生信分析工具

搜索
登录

生信分析工具

文章数：7篇

差异丰度分析

在微生物组测序数据中，如何选择差异丰度分析方法？

如今，差异丰度分析（DAA-C）是微生物组数据分析中一项中心统计任务，DAA-C工具可有效筛选微生物候选物进而有利于进一步验证相关发现，但目前的相关工具的结果仍存在较大的差异，阻碍了相关生物学结果的解释。近日，美国梅奥医学中心的研究人员在Briefings in Bioinformatics发表最新研究，基于真实数据对11种DAA-C相关工具的性能进行了基准测试，发现线性模型方法（如LinDA、MaAsLin2和LDM）比基于广义线性模型的方法性能相对更稳健。此外，发现没有一种评估方法在各种设置中是最佳的，性能最佳的方法主要取决于生物学真相和数据特征，其中LinDA方法在假阳性控制和功率间能有较好的权衡，值得相关人员进一步测试。

差异丰度分析微生物组数据研究论文基础研究生信分析工具

使用HiFi测序有助于识别MAG中的罕见突变

HiFi reads是基于Sequel II平台推出的CCS测序模式产生的兼具长读长和高准确度的测序序列，有利于生成更完整的MAG，也促进了识别潜在的突变位置。近日，美国加州大学圣地亚哥分校在Genome Research发表最新研究，开发了strainFlye流程，通过相关数据集测试证明可以较好地鉴定和分析HiFi reads组装的MAG中的罕见突变，值得相关人员测试。

HiFi测序罕见突变研究论文基础研究生信分析工具

用于微生物组序列组装、分析和存档的MGnify平台更新

MGnify平台（https://www.ebi.ac.uk/metagenomics）可用于微生物组序列组装、分析和存档。近日，欧洲分子生物学实验室在Nucleic Acids Research上发表最新研究，进一步扩展更新了MGnify平台。3年来，MGnify不仅在包含的数据集数量方面有所增长，而且还增加了分析的广度（如对长读长序列的分析），并且在蛋白数据库、API以及web网页端都做了较大的更新，并且用户还直接远程控制服务器分析微生物组数据，便于微生物组分析惠及大众，值得关注。

MGnify平台微生物组数据分析研究论文基础研究生信分析工具

不依赖参考基因组的宏基因组物种水平分析工具mOTUs3

近年来，随着测序技术和生信工具的发展，极大促进了研究人员对微生物进行分类，检测和量化生物样品中微生物的相对丰度，但仍有一部分微生物群落没有得到很好分类，尤其是未被充分探索的环境样本中。近日，瑞士研究人员在Microbiome发表最新研究，开发了mOTUs3（https://github.com/motu-tool/mOTUs）以实现对宏基因组的精确物种水平分析。相比其他方法，它提供了一个更全面的原核生物群落多样性视图，特别是针对目前尚未开发的微生物群落，值得试用。

mOTUs3 生信分析工具研究论文基础研究宏基因组学

陈卫华+赵兴明等：用于识别和校正宏基因组数据装配错误工具—metaMIC

构建可靠的宏基因组组装基因组（MAGs）对于理解微生物群落、分类注释和代谢过程重建具有重要意义，因此降低数据组装contigs错误率对于后续分析至关重要。近日，复旦大学类脑智能科学与技术研究院路易斯·佩德罗·科埃略（Luis Pedro Coelho）、赵兴明、华中科技大学陈卫华及团队在Genome Biology发表最新研究，开发了一种基于机器学习，用于全自动识别和纠正宏基因组数据中装配错误的工具metaMIC（https://github.com/ZhaoXM-Lab/metaMIC），通过模拟和真实数据集验证，发现metaMIC的性能良好可为下游分箱提供可靠基础，值得测试。

metaMIC 宏基因组研究论文基础研究生信分析工具

Nature子刊：用于低生物量宏基因组样本去污染工具—Squeegee

宏基因组样本中的污染物序列可能会影响微生物组研究中报告结果的解释，特别是在生物量较低的样本中。近日，美国莱斯大学在Nature Communications发表最新研究，开发了一种新的检测低生物量宏基因组样本污染序列工具Squeegee（https://gitlab.com/treangenlab/squeegee），在测试数据集和真实数据集中，Squeegee去污染序列性能较好（如来自DNA提取试剂盒、样品处理及测序过程使用的试剂的污染）。此外，Squeegee还可扩展用于16S rRNA测序数据，但需要注意Squeege无法使用比对基因组覆盖的广度和深度来确定分类错误，因此，选择一个准确的分类器对于在16S rRNA测序数据上运行该工具至关重要。总之，该研究表明Squeegee可以高精度地识别微生物污染序列，值得测试。

Squeegee 去污染工具研究论文基础研究生信分析工具

用于扩增子测序数据分析的超快、高精度工具LotuS2

扩增子测序是分析微生物群落的最常用技术之一，许多处理这些数据的可用工具需要较高的生物信息学技能和计算能力。近日，英国Quadram生物科学研究所在Microbiome发表最新研究，开发了LotuS2（https://github.com/hildebra/lotus2）扩增子测序分析工具，其程序设计轻巧、易于使用、速度快、且不影响重建微生物群落的质量（支持16S、18S和ITS扩增），支持DADA2、uparse、unoise3、cd-hit和vsearch等不同的序列聚类算法。在真实和模拟数据中，LotuS2性能优越，处理速度更快。此外，其输出数据还可直接导入R或作为文本文件导入其他程序。总之，该工具的开发促进了科研人员便捷的挖掘相关数据，值得关注和测试。

LotuS2 生信分析工具研究论文基础研究扩增子测序