[MicrobeDS] 마이크로바이옴 공부를 위한 오픈소스 데이터

 

 

마이크로바이옴 연구에서 대표적인 프로젝트를 꼽자면 Human Microbiome Project(https://hmpdacc.org/)를 말할 수 있습니다. 또한 데이터를 온라인에서 쉽게 다운로드할 수 있습니다

https://portal.hmpdacc.org/

Human Microbiome Project (HMP) Data Portal

 

 

그러나 데이터가 방대하기 때문에, 직접 분석을 하기에는 컴퓨터 자원이 많이 낭비될 우려가 있습니다. 이를 위해 기존에 제작된 데이터를 찾아봅시다. 

 

 

🟦 MicrobeDS

 

GitHub - twbattaglia/MicrobeDS: A repository for large-scale microbiome datasets, formatted for phyloseq

MicrobeDS 패키지는 기존 오픈소스 데이터베이스를 Phyloseq으로 변환한 데이터의 저장소입니다.

- 장점: 대량의 오픈소스 데이터를 phyloseq으로 손쉽게 사용 가능 

- 단점: OTU기반이며, 서열 데이터를 얻을 수 없음, taxonomy classification의 품질이 좋지 않음

 

 

여기에서 제공하는 데이터는 아래와 같습니다. 

 

Amplicon data

| QIIME 1.9.1, SortMeRNA, Closed-reference OTU-picking at 97% identity

 

1. Human Microbiome Project (V3-V5, N= 6,000)

- Multiple body sites across hundreds of human subjects

2. Human Microbiome Project (V1-V3, N= 3,285)

- Multiple body sites across hundreds of human subjects

3. MovingPictures (N= 1,967)

- Time series of the human microbiome

4. RISK_CCFA (N= 1,359)

- The treatment-naive microbiome in new-onset Crohn's disease

5. TwinsUK (N=1,024)

- Genetic Determinants of the Gut Microbiome in UK Twins

6. qa10394 (N=1,522)

-  Effects of preservation and storage conditions on the fecal microbiome

 

Metagenome data

| Kraken2

1. Hartwig (N=3,574)

-  Hartwig Medical Foundation (HMF)

2. TCGA (N= 17,625)

- The Cancer Genome Atlas (TCGA)

 

 

🟦 데이터 사용해 보기

# install.packages("remotes")
# remotes::install_github("twbattaglia/MicrobeDS")
library(MicrobeDS)

# QIIME 1.9.1, SortMeRNA, Closed-reference OTU-picking at 97% identity
data('HMPv35') 
data('HMPv13') 
data('MovingPictures')

HMPv35
# phyloseq-class experiment-level object
# otu_table()   OTU Table:         [ 10730 taxa and 6000 samples ]
# sample_data() Sample Data:       [ 6000 samples by 33 sample variables ]
# tax_table()   Taxonomy Table:    [ 10730 taxa by 7 taxonomic ranks ]
# phy_tree()    Phylogenetic Tree: [ 10730 tips and 10729 internal nodes ]


HMPv13
# phyloseq-class experiment-level object
# otu_table()   OTU Table:         [ 5830 taxa and 3285 samples ]
# sample_data() Sample Data:       [ 3285 samples by 31 sample variables ]
# tax_table()   Taxonomy Table:    [ 5830 taxa by 7 taxonomic ranks ]
# phy_tree()    Phylogenetic Tree: [ 5830 tips and 5829 internal nodes ]


MovingPictures
# phyloseq-class experiment-level object
# otu_table()   OTU Table:         [ 22765 taxa and 1967 samples ]
# sample_data() Sample Data:       [ 1967 samples by 59 sample variables ]
# tax_table()   Taxonomy Table:    [ 22765 taxa by 7 taxonomic ranks ]
# phy_tree()    Phylogenetic Tree: [ 22765 tips and 22764 internal nodes ]

 

 

phyloseq이니 손쉽게 시각화가 가능하다.

MP <- MovingPictures
sample_data(MP)$common_sample_site %>% unique
# feces L_palm R_palm Tongue 
#   467    499    493    508 

# 분석 시간을 줄이기 위해 데이터 축소
MP. <- prune_taxa(taxa_sums(MP)>0.1, MP) # 938 taxa and 1967 samples 

# Alpha 
plot_richness(MP., x = "common_sample_site" , measures = "Shannon", color = "common_sample_site")+
  geom_boxplot()+
  theme_bw()

# Beta 
MP.gut <- subset_samples(MP., common_sample_site %in% "feces") #  938 taxa and 467 samples
MP.gut.ord <- ordinate(MP.gut, "PCoA", "bray")
p1 = plot_ordination(MP.gut, MP.gut.ord, 
                     type="samples", color="days_since_experiment_start", 
                     shape = "sex")+
  theme_bw()

print(p1)