fbpx

So Sánh Các Phương Pháp Phân Loại Trình Tự 16S rRNA Thành OTU

LOBI Vietnam là công ty tiên phong trong lĩnh vực Đọc trình tự gen thế hệ mới NGS (Next Generation Sequencing) và Phân tích Tin sinh học. Liên hệ hotline/Zalo 092.510.8899 để biết thêm chi tiết.

ĐỌC THÊM:  Sử dụng dữ liệu hệ gen thế nào để khai thác chính hệ miễn dịch của bệnh nhân chống lại ung thư?

A Comparison Of Methods For Clustering 16S rRNA Sequences Into Otus

Wei Chen, Clarence K. Zhang, Yongmei Cheng, Shaowu Zhang, Hongyu Zhao mail

Tóm tắt

Các nghiên cứu gần đây về 16S rRNA ứng dụng công nghệ giải trình tự thế hệ mới đã giúp chúng ta hiểu sâu hơn về thành phần và cấu trúc của quần thể vi sinh vật. Phương pháp tiếp cận chung để đánh giá đa dạng di truyền trong một quần thể sinh vật với loại dữ liệu này là phân loại các đoạn trình tự 16 rRNA thành những đơn vị phân loài (Operational Taxonomic Units – OTUs) dựa trên các đoạn trình tự giống nhau. Các OTU sau đó có thể được sử dụng cho việc ước lượng loài, đa dạng sinh học, thành phần, mức độ phong phú. Mặc dù một số các phương pháp đã được phát triển và phổ biến cho việc phân cụm các trình tự thành các OTUs, nhưng lại rất ít những huớng dẫn có sẵn giúp chúng ta thực hiện và chọn các thông số quan trọng của mỗi phương pháp.

Trong nghiên cứu này, chúng tôi đã tiến hành đánh giá toàn diện 10 phương pháp dự đoán OTU. Chúng tôi tìm ra rằng chỉ số không tương đồng thích hợp để xác định OTU riêng biết không chỉ liên quan đến một phương pháp cụ thể mà còn liên quan đến độ phức tạp của mẫu. Một số phương pháp như: CROP và SLP tốt hơn trong việc chọn ngưỡng cụ thể so với các phương pháp khác, đặc biệt là đối với các đoạn trình tự ngắn. Với bộ dữ liệu có độ phức tạp cao, các phương pháp phân cum theo bậc (hierarchical cluster) ngưỡng không tương đồng (dissimilarity threshold) phải chặt chẽ hơn trong việc định nghĩa OTU bởi vì mới ngưỡng thường sử dụng là 3% sẽ dẫn đến số lượng OTU tìm được sẽ thấp hơn so với thực tế. Nhìn chung, các phương pháp hierarchical clustering thực hiện tốt hơn khi mức độ phức tạp của mẫu thấp. Kết quả cho thấy các sự phong phú về trình tự đóng vai trò quan trọng trong việc định nghĩa OTU. Vì vậy, cần phải cẩn thận trong việc chọn giá trị dissimilarity threshold và đánh giá sự phong phú của OTU.

ĐỌC THÊM:  Công nghệ mới trong phát hiện các loại virus mới ở gia cầm

http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0070837

{fcomment}

 

 

LOBI Vietnam là công ty tiên phong trong lĩnh vực Đọc trình tự gen thế hệ mới NGS (Next Generation Sequencing) và Phân tích Tin sinh học. Liên hệ hotline/Zalo 092.510.8899 để biết thêm chi tiết.

ĐỌC THÊM:  Sử dụng dữ liệu hệ gen thế nào để khai thác chính hệ miễn dịch của bệnh nhân chống lại ung thư?

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *