bioinfo & microbiome

최근 Nextflow 라는 소프트웨어를 보게 되었는데, 이것을 사용해서 마이크로바이옴 분석 전반을 자동화해놓으면 대량의 분석을 효율적으로 수행할 수 있을 것 같다는 생각이 들었습니다. 다만, Java 및 groovy 라는 컴퓨 언어를 기반으로 프로그래밍을 하는 것과 유사하기 때문에 접근성이 조금 낮고 관련해서 학습을 해야합니다.  저도 유튜브의 튜토리얼 영상들을 보면서 학습을 하고 있어서 관련 글을 천천히 올려보려고 하고 오늘은 간단한 개요와 소개만 작성해보았습니다.   먼저 Nextflow 란, 데이터 집약적 작업의 워크플로우(pipeline)를 작성하고 실행하기 위한 오픈소스 소프트웨어입니다. 특히 생명과학 및 빅데이터 분석 분야에서 널리 사용되며, 복잡한 데이터 처리 파이프라인을 효율적으로 설계하고..

오늘은 균주 시퀀스 파일로부터 Antimicrobial Resistance genes 를 찾아내는데 사용할 수 있는 AMRFinder (AMRFinderPlus) 에 대해 간단하게 소개하려고 합니다. 이 프로그램을 사용하면 nucleotide sequence file 또는 protein sequence 를 .fa 형식으로 넣어주면 항생제 저항성 유전자들을 확인할 수 있으며 구동이 쉽고 어쨋든 이런 프로그램을 사용할때 가장 중요한 점은 얼마나 최신화된 데이터베이스를 기반으로 서치해주는지인데 NCBI DB 와 BLAST 를 기반으로 찾아주기 때문에 높은 신뢰도의 결과를 얻을 수 있습니다. 또한 이 툴은 뉴클레오타이드 또는 단백질 시퀀스에 point mutation 등 변형된 시퀀스에 대한 데이터도 포함하고 ..

PICRUST2 에서 커스텀 데이터베이스를 사용하기 위해 필요한 것은 아래와 같습니다.  A multiple-sequence alignment (with the extension .fna or .fasta and can optionally be gzipped)A tree in newick format (extension .tre)A hidden-markov model of the multiple-sequence alignment (extension .hmm)A modelfile output by RaXmL specifying the best parameters for the tree (extension .model) 1. A multiple-sequence alignment (with the extens..

마이크로바이옴 분석을 하다 보면 미생물 구성만으로는 많은 것을 말하기가 어렵습니다. 물론 특정 균주에 집중할 수도 있지만 16S 데이터의 경우 genus level 까지의 한계도 있고 전체적인 군집의 구성에 대해서는 다양성 분석 정도를 제외하면 할 수 있는 것이 많지는 않습니다.  그래서 이후에 미생물 군집의 대사경로로 넘어가는 경우가 많은 것 같습니다. 실제 질량분석기로 측정해서 어떤 대사물질들이 생성되는지도 확인할 수 있지만 PICRUST2 라는 소프트웨어를 사용하면 16S 데이터를 기반으로 대사경로를 예측, 정량해 줍니다. 물론 정확도의 차이는 있겠지만 질량분석이 가격이 조금 나가기에 하기 전에 한번 확인하는 용도로 괜찮습니다.  해당 소프트웨어에 대해서는 잘 설명되어있는 글들이 많아 참고하시면 될..

2020년 코로나 이후 일시적으로 건강에 관심이 많아지면서 다양한 제품들이 많은 성장을 이루었습니다. 물론, 건강이라는 큰 트렌드 안에서 일시적인 유행으로 지나간 제품들도 있었기에 코로나가 사실상 종결된 이후에도 그 인기를 이어가는 제품들이 사실상 시장에서의 성공적인 정착을 이뤄냈다고 말할 수 있을 것 같습니다.   최근 주변에서 많이 구매하는 게 에이스바이옴의 비에날씬인데 모회사인 바이오니아가 상장되어 있어서 매출규모를 확인할 수 있더라고요. 물론 이 제품이 인기를 얻어 성장했다고 볼 수도 있지만 대체적으로 많은 종류의 유산균들이 판매량을 유지하고 있는 것으로 알고 있습니다. 이 부분에서 사람들이 프리바이오틱스를 섭취함으로써 기대하는 효과는 다양합니다. 일반적으로 설사나 변비의 완화를 기대하지만 다이어..

요즘 기계학습의 성능이 얼마나 올라왔는지 chatgpt 를 보면 체감이 되는 부분이 있습니다. 4.0 버전이 성능이 정말 좋고 특히 코딩이 필요할 때 전공자가 아닌 입장에서 시간을 꽤나 절약할 수 있게 해 주고 이런 흐름은 나중에는 코딩으로 단순히 데이터를 시각화하는 데에 그치는 것이 아니라 모델을 만들고 데이터를 학습시키는 것이 어렵지 않은 작업이 될 것이라고 생각합니다. 그래서 대용량의 유전체 데이터를 다루는 이쪽 분야에서도 움직임을 꾸준하게 쫓아보는 것도 이후에 많은 도움이 될 것이라 생각하고 있습니다. 이전에도 관련해서 포스팅을 올렸던적이 있었는데 일단 마이크로바이옴 데이터를 학습시키는 과정에서 가장 먼저 표준화되어야 하는 것은 어떻게 전처리해서 학습시킬 것인가라고 생각하고 있습니다. 물론 많은 ..

사람의 장내 마이크로바이옴을 분석하기 위해서 가장 흔히 사용되는 방법은 분변 샘플링입니다. 당연하게도, 이러한 간접적인 장내 마이크로바이옴의 분석에는 많은 한계점이 존재합니다. 분변 샘플이 그 사람의 전체 장내를 대변할 수 있느냐의 문제부터 샘플링 과정에서의 오염 또한 빈번하게 일어날 수 있습니다. 실제 장기 기증자의 결장 전체에 대해 16s rRNA 를 분석한 결과 각 부분마다 미생물군집에 차이가 나타났으며 이는 분변 샘플링으로 보는 미생물군집은 정말 작은 하나의 조각에 불과하다는 것을 보여줍니다.     그럼에도 분변 샘플링이 가장 흔하게 사용되는 이유는 그 편의성과 윤리적인 문제 때문일 것입니다. 사실상 건강한 사람의 장내 표피를 얻는 것은 특수한 경우가 아니라면 불가능하기 때문에 완전히 다른 비침..

이전에 differential abundance analysis 수행하는 것에 대한 논문리뷰를 한 적이 있습니다. 해당 논문에서 저자는 LEfSe 는 CoDa (compositional data analysis) methods 를 사용하지 않으며, FDR correction 을 지원하지 않기 때문에 사용을 지양하는 것이 좋아보인다는 언급을 마지막에 하고 있습니다. 그런데 LEfSe 는 K-W test -> wilcoxon test 로 두 번에 걸쳐 유의한 차이가 있는지 검정을 수행하는데 fdr correction 까지 수행할 필요가 있는지 궁금해서 관련 글을 찾아봤습니다. 그러다 아래의 링크에서 관련 내용을 찾을 수 있었습니다.  Multiple comparison correctingHello, I fo..

마이크로바이옴 데이터를 분석할 때 자주 사용되는 분석 워크플로우는 있을 수 있지만 마이크로바이옴 데이터의 특성상 아직까지 정형화된 것은 없습니다.  데이터를 분석하는 데에 있어 다양한 도구들이 교차 사용되고 있으며 현재까지는 자신의 데이터 특성에 맞는 도구를 선택하여 시각화하고, 독자를 설득하는 방식으로 많은 분석이 진행되고 있습니다.  이와 같은 방식으로, 미생물군집의 유사도를 분석하는 베타 다양성 분석 시에도 많은 분석 알고리즘이 있는데, 오늘은 미생물군집의 베타 다양성 분석시 사용할 수 있는 Uniform Manifold Approximation and Projection (UMAP) 에 대해 간단히 소개해보려 합니다.. 미생물군집의 샘플 간 유사도를 확인할 수 있는 beta-diversity 분석..

* Motivation 마이크로바이옴 데이터는 기본적으로 상당히 많은 ASVs 를 포함하고 있기 때문에 해당 ASVs 들의 상대적 풍부도를 나타내고 샘플 간의 비교를 위한 시각화를 하는데에 많은 고민이 필요합니다.  다만, 현재는 아래와 같은 막대그래프를 기반으로 하는 시각화 방법이 어느 정도 정착하여 가장 많이 사용되고 있으며 시각적으로 각 feature 의 상대적 풍부도나 샘플 간의 비교를 꽤나 직관적으로 할 수 있게 해 줍니다.   그럼에도 위와 같은 시각화도 완벽하지는 않습니다. 일반적으로 누적막대차트 형태이기 때문에, minor taxon 이라 불리는 전체 샘플 중 정말 작은 부분만을 차지하는 ASVs 에 대해서는 시각적으로 제대로 전달하지 못하게 되며 이는 대다수의 minor ..