宏基因组笔记（第二章）

一直以来，看到这本书《Statistical Analysis of Microbiome Data with R》活跃在朋友圈和公众号，既然口碑这么好，当然有必要学习下啦！分享记录一下书中我所认为重要的点。下面是这本书的第二章：

什么是微生物组数据

2.1 测序

16S或者宏基因组测序后，数据使用Qiime或Mothur，比对或者denovo聚类生成OTU表格，注释获得物种分类表，以及相对丰度。

2.2 数据结构

是结构化的进化树，系统发生关系和进化。样本（行）-特征（列）偶发表，特征可以是OTU、基因 、物种分类或者序列变异的表。

2.3 特征

• 重复、样本、个体、对象、描述或者生态采样点-物种、OTU等丰度矩阵。
• 过度分散的，这是因为：1）DNA／RNA测序的测序文库大小差别很大；2）变化幅度超过多元回归的预测，如泊松，第11章，我们采用R包来处理这些。

2.4 稀疏多0矩阵

• 稀疏多0，在一些样本中许多物种分类或OTU都是缺失的。1）样本的0，又称0计数，可能是取样问题；2）结构的0，真0，绝对0，也就是真的没有；3）约等于0，不是真的0，而是低于噪声误差。
• 0的来源，1）测序假阳性，测序深度的差别；2）一个给定组分，发生率低，测序总深度也低时；3）数据处理时，转换成相对丰度时，比对和标准化的影响。

2.5 挑战

以上的这些数据特点为研究者带来了各种挑战。包含统计学上的挑战，还有：

• 1）如何组织成进化树；
• 2）如何减少数据的维度，以及p值过大和n值过小；
• 3）如何处理罕见物种（OTU）；
• 4）如何对过度分散、稀疏多0矩阵进行建模。例如人的肠道微生物研究就面临类似的问题。

分散性是16S数据处理的一个主要挑战：

• 对精确参数估计的模型来说是一个难题，甚至是不可能实现的任务。例如，由于太多0的存在，物种（OTU）的分布会很混乱，而且没办法使用标准的模型进行分析。
• 多0也让非参数模型失效，非参模型主要基于秩或者中位数，所以也没法用。

过多0的解决失败会导致偏好性的参数估计和误导结论。

2.6总结

在本章，我们观察和总结了微生物组数据的特点，我们了解了它们长什么样。微生物组数据是组成性的，高维度的，不明确的，过度分散和多0的。这些特点对数据分析造成很大挑战，让参数和非参模型均失效。