QIIME2得到PICRUSt2结果后如何分析

作者：聋言瞎面

审核：Listenlii

---

本文主要解决的问题：

1、QIIME2做完PICRUSt2后，只输出pathway id，如何比对得到pathway description?

2、PICRUSt2得到结果后，再怎么分析？

---

1. pathway ID --- pathway description

PICRUSt2结果输出后，会得到基于KEGG及MetaCyc的通路预测。KEGG是2011年的版本了，就建议不要用了。

所以以下介绍MetaCyc：直接用PICRUSt2软件做的话会直接输出pathway description，而在QIIME2里做则需要下面的方法。

读入metacyc官网下载的pathway id及描述文件

下载地址：

https://metacyc.org/group?id=biocyc17-61025-3865826896

id <- read_csv("All-pathways-of-MetaCyc.txt",col_names = T)
dsct <- read_delim("All-pathways-of-MetaCyc-2.txt",col_names = T,delim = "\t") #注意使用read_csv读取的行数有错误！
id_dsct <- cbind(id,dsct = dsct$Pathways)

保存所有的metacyc数据库的pathway id及通路描述

write.table(id_dsct,file = "all_metacyc_id_dsct.tsv",row.names = F,col.names = T,quote = F,sep ="\t")

导入pcirust2的输出结果：

1、导出所有的id，输入到metacyc数据库；

2、把id替换成描述,输出STAMP的输入文件

pic_output <- read_tsv("feature-table.biom.tsv",col_names = T)
metacyc_input <- pic_output$`OTU-ID`
write.table(metacyc_input,file = "metacyc_input.tsv",row.names = F,col.names = F,quote = F,sep ="\t")

stamp_input <- merge(pic_output,id_dsct,all.x = T,by.x = "OTU-ID",by.y = "Pathways")
write.table(stamp_input,file = "stamp_input.tsv",row.names = F,col.names = F,quote = F,sep ="\t")

---

2. PICRUSt2得到结果后，再怎么办？

最后的输出结果也是组成型数据，所以。。。首先我们知道没有最好的统计模型了；其次，各种多元统计分析是不是可以搞一搞了？差异通路是不是可以STAMP、ANCOM、ALDEx2都试试？

怎么解释就看你自己了。可以结合下面的层级树逐一层级查看你所关注的通路。

同时也可以创建自己筛选出的差异通路表。

链接如下：https://metacyc.org/smarttables

（花10s注册账号后，把上面生成的metacyc_input.tsv导入后，可以生成mysmarttables，然后你就可以点点点点点。。。

因为本人只是瞎点，也没有完全会用这个smarttable，就不班门弄斧了，我觉得参照上面的层级树就行。想深入学习见这个视频教程：

https://biocyc.org/webinar.shtml）

下图展示如何导入metacyc_input.tsv

最后，本周大半时间搭在这上面踩坑，希望本文能给大家科研路上以帮助；

感谢“需要鼓励的小昱”的指导。

猜你喜欢

iMeta简介 高引文章 高颜值绘图imageGP 网络分析iNAP
iMeta网页工具 代谢组MetOrigin 美吉云乳酸化预测DeepKla
iMeta综述 肠菌菌群 植物菌群 口腔菌群 蛋白质结构预测

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature

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

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

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”讨论群，己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群，务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份，另有海内外微生物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。

点击阅读原文，跳转最新文章目录阅读