27
2021．08
Tax4Fun2 功能預測分析
原創文章 引用請註明出處
在微生物體功能預測研究上，少不了與時俱進的分析工具帶來的助益。除了先前介紹的PICRUSt2 功能預測分析，另外以R語言開發的基因功能預測套件 Tax4Fun 菌群功能預測 於 2018也釋出全新升級的 Tax4Fun2[1]。相較於原Tax4Fun增加不少優點，主要為
(一) 不再限制使用SILVA物種資料庫作為比對資料庫來源。除了官方提供NR與SILVA資料庫，使用者也能依循官方操作建置客製化資料庫並基於資料庫標記的Feature物種豐度進行功能預測。
(二) 作為一個評估微生物群落中功能重複性程度（multifunctional redundancy）的方法。Tax4Fun2新增可基於16S rRNA基因序列快速預測原核生物的功能圖譜和功能重複性程度。因在微生物生態學中，評估微生物群落中功能的重複性程度，及其在何種狀態下包含此功能重複性程度被視為一大挑戰。
(三) 功能預測分析效能與準確性的提升。於發表文獻中，研究團隊與其他功能預測工具一同進行比較，如下圖（同文獻中 Fig. 3）。圖中Ref99NR 與 Ref100NR代表Tax4Fun2結果，為採用官方提供NR資料庫進行分析。Tax4Fun2不但具有較佳的預測結果，還能透過結合使用者自定義數據集來進一步提高準確性。
看完了Tax4Fun2優點，以下也簡介Tax4Fun2的分析流程，圖例如下（同文獻中 Fig. 1）所示。首先，將16S rRNA基因序列與參考序列進行比對，以此識別『參考序列最近鄰居』並建構一個已知物種連結基因資訊的進化關係樹。接著，依據識別結果彙整每一樣本的豐度並透過基因體註釋獲得的16S rRNA數量來標準化。最終，將標準化的分類單元豐度與預先計算的KEGG生物功能整合儲存於關聯矩陣（AM），預測出每一樣本微生物群落的基因功能。
當運行完分析，Tax4fun2 功能預測分析輸出結果包含：KEGG ORTHOLOGY 代謝路徑圖的注釋資訊；KEGG PATHWAY 資料庫六大類生物代謝路徑圖的資訊。以及，Tax4fun2 對預測的 KEGG 功能其系統發育分布進行計算，計算結果以 FRI（Functional Redundancy Indices）呈現。FRI 越高表示該功能於大多物種中普遍存在，功能重複性程度越高；低 FRI 則表示該功能僅存在於一些特定物種中或僅在單一物種被檢測到；當FRI為 0 表示該功能不存在。Tax4Fun2 會輸出相對 FRI（rFRI）使用當次分析樣本微生物群落的平均系統發育距離進行標準化；絕對 FRI（aFRI） 使用 Tax4fun2 參考數據中所有原核生物的平均系統發生距離進行標準化。此外。Tax4Fun2 仍提供 FTU（Fraction Taxonomic units Unexplained）數值[2]，FTU 是測量序列與分類單元關聯性矩陣中未能成功與 KEGG 資料庫注釋資訊產生對應關係的序列比例。
不論是 Tax4Fun2 於功能預測的準確性或具備預測生物功能重複性程度的優勢。在了解 Tax4Fun2 後，相信研究者已躍躍欲試。但還是在此溫馨提醒，當研究者在使用基於預測的分析工具與採用其分析結果時都得謹慎處理。
(一) 不再限制使用SILVA物種資料庫作為比對資料庫來源。除了官方提供NR與SILVA資料庫，使用者也能依循官方操作建置客製化資料庫並基於資料庫標記的Feature物種豐度進行功能預測。
(二) 作為一個評估微生物群落中功能重複性程度（multifunctional redundancy）的方法。Tax4Fun2新增可基於16S rRNA基因序列快速預測原核生物的功能圖譜和功能重複性程度。因在微生物生態學中，評估微生物群落中功能的重複性程度，及其在何種狀態下包含此功能重複性程度被視為一大挑戰。
(三) 功能預測分析效能與準確性的提升。於發表文獻中，研究團隊與其他功能預測工具一同進行比較，如下圖（同文獻中 Fig. 3）。圖中Ref99NR 與 Ref100NR代表Tax4Fun2結果，為採用官方提供NR資料庫進行分析。Tax4Fun2不但具有較佳的預測結果，還能透過結合使用者自定義數據集來進一步提高準確性。
不論是 Tax4Fun2 於功能預測的準確性或具備預測生物功能重複性程度的優勢。在了解 Tax4Fun2 後，相信研究者已躍躍欲試。但還是在此溫馨提醒，當研究者在使用基於預測的分析工具與採用其分析結果時都得謹慎處理。
參考文獻
[1] Wemheuer, Franziska, et al. Tax4Fun2: A R-Based Tool for the RAPID Prediction OF Habitat-Specific Functional Profiles and Functional Redundancy Based on 16S rRNA Gene Marker Gene Sequences. BioRxiv, Cold Spring Harbor Laboratory, 1 Jan. 2018, www.biorxiv.org/content/10.1101/490037v1.
[2]P. Aßhauer, B.W., R. Daniel, P. Meinicke, Tax4Fun: predicting functional profiles from metagenomic 16S rRNA data. Bioinformatics, 2015. 31(17): p. 2882-2884.
圖爾思生物科技 / 微生物體研究中心
張美虹 文案
© BIOTOOLS. All Rights Reserved
