21
2019．03
microPITA協助從16S挑選總體基因體目標樣本
原創文章 引用請註明出處
目前研究的趨勢已從多樣性分析 (16S/18S/ITS) 進入到總體基因體 (Whole Metagenomic Sequencing) 的時代。但相較 16S rRNA 定序，總體基因體定序及分析複雜且昂貴許多，因此如何從大量的多樣性定序樣本中，篩選出具代表性、感興趣且欲深入探討功能的樣本，便顯得相當重要！
但有時對於應該選擇多少數量的樣本做後續的探討，以及選出的樣本是否穩定、是否可充分代表實驗設計與研究故事性，又使我們出現了選擇障礙。microPITA 可幫助我們解決這些問題，選擇過程透過條件、規律、非隨機篩選的方式，以找出足夠穩定且合適的樣本。
microPITA (Microbiomes: Picking Interesting Taxa for Analysis) 是由麻省理工學院 (MIT) Tickle 團隊所開發。能為煩惱不知該如何進行樣品篩選的研究者，提供一個工具能在進行篩選樣品時有文獻依循與研究再現性。當研究目標不同時，研究者重視的微生物群落特徵也就隨之改變。單一的方法可能無法全面適用於研究者需求，因此 microPITA 提供了下列多種方法協助進行樣本挑選。
四種非監督式 (Unsupervised) 樣品篩選方法：
(1) Diverse 為選擇 α 多樣性最高的樣本（生態多樣性高）
(2) Features 為根據目標物種挑選樣本（針對特定物種）
(3) Extreme 為選擇 β 多樣性距離最遠的樣本（極端樣本）
(4) Representative 最能反映整體距離差異的樣本（核心樣本）
(2) Features 為根據目標物種挑選樣本（針對特定物種）
(3) Extreme 為選擇 β 多樣性距離最遠的樣本（極端樣本）
(4) Representative 最能反映整體距離差異的樣本（核心樣本）
兩種監督式 (Supervised) 樣品篩選方法：
(1) Distinct 根據表型/分組特徵，挑選組間β多樣性距離最大的樣本
(2) Discriminant 根據表型/分組特徵，挑選離分組中心最近的樣本
(2) Discriminant 根據表型/分組特徵，挑選離分組中心最近的樣本
然而挑選出樣本後，確認這些經選擇後的樣本是否與原先樣本具有相同特性是不可或缺的。可藉由比較不同方法中，選擇樣本前後特性的柱狀圖進行特性觀察。
而在篩選方法上，可依照研究目的與特性選擇合適的方法，例如：
(a) 當選擇生態多樣性最豐富的樣本進行分析時，選擇出的樣本仍然保持著多樣性（diverse）
(b) 採用 Feature 的方法篩選時，目標的特徵物種的豐度會明顯高於之前的樣本（features）
(c) 當使用監督式方法時，挑選後結果的差異較為明顯，選擇Discriminative即分組中心最近的方法時，會挑選具有組間區分度「同類」的樣本（discriminant）
(d)而選擇 Distinct 即組間 β 多樣性距離最大的方法時，會挑選具有組間區分度「極端」的樣本（distinct）
另外，也可以採用投票的方式，觀察空間上的分佈遠近以及不同方法共同選出的樣品有哪些。如下圖。
另外，也可以採用投票的方式，觀察空間上的分佈遠近以及不同方法共同選出的樣品有哪些。如下圖。
相信有了 microPITA 的幫助，在往微生物功能性研究的路上一定能更加順暢，讓我們一同將微生物研究做廣做深吧！
參考文獻
[1] Tickle, T.L., et al., Two-stage microbial community experimental design. ISME J, 2013. 7(12): p. 2330-9.
[1] Tickle, T.L., et al., Two-stage microbial community experimental design. ISME J, 2013. 7(12): p. 2330-9.
圖爾思生物科技 / 微生物體研究中心
郭育倫 文案
