Name: マイクロバイオームデータにおける線形判別分析効果サイズ(LEfSe)によるバイオマーカーの補助選択 (動画) | JoVE Journal
Uploaded: 2022-05-16T14:00:00.000+00:00
Duration: 4 min 57 s
Description: 学ぶLEfSeを用いたマイクロバイオームデータのバイオマーカー発見法。統計的に有意なゲノム特徴を特定し、生物学的グループ間の差異を解析する手法を解説。個別化医療への応用可能性も示唆される。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究は、中央公共福祉研究所基礎研究費(TKS170205)と科学技術振興財団、天津水交通工学研究所(TIWTE)M.O.T.(KJFZJJ170201)の助成を受けて実施されました。

注:プロトコルは、Segata et al.3の研究から供給され、修正されました。このメソッドは、https://bitbucket.org/biobakery/biobakery/wiki/lefse で提供されます。
1. 解析用入力ファイルの準備
<ol><li>LEfSeの入力ファイル(表1)を準備します。これは、元のファイル(サンプルファイルと対応する種アノテーションファイル)を使用して、多くのワークフロー8 または以前のプロトコル9 で簡単に生成できます。</li>
</ol>2. LEfSe ネイティブ分析 (Linux サーバーに限定されます)
<ol><li>LEfSe のインストール 注: LEfSe パイプラインは、Conda10 と共にインストールすることをお勧めします。<ol>
<li>次のコマンドを実行して、依存関係の競合の可能性を排除します。LEfSe 用の conda 環境を作成します (この手順は推奨されますが、必須ではありません)。-n は環境名を表します。 $ conda create -n LEfSe-env
</li>
		<li>作成された LEfSe 環境をアクティブ化するには、次のコマンドを実行します。 $ ソースは LEfSe-env をアクティブにします。
</li>
		<li>LEfSe をチャネル bioBakery (-c はチャネル名の略) でインストールするには、次のコマンドを実行します。 $ conda install -c biobakery lefse
</li>
	</ol>
</li>
	<li>LEfSe のデータの書式設定<ol>
<li>次のコマンドを実行して、元のファイルを LEfSe の内部形式にフォーマットします。表.txt は入力ファイルで、Table-reformat.in は出力ファイルです。-c は、クラス (デフォルト 1) として使用されるフィーチャーの設定に使用され、-o は正規化値の設定に使用されます (デフォルト -1.0 は正規化なしを意味します)。 $ format_input.py 表.txt Table-reformat.in -c 1 -o 1000000
</li>
	</ol>
</li>
	<li>線形判別分析(LDA)効果サイズの計算<ol>
<li>次のコマンドを実行します。この手順の目的は、前の結果の LDA を実行し、ビジュアライゼーションの結果ファイルを生成することです。Table-reformat.in は前のステップを使用して生成され、このステップでは入力ファイルとして使用されます。Table-reformat.res は結果ファイルです。 $ run_lefse.py Table-reformat.in Table-reformat.res
</li>
	</ol>
</li>
	<li>プロットによる可視化<ol>
<li>LEfSe の結果をプロットします。バイオマーカーの効果サイズをPDFファイルにプロットするには、.Table-reformat.res は前のステップを使用して生成され、LDA.pdf はプロット ファイルです。–format は、出力ファイル形式を設定するために使用されます。 $ plot_res.py Table-reformat.res LDA.pdf --format pdf
</li>
		<li>クラドグラムをプロットします。種の木を描き、バイオマーカーをクラドグラムに表示する。クラドグラム.pdfは出力ファイルです。 $ plot_cladogram.py Table-reformat.res cladogram.pdf --format pdf
</li>
		<li>
1 つのフィーチャをプロットする (オプション) 異なるグループ間での単一のバイオマーカーの違いをプロットする。-f はプロットの特徴を設定するために使用されます。1 つを設定した場合は、–feature_nameを指定する必要があります。 $ plot_features.py -f one --feature_name "k__Bacteria.p__Firmicutes.c__Bacilli.o__Bacillales" --format pdf Table-reformat.in Table-reformat.res Bacillales.pdf
</li>
		<li>差分特徴 (オプション) をプロットしてすべての特徴を描画しますが、注意して行うべきことが多すぎます。--archive は、結果を圧縮するかどうかを選択するために使用されます。./ は結果のパスを意味します。 $ plot_features.py -f diff --archive none --format pdf Table-reformat.in Table-reformat.res ./
</li>
	</ol>
</li>
</ol>3. LEfSeオンライン分析(銀河)
<ol><li>ハッテンハワー銀河サーバー1 1:http://huttenhower.sph.harvard.edu/galaxy に移動します。</li>
	<li>ファイルをアップロードします。左側のペイン の上 矢印ボタンを押して、ファイルをアップロードします。[ ローカルファイルの選択 ]をクリックして入力ファイルを選択し、 形式を表形式で選択し、[ スタート ]ボタンをクリックします。 注:ウェブページ(https://bitbucket.org/biobakery/biobakery/wiki/lefse を参照し、スクリプト(taxonomy_summaryを使用してください。R)LEfSeの入力ファイルを生成するには、 表1に示すようにフォーマット(各列にグループ名、各行に異なるレベルの注釈を「|」で区切る)が必要です。アップロード・プロセスの概略的な概要を 図 1 に示します。</li>
	<li>LEfSe 用にデータをフォーマットします。 LEfSe|をクリックします。左側のペインの[LEfSe用にデータをフォーマット ]リンクをクリックし、ファイル内のクラスの特定の行を選択し、[ 実行] ボタンをクリックします。操作プロセスと使用されるパラメータの概略概要を 図2に示します。</li>
	<li>LDA 効果のサイズを計算します。 LEfSe|をクリックします。左側のペインの LDA 効果サイズ(LEfSe) リンクをクリックし、解析要件に従ってパラメータ値を選択します。 「実行」をクリックします。操作プロセスと使用されるパラメータの概略概要を 図3に示します。</li>
	<li>LEfSe の結果をプロットします。 LEfSe |をクリックします。左側のペインにLEfSe結果 リンクをプロットし、[ 実行] ボタンをクリックします。操作プロセスと使用されるパラメータの概略概要を 図4に示します。</li>
	<li>クラドグラムをプロットします。左側のペインで[ クラドグラムのプロット ]をクリックし、パラメータ値を選択した後に [実行] ボタンをクリックします。操作プロセスと使用されるパラメータの概略概要を 図5に示します。</li>
	<li>左側のペインで [1 つの特徴をプロット] をクリックし、パラメーター値を選択した後に [実行] ボタンをクリックして、1 つの特徴をプロットします。操作プロセスと使用されるパラメータの概略概要を図6に示します。</li>
	<li>左ペインの[差分フィーチャのプロット]をクリックし、パラメータ値を選択した後に[実行]ボタンをクリックして、差分フィーチャをプロットします。操作プロセスと使用されるパラメータの概略概要を図7に示します。 注: これらの生成された数値は、右側のペインで結果の出力に対して視覚化およびダウンロードできます。</li>
</ol>

<ol><li>Bolyen, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducible%2C+interactive%2C+scalable+and+extensible+microbiome+data+science+using+QIIME+2%5BTitle%5D)+AND+%22Nature+Biotechnology%22%5BJournal%5D)">Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2.</a> Nature Biotechnology. 37 (8), 852-857 (2019).</li>
<li>Knight, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Best+practices+for+analysing+microbiomes%5BTitle%5D)+AND+%22Nature+Reviews.+Microbiology%22%5BJournal%5D)">Best practices for analysing microbiomes.</a> Nature Reviews. Microbiology. 16 (7), 410-422 (2018).</li>
<li>Segata, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Metagenomic+biomarker+discovery+and+explanation%5BTitle%5D)+AND+%22Genome+Biology%22%5BJournal%5D)">Metagenomic biomarker discovery and explanation.</a> Genome Biology. 12 (6), 60(2011).</li>
<li>McIver, M., Sayoldin, B., Shafquat, A. Biobakery / lefse [tool]. , Available from: 
 <a target="_blank" href="https://bitbucket.org/biobakery/biobakery/wiki/lefse">https://bitbucket.org/biobakery/biobakery/wiki/lefse</a> (2019).</li>
<li>Kruskal, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+nonparametric+test+for+the+several+sample+problem%5BTitle%5D)+AND+%22The+Annals+of+Mathematical+Statistics%22%5BJournal%5D)">A nonparametric test for the several sample problem.</a> The Annals of Mathematical Statistics. 23 (4), 525-540 (1952).</li>
<li>Wilcoxon, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual+comparisons+by+ranking+methods%5BTitle%5D)+AND+%22Biometrics+Bulletin%22%5BJournal%5D)">Individual comparisons by ranking methods.</a> Biometrics Bulletin. 1 (6), 80-83 (1945).</li>
<li>Fisher, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+use+of+multiple+measurements+in+taxonomic+problems%5BTitle%5D)+AND+%22Annals+of+Eugenics%22%5BJournal%5D)">The use of multiple measurements in taxonomic problems.</a> Annals of Eugenics. 7 (1), 179-188 (1936).</li>
<li>Liu, Y. X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+practical+guide+to+amplicon+and+metagenomic+analysis+of+microbiome+data%5BTitle%5D)+AND+%22Protein+and+Cell%22%5BJournal%5D)">A practical guide to amplicon and metagenomic analysis of microbiome data.</a> Protein and Cell. 41 (7), 1-16 (2020).</li>
<li>Shahi, S. K., Zarei, K., Guseva, N. V., Mangalam, A. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microbiota+analysis+using+two-step+PCR+and+next-generation+16S+rRNA+gene+sequencing%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%3A+JoVE%22%5BJournal%5D)">Microbiota analysis using two-step PCR and next-generation 16S rRNA gene sequencing.</a> Journal of Visualized Experiments: JoVE. (152), e59980(2019).</li>
<li>Grüning, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bioconda%3A+sustainable+and+comprehensive+software+distribution+for+the+life+sciences%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Bioconda: sustainable and comprehensive software distribution for the life sciences.</a> Nature Methods. 15 (7), 475-476 (2018).</li>
<li>Blankenberg, D., Chilton, J., Coraor, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Galaxy+external+display+applications%3A+closing+a+dataflow+interoperability+loop%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Galaxy external display applications: closing a dataflow interoperability loop.</a> Nature Methods. 17 (2), 123-124 (2020).</li>
<li>Langille, M. G. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predictive+functional+profiling+of+microbial+communities+using+16S+rRNA+marker+gene+sequences%5BTitle%5D)+AND+%22Nature+Biotechnology%22%5BJournal%5D)">Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences.</a> Nature Biotechnology. 31 (9), 814-821 (2013).</li>
<li>Shilei, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reservoir+water+stratification+and+mixing+affects+microbial+community+structure+and+functional+community+composition+in+a+stratified+drinking+reservoir%5BTitle%5D)+AND+%22Journal+of+Environmental+Management%22%5BJournal%5D)">Reservoir water stratification and mixing affects microbial community structure and functional community composition in a stratified drinking reservoir.</a> Journal of Environmental Management. 267, 110456(2020).</li>
</ol>

著者らは開示するものは何もありません。

ここでは、異なるグループ内のバイオマーカーの同定および特性評価のためのプロトコルが記載されている。このプロトコルは、微生物のOTUなどの他のサンプルタイプに容易に適合させることができます。LEfSeによる統計的方法は、各群に特徴的な微生物(デフォルトはLDA>2)、すなわち、他の群と比較してこの群においてより豊富に存在する微生物を見出すことができる12。LEfSe はネイティブ Linux バージョンと Web Linux バージョンの両方で利用でき、ユーザーは Web ページで LEfSe 分析を実行することもできます。LEfSe は LDA アルゴリズムに基づいており、種ツリーを描画するには種レベルが必要です。ツールの適用により、グループ間の相対的な存在量を比較することができます。すべての鑑別バイオマーカーを1つのグラフにプロットすることができた。また、単一のバイオマーカーまたはすべてのバイオマーカーをバッチでプロットすることができる。
LEfSe がネイティブ サーバーまたはオンライン サイトを介して実行されるかどうかにかかわら...

バイオマーカーは、測定可能な生物学的特性であり、感染、疾患、または環境などのいくつかの現象を示すことができる。その中で、機能的バイオマーカーは、遺伝子、タンパク質、代謝産物および経路などの単一種の特定の生物学的機能、またはいくつかの種に共通するものであり得る。さらに、分類学的バイオマーカーは、異常な種、生物群(王国、門、クラス、秩序、家族、属、種)、アンプリコン配列可変量(ASV)1、または運用分類学単位(OTU)2を示す。バイオマーカーをより迅速かつ正確に見つけるためには、生体データを解析するためのツールが必要です。クラス間の違いは、LEfSeと統計的有意性の標準検定、および生物学的一貫性および効果関連性をコードする追加検定と組み合わせることによって説明することができます3。LEfSeは、銀河モジュール、コンダ式、ドッカー画像として利用可能で、bioBakery(VMおよびクラウド)4に含まれています。一般に、微生物多様性の分析では、サンプルコミュニティの不確実な分布に対してノンパラメトリック検定が使用されることがよくあります。ランク合計検定はノンパラメトリック検定法で、サンプルのランクを使用してサンプルの値を置き換えます。サンプルグループの違いに応じて、ウィルコクソン順位和検定では2つのサンプルに、クラスカル・ウォリス検定では複数のサンプルに分けることができます5,6。特に、複数のサンプルグループ間に有意差がある場合は、複数のサンプルのペアワイズ比較のランク和検定を実行する必要があります。1936年にロナルド・フィッシャーによって発明されたLDA(線形判別分析の略)は、教師あり学習の一種であり、フィッシャーの線形判別式7としても知られています。これは、機械学習データマイニングの現在の分野で古典的で人気のあるアルゴリズムです。
ここでは、LEfSeアッセイはCondaおよびGalaxyサーバーによって最適化されています。16S rRNA遺伝子配列の3つのグループを解析して、微生物群集のLDAスコアおよび可視化結果を有する異なるグループ間の有意差を実証する。

<table><tbody><tr><td>材料不使用</td><td></td><td></td><td></td></tr></tbody></table>

マイクロバイオームデータにおける線形判別分析効果サイズ(lefse)によるバイオマーカーの補助選択

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data

環境や健康における閉鎖的な生物学的ゲノムに対する関心が高まっています。異なるサンプルまたは環境間のグループ間の差異を調査および明らかにするためには、グループ間で統計的な差異を有するバイオマーカーを発見することが極めて重要である。線形判別分析の効果サイズ(LEfSe)の適用は、優れたバイオマーカーを見つけるのに役立ちます。元のゲノムデータに基づいて、品質管理、分類群または遺伝子に基づく異なる配列の定量化が行われる。まず、クラスカル-ウォリス順位検定を用いて、統計群と生物学的群の特定の差異を区別した。次に、前のステップで得られた2つのグループ間でウィルコクソン順位検定を実施し、差が一貫しているかどうかを評価しました。最後に、線形判別分析(LDA)を実施し、LDAスコアに基づいて有意に異なるグループに対するバイオマーカーの影響を評価した。要約すると、LEfSeは、生物学的グループ間の統計的差異を特徴付けるゲノムバイオマーカーを同定するための利便性を提供しました。

3つのサンプルの16S rRNA遺伝子配列を解析して各群において有意差を有する微生物群集のLDAスコアを 図8に示す。ヒストグラムの色は異なるグループを表し、長さはLDAスコアを表し、これは異なるグループ間で有意な差がある種の影響です。ヒストグラムは、LDA スコアが事前設定された値より大きい有意差のある種を示します。デフォルトのプリセット値は 2.0 であるため、2.0 より大きい LDA スコア (横軸) の絶対値のみがプロットに表示されます。
異なる分類レベル間で有意差および種ツリーを有するバイオマーカーを 図9に示す。内側から外側に放射状に広がる円は、門から属への分類レベルを表します(最も内側の黄色い円は王国です)。異なる分類レベルでの各小さな円の直径は、相対的な存在量のサイズを表します。有意差のない種は均一に黄色に着色され、有意に異なる種のバイオマーカーは対応する基で着色される。クラス A、B、C は、収集された微生物サンプルのグループ名です。赤色の節は...

LEfSe(LDA Effect Size)は、マイクロバイオームデータ内の2つ以上のグループを有意に特徴付けるゲノム特徴(遺伝子、経路、分類法など)を特定するための高次元バイオマーカーマイニング用のツールです。

マイクロバイオームデータにおける線形判別分析効果サイズ(LEfSe)によるバイオマーカーの補助選択

There is growing attention toward closed biological genomes in the environment and in health. To explore and reveal the intergroup differences among ...

線形判別分析の効果サイズの適用は、生物学的製剤群間の統計的差異を有する良好なバイオマーカーを見つけるという問題を解決することができる。線形判別分析効果サイズは、生物学的製剤群間の統計的差異を特徴付けるためにゲノムバイオマーカーを同定するための便利な方法を提供する。前の各ステップの結果が後続のステップに影響を与える可能性があるため、手順の各ステップには注意してください。線形判別分析の効果サイズ入力ファイルを生成した後、指示に従ってコマンドを実行して、依存関係の競合の可能性を排除し、線形判別分析の効果サイズの conda 環境を作成します。指示に従ってコマンドを使用して、作成した環境をアクティブにし、チャネル bioBakery で線形判別分析効果サイズをインストールします。線形判別分析の効果サイズに合わせてデータをフォーマット設定するには、コマンドを実行して、元のファイルを内部線形判別分析効果サイズ・フォーマットにフォーマット設定します。線形判別分析の効果サイズを計算するには、コマンドを実行して線形判別分析を実行し、結果のデータ・ファイルを生成します。分析後、指示に従ってコマンドを使用して、バイオマーカーの効果サイズをPDFファイルにプロットし、種ツリーを描画してバイオマーカーをクラドグラムに表示します。異なるグループ間での単一のバイオマーカーの違いをプロットするには、指示に従ってコマンドを使用します。必要に応じて、このコマンドを使用してすべてのフィーチャを描画することもできます。Galaxy サーバーを使用したオンライン LEfSe 分析の場合は、サーバーに移動します。関連するファイルをアップロードするには、上をクリックしてローカルファイルを選択し、ファイルを選択します。次に、表形式を選択し、[開始] をクリックします。線形判別分析の効果サイズに合わせてデータをフォーマットするには、「LEfSe」および「LEfSe 用にデータをフォーマット」をクリックし、クラスの特定の行を選択して、「実行」をクリックします。線形判別分析の効果サイズを計算するには、[LEfSe] および [LDA 効果サイズ] をクリックします。分析要件に従ってパラメーター値を選択し、「実行」をクリックします。線形判別分析の効果サイズ結果をプロットするには、[LEfSe] をクリックし、[LEfSe 結果をプロット] をクリックして [実行] をクリックします。クラドグラムをプロットするには、適切なパラメータ値を選択し、「クラドグラムをプロットして実行」をクリックします。1 つの特徴をプロットするには、適切なパラメーター値を選択し、[1 つの特徴をプロットして実行] をクリックします。微分特徴をプロットするには、適切なパラメータ値を選択し、[微分特徴をプロット]および[実行]ボタンをクリックします。ここでは、3つのサンプルの16個のSリボソームRNA遺伝子配列を解析して求めた、各群で有意差のある微生物群集の線形判別解析スコアを示す。この図では、異なる分類レベル間で樹種の樹木に有意差のあるバイオマーカーが観察できる。内側から外側に放射状に放射する円は、門から属への分類レベルを表し、各種の直径の円は、各分類の豊富さのレベルを表す。有意差のない種は黄色で表示され、有意に異なる種のバイオマーカーは対応するグループと一致するように着色される。プロットに示されたバイオマーカーの対応する種名がここにリストされている。ここでは、線形判別分析効果サイズ結果による異なるグループ間の差異を示す1つのバイオマーカーについての存在量バープロットの代表が示されている。実線は平均相対存在量を表し、点線は中央値相対存在量を表し、各列は異なるグループにおける各サンプルの相対存在量を表す。次元教育はデータ次元に直接関連しており、投影座標系は直交しているため、主成分分析も実行できます。高次元データ解析の需要が高まるにつれて、この方法は、関心のあるバイオマーカーの特徴の探索に役立ちます。

assisted-selection-biomarkers-linear-discriminant-analysis-effect

Research

JoVE Journal

Genetics

遺伝学

このビデオでは、結腸腫瘍担存マウスの糞便サンプルからのDNA分離プロトコルについて説明しています。抽出したDNAをPCRで増幅し、磁気ビーズベースのアプローチでさらに洗浄します。この方法は、環境濃縮が結腸微生物叢と動物の死亡率に及ぼす影響を判断するために使用できます。...

糞便微生物DNA単離:マウス腫瘍モデルにおける環境濃縮がマイクロバイオームの多様性に及ぼす影響の研究

既存のアルゴリズムは、バイオ マーカー検出データセットの 1 つのソリューションを生成します。このプロトコルは、複数の同様に有効な解の存在を示し、提案の挑戦のためのデータセットの調査生物医学の研究のためのユーザーフレンドリーなソフトウェアを示します。コンピューター科学者は、彼らのバイオ...

同様に効果的な二値分類性能を持つ複数のバイオ マーカーのサブセットを選択

ここでは、自由に利用可能なツールを使用して16S...

2段階PCRと次世代16S rRNA遺伝子シーケンシングを用いての微生物叢解析

このプロトコルは、自己免疫疾患の発症中のマウス腸内細菌叢の変化を分析するためのシンプルで費用効果の高いDNA単離方法を提供します。...

簡単で費用対効果の高いDNA単離法を用いたループス発生マウスの糞便微生物叢動態の解析(英語)

このプロトコルは、家畜の受精卵における細胞質マイクロインジェクションの方法を示しています。この技術は、ノックアウト動物を生成するためのゲノム編集ツールなど、あらゆる溶液を1細胞胚に導入するために使用できます。...

家畜接合体におけるレーザーアシスト細胞質マイクロインジェクション

ギャラクシーとDAVIDバイオインフォマティクストレーニングなしの研究者が分析し、RNA-配列データを解釈できるようにする一般的なツールとして浮上しています。私たちは、 線虫の研究者は、アクセスをRNA-配列実験を行い、銀河を使用してデータセットを処理し、DAVIDを用いた遺伝子リストから意味のある生体情報を取得するためのプロトコルを記述します。...

のトランスクリプトーム解析<em&gt; C</em&gt;。<em&gt;エレガンス</emギャラクシープロジェクトのタキシードスイートを通じて&gt; RNAシーケンスデータ

この原稿では、上流および下流のベクター - 宿主接合DNAを同時に解析できる双方向インテグレーションサイトアッセイの実験手順とソフトウェア解析について説明します。双方向PCR産物は、任意の下流の配列決定プラットフォームに使用することができる。得られたデータは、統合されたDNA標的の高スループット、定量的比較に有用である。...

双方向レトロウイルスの統合サイトPCRの方法論と定量的データ解析ワークフロー

体細胞株を遺伝子操作する能力の最近の進歩は、基礎研究および応用研究の大きな可能性を秘めている。ここでは、選択マーカーを使用した場合と使用しない場合の、哺乳類細胞株におけるCRISP / Cas9生成ノックアウト産生およびスクリーニングのための2つのアプローチを提示する。...

哺乳類細胞におけるCRISPR / Cas9媒介遺伝子ノックアウトの選択依存性および独立した世代

このプロトコルは、ゼブラフィッシュの胚は、幼虫から全体のトランスクリプトーム解析手法を提案またはセルを並べ替えられます。我々 には、RNA の隔離、RNASeq データの経路解析と遺伝子発現変動の qRT PCR...

サンプル準備およびゼブラフィッシュから RNASeq による遺伝子発現データの解析

ここでは、土壌、根圏、ルート endosphere 内細菌叢解析・増幅シーケンス...

探索ルート マイクロバイ: 土、根、およびルート Endosphere から細菌群集のデータを抽出

学ぶLEfSeを用いたマイクロバイオームデータのバイオマーカー発見法。統計的に有意なゲノム特徴を特定し、生物学的グループ間の差異を解析する手法を解説。個別化医療への応用可能性も示唆される。

マイクロバイオームデータにおける線形判別分析効果サイズ(LEfSe)によるバイオマーカーの補助選択

さらに動画を探す