全新升级！关联分析4大亮点，数据挖掘早该这么高效！

生命体是一个多层次、多功能的复杂结构体系，涉及到一套精细的表达调控机制。传统的单一组学研究往往不够全面，需要整合多组学数据对生物系统进行全面分析。越来越多的研究者将代谢组与微生物组进行关联研究，可以更好地验证分析微生物与宿主疾病间可能的因果关系。仅在2020年，就有多项相关成果接连登上 Nature、Science、Cell 等高质量期刊[1-8]，广泛应用于医学、动植物、环境、食品发酵等研究领域，俨然成为生物界的“当红炸子鸡”！

然而面对如此复杂庞大的多组学数据，如何理清数千种代谢物与微生物之间的关联性，挖掘并整理出其中关键的调控机制，进行高效的数据分析？不会写代码还有其他出路吗？这些难题一直困扰着众多科研人员。

当前，华大代谢组+16S/宏基因组关联分析已完成全新升级，可以实现迅速关联数千种代谢物与微生物，全面解析数据之间的逻辑性，快速找到两组学研究的切入点！

升级一
分析模块化调整，更具逻辑性

以蝴蝶效应为例，当我们试图由表及里，探究蝴蝶引发龙卷风的起始变量时，这其间涉及复杂的级联效应，很难通过单一维度的研究挖掘出来。回到微生物组研究，我们试图利用代谢组作为连接表型与微生物的桥梁，揭示其中复杂的调控机制，这其中多级调控网络是如何被一层一层剥开的呢？

代谢组与宏基因组关联分析升级后，属于两组学的特征数据被挖掘出来，并依据特征数据的不同将分析流程分为三大模块——定量关联、功能关联及表型关联模块，分层次对数据进行深入挖掘，分别从表达量、功能及与表型的相关程度对两组学数据进行全面解读。

图1 代谢组与宏基因组关联分析思路图

对于16S与代谢组联合分析，全新升级后分为三大模块，分别从代谢物整体表达、代谢通路及差异代谢物三个层面关联微生物，层层递进，既可以对代谢物与微生物之间的关联性进行初步探索性分析，又可以在确定相关性和组间差异后，进行生物标记物筛选。每个模块都包含秩相关性分析、典型相关分析及相关性网络分析三大热点分析对数据进行充分挖掘。

升级二
适用范围更广，更多热点分析内容

经过对各种代谢组及微生物组数据的相关测试，现在非靶向代谢组数据、脂质组数据及靶向数据都可与宏基因组或16S数据进行关联分析，研究可以覆盖到医学、动植物研究、生态环境研究及食品发酵等多个领域。

关联分析流程还包含了秩相关性分析（Spearman）、典型相关性分析（CCA）等多项热点分析内容，同时对于复杂的分析条目，还特别新增了说明内容，使结果更易于理解。

升级三
图片美颜，可视化升级

此次升级特别进行了图片美颜，致力于增加分析结果图片的美观度及可视化感受，使其可以直接用于文章发表！

图2 部分关联分析结果示例图

升级四
算法升级，大数据处理周期再缩短

在享受以上升级内容的同时，处理流程也进行了再次优化，数据处理时间压缩至原有的50%，帮您迅速关联生物大数据，找到代谢组与微生物组关联的切入点。

表1 华大代谢产品服务列表

更多升级内容，欢迎联系当地销售经理。

参考文献

1. Song, Xinyang, et al. "Microbial bile acid metabolites modulate gut RORγ+ regulatory T cell homeostasis." Nature 577.7790 (2020): 410-415.

2. Javdan, Bahar, et al. "Personalized Mapping of Drug Metabolism by the Human Gut Microbiome." Cell (2020).

3. Theriot, Casey M., and William A. Petri Jr. "Role of Microbiota-Derived Bile Acids in Enteric Infections." Cell 181.7 (2020): 1452-1454.

4. Nejman, Deborah, et al. "The human tumor microbiome is composed of tumor type–specific intracellular bacteria." Science 368.6494 (2020): 973-980.

5. Meslier, Victoria, et al. "Mediterranean diet intervention in overweight and obese subjects lowers plasma cholesterol and causes changes in the gut microbiome and metabolome independently of energy intake." Gut 69.7 (2020): 1258-1268.

6. Korenblum, Elisa, et al. "Rhizosphere microbiome mediates systemic root metabolite exudation by root-to-root signaling." Proceedings of the National Academy of Sciences 117.7 (2020): 3874-3883.

7. Taylor, Bryn C., et al. "Consumption of Fermented Foods Is Associated with Systematic Differences in the Gut Microbiome and Metabolome." Msystems 5.2 (2020).

8. Stein, Lisa Y. "The Long-Term Relationship between Microbial Metabolism and Greenhouse Gases." Trends in Microbiology28.6 (2020): 500-511.