????????高通量測序時代，微生物組研究中常用擴增子測序及宏基因組測序技術(shù)研究微生物群落的多樣性、結(jié)構(gòu)和功能。大量的數(shù)據(jù)信息處理及可視化成為微生物組研究的迫切需求，而用于分析的R語言包軟件紛繁復雜，功能類似，難以抉擇，給許多研究人員探索微生物組數(shù)據(jù)帶來了重大挑戰(zhàn)。

????????南京農(nóng)業(yè)大學袁軍組&中國農(nóng)業(yè)科學院劉永鑫組共同匯總介紹了基于R語言的324個常用R包的數(shù)據(jù)挖掘過程，根據(jù)微生物組研究的6大功能類別對這些R包進行了功能分類，不僅總結(jié)了微生物組數(shù)據(jù)分析中的常見內(nèi)容，還對常用的集成R包的優(yōu)點及局限性進行了細致介紹，提出了最適合微生物組數(shù)據(jù)挖掘的分析流程。相關(guān)代碼可獲取自：https://github.com/taowenmicro/EasyMicrobiomeR??大家可隨時取用哦！

????????在該綜述中，作者首先介紹了基于擴增子測序的微生物群落數(shù)據(jù)分析工作流程（A圖）。其核心文件是OTU聚類注釋信息，包括OTU表、分類表、樣品元數(shù)據(jù)（Metadata）、系統(tǒng)發(fā)育樹（Tree）和代表序列（Rep.fa）。首先，原始數(shù)據(jù)可以通過使用USEARCH/VSEARCH、QIIME2、DADA2軟件包進行處理。然后，將重要文件保存，用于RStudio軟件下的R語言環(huán)境開展下游分析。許多微生物分析方法都依賴于R語言開發(fā)的R包。

????????然而，下游分析R包的數(shù)量已經(jīng)達到了令人眼花繚亂的水平。下圖詞云圖中的字體大小代表R包的引用次數(shù)（B圖）。

????????文章梳理了常用于數(shù)據(jù)預處理和可視化的常用的R包共計88項（C圖），以及微生物群落分析的六大類分析的R包（D圖 ）（包括多樣性分析、差異性分析、標志物識別、相關(guān)性及網(wǎng)絡分析、功能預測及其他相關(guān)分析等），并針對不同的研究內(nèi)容對應軟件進行了詳盡的優(yōu)勢介紹。

????????此外，專用于微生物數(shù)據(jù)處理的R包也被納入介紹體系，作者將常用的六大種微生物組分析集成R包進行了詳盡介紹，系統(tǒng)梳理了這六個常用分析集成包的功能。包括：

• Phyloseq包

• Microbiome包

• MicrobiomeAnalystR包

• Microeco包(強烈推薦！)

• amplicon包

????????由于過多的R包可能會阻礙微生物組研究人員進行有效地選擇。因此，作者在六種分析中選擇了高效、常用、用戶友好的函數(shù)包，涵蓋了微生物研究中的多項分析內(nèi)容：1) 多樣性分析，2) 差異分析，3) 生物標志物識別，4) 相關(guān)性和網(wǎng)絡分析，5) 功能預測，6) 其他微生物組分析。新的R函數(shù)整合總結(jié)了微生物組中大部分常見的分析內(nèi)容，形成了最適合微生物組分析的路徑，實踐成果實例如下圖：

????????使用適當?shù)臄?shù)據(jù)結(jié)構(gòu)可以加速微生物組數(shù)據(jù)分析。對R語言包的開發(fā)和集成包的構(gòu)建不斷推進了微生物組研究的發(fā)展和數(shù)據(jù)挖掘的深入。這篇綜述系統(tǒng)樹立了R語言包的功能和優(yōu)勢，針對冗余的功能軟件進行了系統(tǒng)性評價，避免重復使用相同部分或類似內(nèi)容，突出了R包的優(yōu)勢，更有利于數(shù)據(jù)挖掘、機器建模分析，為今后開發(fā)更好的微生物組工具提供了重要的理論依據(jù)和實踐參考。