宏基因組分類分析方法的研究和應用.pdf

1、隨著環(huán)境微生物研究的發(fā)展和高通量測序技術的出現(xiàn)，微生物的研究迎來了宏基因組學的技術研究時代。突破傳統(tǒng)微生物學研究方法的瓶頸，宏基因組學直接研究環(huán)境微生物的基因組。近年來大量研究表明，人體的多種疾病與人體類各個器官的微生物群落是息息相關的，而宏基因組樣本分類方法成為研究微生物群落與宿主或環(huán)境關系的重要研究手段:通過提取宏基因組樣本的特征，結合分類算法鑒定樣本類別。目前宏基因組樣本分類方法大多使用微生物的全基因組序列，本文深入研究了基于16

2、S rRNA基因序列微生物群落分析方法，建立了一套基于16S rRNA基因序列的樣本分類流程，并將分析與分類方法應用到小鼠及人類腸道微生物群落的研究中。
　　樣本分類的重要前提是對不同狀態(tài)的樣本提取一種具有顯著差異性的特征。本文深入研究不同樣本的16S rRNA基因序列，通過模擬數(shù)據(jù)分析驗證群落結構作為樣本特征的可行性。分析結果表明，物種豐度包含了樣本中微生物的物種數(shù)目、比例，是最基本的樣本特征;α多樣性提煉了樣本的物種豐度信息，

3、降低了樣本特征維數(shù)，是一種較為重要的樣本特征;β多樣性特征同時結合了群落獨立進化信息(UniFrac)和物種豐度，是較為理想的樣本特征。
　　結合隨機森林算法和三種有效的樣本特征，我們建立了一套基于16S rRNA基因序列的樣本分類流程。通過對不同參數(shù)的模擬數(shù)據(jù)集的分類實驗，我們比較了樣本類別數(shù)、特征的類間方差、類內方差以及系統(tǒng)發(fā)育樹高度對分類流程準確率的影響。最終的分類結果表明，在樣本特征類間差異不明顯，即類內特征方差大、類間特

4、征方差小的情況下本文所建立的分類流程分類準確率比其他分類方法高;在樣本類別數(shù)增加、群落進化關系復雜等情況下，本文所建立的流程較其他分類方法表現(xiàn)更好。實驗結果表明我們設計的宏基因組樣本分類流程具有良好的分類性能，能夠準確鑒別基于16S rRNA序列的宏基因組樣本。
　　將所建立的基于16S rRNA基因序列的宏基因組樣本分類分析流程分別應用于小鼠和人類腸道微生物樣本。實驗結果表明我們發(fā)展的分類流程對與環(huán)境相關的小鼠腸道微生物樣本分類

5、準確率高于88％，能夠準確地對小鼠腸道宏基因組樣本中微生物群落所生存的環(huán)境類別進行區(qū)分。同時分類結果表明:特征向量的類間方差小的兩組樣本錯分而導致的樣本分類錯誤較多;不同環(huán)境下小鼠腸道微生物樣本的群落獨立進化信息(UniFrac)對樣本差異性的體現(xiàn)不如物種進化關系。對于與肥胖相關的人類腸道微生物樣本，我們發(fā)展的流程的分類準確率達到75％以上，基本能夠鑒定人類腸道宏基因組樣本中微生物群落的宿主的體型類別。同時分類結果還表明:過重組和肥胖組

6、兩類樣本組的特征向量的類間方差低而經常導致樣本錯分;肥胖相關人類腸道微生物樣本的群落獨立進化信息作為樣本特征的分類性能要優(yōu)于微生物物種進化信息，我們認為群落獨立進化信息更能體現(xiàn)有著不同身體質量指數(shù)人群的腸道微生物差異。綜合兩組數(shù)據(jù)實驗結論如下:首先，樣本特征的類間方差對分類準確率影響較大，類間方差較小的兩組樣本容易錯分而導致分類準確率降低;其次，我們設計的流程不論基于哪一種樣本特征，分類性能都要比基于支持向量機的分類流程出色;最后，對于