用观察到的科学事实来回答研究疑问，从群落构成说起，深入解答问题的本质，就成功完成了研究论文的主体部分——Result的写作。

现实意义 (问题讨论)

一篇好文章，绝不只是精巧的实验设计，和漂亮的数据图表的堆砌。更少不了深入细致的讨论。在文章的讨论部分，我们需要对重要的研究结果进行解释、比较和说明，但不同于文章结果部分的描述，讨论要体现的，是对文章结果的逻辑推理，来证明文章结论的“合乎逻辑性。”

那么，如何有别于结果的陈述，又能做好文章的讨论呢？这里有一个思路供大家参考：

1. 可以简要的总结性陈述本研究中的主要发现。这里建议做概括性的描述，不用像结果中那样有很多详实的细节，只需要陈列出主要的发现，并针对研究背景中提出的问题进行说明和答复即可。

2. 每一个研究都不太可能做到面面俱到，这就需要我们在研究中突出已经完成的研究工作在该领域中的贡献，例如，突破了哪些瓶颈，探明了哪些规律，获得了怎样的认知进步等等。与此同时，也要将实验设计中可能未涉及的问题，以及研究中没能说明的地方，研究可能还存在的缺陷等等进行分析和讨论，可以吸引更多的领域研究者关注已有工作，并对未来进一步的深入研究提供一些参考。

3. 前言部分，我们会提及相关工作的已有研究。那么在讨论中，也建议加入自己的研究与他人研究成果之间的比较：这一部分建议关注同其他研究比较，在研究出发点和研究结果上存在的共同点和差异。共同点可以相互佐证彼此的研究成果；同样的，差异性的部分也要做深入的讨论，如这种差异可能是如何造成的？差异性的结果是否对之前的研究结果有修正和提升？或者更好的说明了新的问题？等等。

4. 在一些涉及实用性转化的研究中，诸如医学临床，环境监测，农业生产指导等，可以加入机制的讨论，以及现在得出的结果对未来应用的指导意义等。

5. 讨论的最后，可以对未能解答的问题进行描述，并进一步指出未来工作的方向等。

   最最后，完成一篇好的科研论文，从实验设计，样本的采集，到好的数据处理和整理过程，再到文章的写作，可以说是环环相扣。每个环节都要付出巨大的努力。作为一名技术，笔者也曾参与到众多的研究项目中去，深深体会到科研工作者们需要承受的持久艰辛和巨大工作量，也衷心地希望每研究者的努力都能取得理想的成果，让微生物组学的研究和应用转化成更好的实践指导，照亮人类未来。

责编：刘永鑫  中科院遗传发育所

版本更新历史

1.0.0，2020/9/3，王晓雯，初稿

1.0.1，2020/9/25，刘永鑫，大修

1.0.2，2020/9/27，刘永鑫，小修

1    Huimin Li, Qi Li, Xin Luo, Jie Fu & Jibiao Zhang. (2020). Responses of the submerged macrophyte Vallisneria natans to a water depth gradient. Science of the Total Environment 701, 134944, doi: https://doi.org/https://doi.org/10.1016/j.scitotenv.2019.134944

2    Josephine Hyde, Courtney Gorham, Doug E. Brackney & Blaire Steven. (2019). Antibiotic resistant bacteria and commensal fungi are common and conserved in the mosquito microbiome. PloS One 14, e0218907, doi: https://doi.org/10.1371/journal.pone.0218907

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读