家好拥娄，從今天起密碼子將開設(shè)一個新的連載模塊--微生物多樣性研究10步走贡珊，內(nèi)容包括在進行微生物多樣性研究的過程中涉及到的知識點和常見的分析方法辨析议忽。希望本連載能給初入研究的小白濾清思路恃鞋、獲得啟發(fā)洞慎。
通常微生物多樣性分析都是基于二代測序技術(shù)來實現(xiàn)的爪幻。二代測序的上機菱皆、建庫等實驗流程我們暫且不聊，我們從拿到下機數(shù)據(jù)來講起挨稿。
本期先為大家分享一個基礎(chǔ)概念--OTU仇轻。
OTU是大家進行菌群多樣性測序分析的時候，不可避免需要了解的一個概念奶甘。
OTU聚類與注釋
什么是OTU篷店？為什么會出現(xiàn)這個概念呢？
菌群多樣性分析是通過二代測序技術(shù)對微生物基因組中的marker基因（細菌為16S序列臭家，真菌為18S或ITS序列）全長區(qū)段或部分區(qū)段進行測序從而得到環(huán)境樣本中微生物種類和豐度信息的疲陕，原則上我們把測序得到的序列與數(shù)據(jù)庫進行物種注釋，就可以獲得該序列對應(yīng)的物種信息了钉赁。但是通過測序得到的序列每個樣本有幾萬條蹄殃，對每條序列都進行注釋的話，工作量十分巨大你踩，并且marker基因在擴增诅岩、測序過程中存在小部分概率測序錯誤讳苦，會降低后續(xù)分析準確率。所以在生信研究者們在進行多樣性研究時引入了OTU的概念吩谦，來有效規(guī)避上述問題鸳谜。
在數(shù)據(jù)下機之后，分析之前式廷，根據(jù)序列間的相似性（通常為97%）將序列進行聚類卿堂，分成多個的分類單元，一個分類單元稱為一個OTU懒棉。然后再基于OTU分類單元進行物種注釋，常規(guī)方法為在OTU分類單元中選出一條代表序列览绿，用此序列進行物種注釋策严，得到的注釋結(jié)果既為整個OTU單元的注釋結(jié)果。這樣不僅簡化了工作量饿敲，而且OTU在聚類過程中會去除一些錯誤序列妻导，提高分析的準確性與效率。
OTU聚類與注釋的流程一般為：
1）提取非重復(fù)序列怀各，降低分析中間過程冗余計算量倔韭；
2）去除單序列；
3）按照相似性進行OTU聚類瓢对，在聚類過程中去除嵌合體序列寿酌，獲得OTU代表序列；
4）將OTU代表序列與數(shù)據(jù)庫比對硕蛹，獲得OTU物種注釋信息醇疼。
說到這里大家能對OTU有一個簡單的認識了吧？你可以把它簡單的理解為我們?nèi)藶樵O(shè)立的一個低于種的分類學(xué)水平法焰。（OTU的劃分通常比種水平更精細）
相似性閾值如何確定秧荆？
對于OTU聚類相似度閾值很多同學(xué)也存在疑問：為什么要以97%進行相似性聚類？96%不行嗎埃仪？99%不行嗎乙濒？
其實在生物信息分析中我們所有涉及到的分析參數(shù)：比如聚類的相似性閾值、比對數(shù)據(jù)庫的70%置信閾值等等卵蛉，都是基于前期生信分析者們的開發(fā)颁股、測試、總結(jié)得到的有較高準確性的數(shù)值傻丝。
對于相似性閾值的研究可以追溯到1973年豌蟋。唐·J·布倫納認為DNA-DNA雜交同源性大于60%的物種屬于同一物種。
1994年桑滩，E. STACKEBRANDT and B. M. GOEBEL將16S rRNA相似度和DNA雜交相似度進行比較梧疲，得出16S rRNA相似度低于97%的允睹，DNA雜交相似度都不高，所以后來科研人員們就將97%作為了默認的聚類閾值幌氮。
好的缭受，本期分享到此結(jié)束，下期我們來聊一聊OTU抽平（同樣是一個令人頭禿的問題）
更多微生態(tài)相關(guān)文章：
