? ?

近幾年，單純的測序和數(shù)據(jù)分析發(fā)表高分文章的難度越來越高了。

? ? 腸道菌群絕對是少有的幾個重要方向之一。

? ? 我們在pubmed檢索發(fā)現(xiàn)，近3個月中，涉及菌群16s測序的文章已經(jīng)達到了近700篇，相當于每天6-7篇的頻率，這個數(shù)量是很驚人的。

? ? 其中，要想達到高分數(shù)，增加樣本數(shù)量是一種途徑。

? ? 比如，下面這篇33分的文章，就檢測了共計3127例患者（測試集2472例和驗證集655例)。

? ? 對我們多數(shù)研究者來說，收集到幾十例患者已經(jīng)花費九牛二虎之力，且不說還有后面巨量的測序費用支撐。所以，有時候卻只能望洋興嘆，敗興而歸。

? ? 該如何解決了？其實粉絲們可能已經(jīng)知道思路了--數(shù)據(jù)挖掘。對的，小云之前未分享這類思路，因為在過去的想法里，影響菌群的因素較多，所以不同項目的患者放到一起分析，是否會引入更多誤差，分析結(jié)果是否有保證等考慮，都是影響這一思路的重要因素。

? ? 今天，這個顧忌可以打消了。我給大家分享一篇8+的文章，作者集合6個不同研究項目，匯總了825例胃活檢樣本，來進行整合分析，證明了這個思路的可行性。（如果沒有分析思路或者文獻復(fù)現(xiàn)有困難，可以找小云，超多創(chuàng)新性高的分析思路和分析服務(wù)供你選擇！）

? ? 而且，我已經(jīng)替大家打探好了，雖然近3個月中的菌群16s測序的文章已經(jīng)達到了近700篇，但是尚未有任何菌群16s挖掘的文章發(fā)表，這個方向仍是一片藍海，大家可以迅速來復(fù)現(xiàn)（搜索顯示出的5篇，經(jīng)確認均不是數(shù)據(jù)挖掘文章）。

l?題目：粘膜微生物群的分析揭示了胃癌發(fā)生過程中的微生物特征

l?雜志：Oncogene

l?影響因子：IF=8.756

l?發(fā)表時間：2022年7月

數(shù)據(jù)信息

數(shù)據(jù)集/隊列? ? ? ? ? ? ???數(shù)據(jù)庫? ? ? ? ? ? ? ??數(shù)據(jù)類型? ? ? ? ? ? ? ? ? ??樣本信息?

Sung_2019? ? ? ? ?作者贈送? ? ? ? ? ? ? 測序數(shù)據(jù)? ? ? ? ? ? ? 311例胃粘膜樣本

Coker_2018? ? ?作者贈送? ? ? ? ? ?測序數(shù)據(jù)? ? ? ? ? ? ? ? ? ?404例胃粘膜樣本

PRJNA413125? ? ? ? ? ??GEO? ? ? ? ? ? ? ? 測序數(shù)據(jù)? ? ? ? ? ? ? ?135例胃粘膜樣本

PRJNA310127? ? ? ??GEO? ? ? ? ? ? ? ?測序數(shù)據(jù)? ? ? ? ? ? ? ? ? 134例胃粘膜樣本

PRJNA239281? ? ? ? ? ? ??GEO? ? ? ? ? ? ? ? ? ?測序數(shù)據(jù)? ? ? ? ? ? ? ? 31例胃粘膜樣本

PRJEB21497? ? ? ? ? ? ?GEO? ? ? ? ? ? ? 測序數(shù)據(jù)? ? ? ? ? ? ? ? ? ? ?12例胃粘膜樣本

研究思路

? ? 基于GEO公共數(shù)據(jù)集和作者贈送，共獲取了6個數(shù)據(jù)集825例胃活檢樣本的16s測序數(shù)據(jù)。作者對患者進行了分組，分為SG淺表性胃炎組、AG萎縮性胃炎組、IM腸化生組和GC胃癌組，共計4個組。比較了4組患者之間的菌群變化，篩選出多種菌群在各組間存在顯著差異，并構(gòu)建了診斷模型。特別是淺表性胃炎組和胃癌組之間，幽門螺桿菌存在顯著變化。

分析結(jié)果

1. 胃癌不同階段的患者，其腸道菌群組成存在顯著差異

作者將825例患者進行了分組，分為SG淺表性胃炎組、AG萎縮性胃炎組、IM腸化生組和GC胃癌組4個組。16s分析發(fā)現(xiàn)，腸道菌群在以上四組中存在差異，門水平展示（圖1A）以及屬水平展示（圖1B）。α多樣性比較發(fā)現(xiàn)，以上4組患者的菌群香農(nóng)指數(shù)依次降低，且均存在顯著差異（圖1C）。β多樣性分析發(fā)現(xiàn)，胃癌組的菌群與其他3組存在顯著差異（圖1D）。

圖1胃癌不同階段的患者腸道菌群的組成差異

2. GC（胃癌）組和SG（淺表性胃炎）組之間的菌群差異分析和診斷模型構(gòu)建

作者重點比較了GC（胃癌）組和SG（淺表性胃炎）組的菌群，共發(fā)現(xiàn)52個門的菌存在變化。其中，35個門菌在GC組升高，而17個門菌在SG組更多（圖2A）。進一步從52個門菌中篩選出來8個門菌進行診斷模型構(gòu)建。在訓(xùn)練集和驗證集中的AUC面積分別達到了0.9109（圖2B）和0.8533（圖2C），表明模型的質(zhì)量較高。

圖2胃癌診斷模型的構(gòu)建

3. 參與胃癌調(diào)節(jié)菌群的相互作用關(guān)系分析

為探討疾病相關(guān)細菌在胃癌進展過程中的相互作用，作者使用SparCC算法估計了它們的相關(guān)性。與胃癌正相關(guān)細菌隨著疾病進展而逐漸增強，特別是梭桿菌與Prevotella、鏈球菌和鏈球菌（圖3）。隨著胃癌的發(fā)展，抑制胃癌的細菌逐漸減少，包括雙歧桿菌、芽孢桿菌和瘤胃球菌（圖3）。

圖3胃癌發(fā)展過程中菌群相關(guān)性分析

4. 幽門螺桿菌對腸道菌群的影響

比較幽門螺桿菌陽性患者和陰性患者的胃黏膜菌群，作者發(fā)現(xiàn)幽門螺桿菌陰性患者的菌群α多樣性明顯升高（圖4A）；β多樣性分析也發(fā)現(xiàn)，幽門螺桿菌陽性患者和陰性患者的胃黏膜菌群存在顯著的差異性（圖4B）；與幽門螺桿菌陽性組相比，幽門螺桿菌陰性組中觀察到更多的細菌之間的強排斥和共發(fā)生等相互作用（|r|>0.5，調(diào)整后的p值<0.05）（圖4D）。

文章小結(jié)

作者利用公共數(shù)據(jù)，當然也可能動用了些資源，最終獲得了近千例患者的測序數(shù)據(jù)，這樣就具有了根據(jù)臨床表型分類的前提，否則，如果一共也只有幾十例患者，再細分表型，那么數(shù)據(jù)可行度就顯著降低了。

通過這篇文章，我們可以看到腸道菌群在進行數(shù)據(jù)挖掘方面也是可行的，包括疾病不同分型之間的菌群比較、腫瘤疾病的預(yù)后模型構(gòu)建，以及疾病的診斷模型等均可以實現(xiàn)。

小云悄悄話

因為腸道菌群的變化敏感性和特殊性，所以將不同研究項目里的多個數(shù)據(jù)集進行整合，會有一些顧忌。

那么如何提高整合分析的成功率了？計劃合并的各個研究項目，采取了較為一致的納入排除標準，并且有完整的患者臨床信息，這樣為分析和后面的患者分型提供了可能性。

綜合來講，腸道菌群數(shù)據(jù)挖掘是個好思路，并且隨著腸道菌群測序數(shù)據(jù)越來越多，測序類型越來越豐富，數(shù)據(jù)挖掘自然限制越來越少，這是個良性循環(huán)，所以腸道菌群數(shù)據(jù)挖掘是一片藍海，廣闊天地大有作為??！有想法的朋友盡快上車，一個方向一旦火爆起來，發(fā)文競爭力可就大多了，時不我待呀！

如果你還苦惱于生信沒有思路，或者嫌分析方法太過簡單、太過老套，想要創(chuàng)新思路的，或者對新的熱點方向感興趣的小伙伴快來聯(lián)系小云吧。

小云可以提供如下服務(wù)：免費評估服務(wù)、付費設(shè)計服務(wù)、定制化生信分析等。超多個性化、創(chuàng)新性高的分析思路供你選擇！