ggpicrust2：PICRUSt2预测功能分析和可视化的R包

Listenlii-生物信息知识分享

发布于 2023-09-06 02:03:25

3.5K0

文章被收录于专栏：Listenlii的生物信息笔记Listenlii的生物信息笔记

最近看到一个发表在Bioinformatics期刊的R包ggpicrust2，可以对picrust2结果进行可视化。文章网址：https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btad470/7234609

数据输入

ggpicrust2建议采用PICRUSt2原始输出pred_metagenome_unstrat.tsv的数据格式，无需重新格式化。csv和txt也是可以接受的。此外，它能够支持已转换为PICRUSt2输出格式的文件，保证了对各种数据源的兼容性和灵活性。

转换为KEGG通路丰度

直系同源分类(KO)是由KEGG数据库开发的分类系统。它采用分层结构，根据酶催化的反应对酶进行分类。为了更好地理解通路在不同分组中的作用并对通路进行分类，可以将KO丰度表转换为KEGG通路丰度。 ko2kegg_abundance()可以进行转换。

多种差异分析方法

差异丰度(DA)分析在PICRUSt2下游分析中起主要作用，pathway_daa()整合了几乎所有适用于预测功能谱的DA方法。包括ALDEx2、DEseq2、Maaslin2、LinDA、edgeR、limma voom、metagenomeSeq、lefser。 pathway_daa()提供了一种便捷的方式来运行这些方法并比较结果。 compare_daa_results()可以用来比较使用不同方法得到的具有统计学意义的特征的一致性。有助于研究人员选择最适合他们的数据集和研究问题的方法。

文章附表S1提供了各种DA方法的简要比较和描述，我进行了简单翻译：

KO、EC和通路注释

pathway_annotation()可以从注释表中对KO、EC、MetaCyc通路描述进行注释。该函数可用于注释PICRUSt2的输出文件或pathway_daa()的输出表。

可视化

PICRUSt2主流的可视化方式有bar_plot、error_bar_plot、pca_plot、heatmap_plot。 pathway_errorbar可以显示组间的相对丰度差异以及由DA结果得到的log2倍变化和p值，pathway_pca()可以通过主成分分析显示降维后的差异。 pathway_heatmap()可以将PICRUSt2输出数据中的模式可视化。