[PICRUSt2] 분석 및 시각화 관련 Q&A 정리

수정 : 2023.04.17(시각화 패키지 정보 추가)

 

PICRUSt 2 Q&A

 

| PICRUSt2관련 정보를 얻는 곳 

- PICRUSt : Doc
- PICRUSt2 Github :  FAQ
- PICRUSt2 Github : Issues 
- Google Group : Downstream processing of q2-picrust2 outputs

 

 

 

| PICRUSt 2 의 input 방법은?

input 파일은 Read Count OTU table를  biom format으로 변환 후 picrust2 에 넣고 돌린다. 

biom convert -i otu_table.txt -o otu_table.biom --table-type="OTU table" --to-json

 

 

 

 

| PICRUSt 2 의 Output 파일 표준화(normalization) 관련

Q. 결과 데이터는 copynumber에 의해 표준화 되는가?

PICRUSt2의 output이며, 이후 분석에 사용되는 pred_metagenome_unstrat.tsv 파일은 PICRUSt2알고리즘으로 추론된 Copy number의해 이미 normalization된 데이터이다. 그러나 copy number가 아닌 각 샘플마다 depth(추론된 count data)는 normalization 되지 않았다.

(출처 : https://groups.google.com/g/picrust-users/c/kmhX2AMff8o)

 

 

 

 

Q.시각화할때는 표준화가 필요한가?

시각화할때는 분석에 따라 다르지만, 보통 Count table 같은 데이터를 normalization(relative abundance)후 시각화 한다.

(출처 : https://groups.google.com/g/picrust-users/c/SWX5KGhs2q4)

 

 

 

 

 Q. Differntial abundance test시에는 표준화가 필요한가?
만약 STAMP나 Lefse를 돌릴거면 relative abundance로 normalization 하고 분석해라. 

(출처 : https://groups.google.com/g/picrust-users/c/otuOAFpu1s8/m/aPk6LbIvAwAJ)

 

그러나 ANCOM and ALDEX2 은 count data를 입력 파일로 사용하기때문에 relative abundances로 바꾸면 안 된다. 
논문 (Microbiome differential abundance methods produce disturbingly different results 2 across 38 datasets)을 보면 normalization에 따른 분석 결과의 차이는 상이하다. 

(출처 : https://groups.google.com/g/picrust-users/c/otuOAFpu1s8/m/aPk6LbIvAwAJ)

 

 

 

 

| PICRUSt2 결과 데이터 시각화 방법

보통 샘플간 gene families의 relative abundances를 시각화한다. 이는 metagenome의 시각화 방법과 유사하다. 시각화 아이디어는 HUMAnN2 tutorial과 BURRITO의 링크 안에 내용을 참고하길 바란다. 
output인 compositional datatype은 기존 마이크로바이옴 데이터 같이 taxonomic abundances plot으로 표현할 수도 있다. 혹은 PCoA로 샘플 간에 비를 하거나, 샘플 내에서 비교하는 boxplots (alpha diversity)를 그림 그릴 수도 있다. 
개인적으로 R의 ggplot 패키지를 선호한다. 마이크로바이옴 데이터를 시각화 하는 STAMP 라는 프로그램을 추천한다. 

(출처 : https://github.com/picrust/picrust2/wiki/Frequently-Asked-Questions#how-should-i-analyze-the-picrust2-output)

 
 
| STAMP 프로그램 다운로드 
- 다운 링크 : https://beikolab.cs.dal.ca/software/STAMP
- 다운 방법 : 다운 링크 아래부분에 있는 STAMP v2.1.3클릭

- 사용법 관련 : https://picrust.github.io/picrust/tutorials/stamp_tutorial.html

 

 

https://beikolab.cs.dal.ca/software/STAMP

 

+) 하지만 실제 STAMP로 실행해 본 결과, 인풋 파일 크기의 제한이 있고 프로그램이 매우 느리다.  데이터의 양이 적거나 일부 차등이 큰 유전자만 비교하고자 할 때 추천한다. 
+) picrust결과를 R에서 phyloseq 객체로 변환 후 시각화 하는 방법을 추천한다. phyloseq 객체는 microbiomemarker R package를 이용해 통계분석(lefse, ancom, aldex2 등)을 수행하기 용이하다.

 

 

| PICRUSt2 결과 데이터 분석 방법

이건 정확한 답을 할 순 없다. 어떤 방법이 가장 좋은 방법인지는 열린문제이다.  이는 특히 실제 메타게놈 분석에서 노이즈가 많은 데이터에도 문제가 된다. 또한 Different differential abundance(lefse, ancom 등) 도구는 매우 다른 결과를 가져온다. 

(출처 : https://github.com/picrust/picrust2/wiki/Frequently-Asked-Questions#how-should-i-analyze-the-picrust2-output)

 

 
 

| PICRUSt2 결과 시각화 예시

1. phyloseq객체로 변환 후 시각화 1 : Picrust2 downstream stuff

2. phyloseq객체로 변환 후 시각화 2 : Omics Hub Microbiome Workshop

3. aldex2를 이용한 통계적 분석 : 16S-rDNA-V3-V4-Demo

4. ggpicrust2 R 패키지 (🤗24.04.08 출시🤗) : 깃허브 튜토리얼

 

ggpicrust2 시각화 예시 이미지

 

 

 

 

| 관련 글

- PICRUSt2 설치
- PICRUSt2 튜토리얼
- PICRUSt 관련 강의 1, 2 정리
- PICRUSt2 vs Tax4Fun2 비교
- biom 형식
- ggpicrust2를 이용한 picrust2결과 시각화
 

 

---