2019-09-02

首先感謝熱心腸藍(lán)總的邀請(qǐng)，很高興有這次機(jī)會(huì)分享一下我從事的工作領(lǐng)域。

我叫劉永鑫，是來自中科院遺傳發(fā)育所的一名工程師，也是大家熟悉的《宏基因組》公眾號(hào)的創(chuàng)始人。

我今天為大家分享的主題是“微生物組分析入門指南”，希望幫助大家能夠少走彎路，更好的探索我們這個(gè)領(lǐng)域。

我認(rèn)為這張圖是對(duì)我進(jìn)入這個(gè)領(lǐng)域15年的歷程的一個(gè)很好總結(jié)。

我讀了四年的微生物學(xué)的本科，之后又經(jīng)過六年的努力，獲得了生物信息學(xué)的博士學(xué)位，然后做了兩年的博士后，我以為我到了一個(gè)科研的很高的高度。

這個(gè)時(shí)候，經(jīng)過了12年的學(xué)習(xí)，我才發(fā)現(xiàn)我獲得了一張入場(chǎng)券，讓我看到微生物組這么一個(gè)有前途的領(lǐng)域，然后我就一頭扎了進(jìn)來。

本演講的幻燈片 .pdf 版將在熱心腸菌群微信群分享，感興趣的讀者請(qǐng)按以下方法申請(qǐng)入群：

其實(shí)說到生物信息，不一定說你是專業(yè)的人才需要學(xué)。其實(shí)，如果你工作中涉及到數(shù)據(jù)分析，它是一個(gè)非常好的手段。

我就給大家介紹一下學(xué)習(xí)生物信息的必要性，以及和它能給你帶來哪些收益。

舉一個(gè)簡(jiǎn)單的例子，我們高中的時(shí)候都學(xué)過孟德爾的豌豆實(shí)驗(yàn)，也就是遺傳學(xué)的開端。

他用紫花豌豆和白花豌豆進(jìn)行雜交，然后經(jīng)過F1代的自交，他在后代發(fā)現(xiàn)了分離的現(xiàn)象。然后他就統(tǒng)計(jì)了不到1000株的后代的子代，發(fā)現(xiàn)了有一個(gè)3:1的花色規(guī)律。

這是在傳統(tǒng)的遺傳學(xué)當(dāng)中，1000個(gè)以內(nèi)的數(shù)量，我們是可以很簡(jiǎn)單的統(tǒng)計(jì)出它其中規(guī)律的。

而到了人類基因組時(shí)代，我們?nèi)祟惖幕蚪M就有30億個(gè)堿基，我們把它印在書上的話，我們一生都讀不完這本書。

你覺得人類的基因組已經(jīng)很龐大了嗎？其實(shí)我們?nèi)祟惖幕蚪M上只有25000個(gè)左右編碼基因。而我們腸道還是一個(gè)非常簡(jiǎn)單的微生物的體系，它有1000萬個(gè)基因。

面對(duì)這么大的數(shù)據(jù)，我們?nèi)祟愂菬o法用簡(jiǎn)單的數(shù)理統(tǒng)計(jì)來處理了。我們必須借助每秒能夠計(jì)算10億次，甚至是能夠達(dá)到萬億次的超級(jí)計(jì)算機(jī)，來幫助我們解析微生物組大數(shù)據(jù)。

我們既然想用計(jì)算機(jī)的話，我們要對(duì)計(jì)算機(jī)有一定的了解。關(guān)于計(jì)算機(jī)，主要只有三個(gè)硬件需要我們掌握它的基本參數(shù)。

近十年，CPU的計(jì)算速度已經(jīng)進(jìn)入了一個(gè)瓶頸，但是現(xiàn)在我們是增加CPU的數(shù)量。服務(wù)器就是能夠裝更多的CPU，像超級(jí)計(jì)算機(jī)可能就會(huì)裝載成千上萬的CPU，來增加并行能力。

還有一個(gè)重要的指標(biāo)是內(nèi)存，我們的普通電腦，可能是4Gb、8Gb，你用來分析個(gè)微生物的多樣性的數(shù)據(jù)，可能是夠的。但是你如果要處理宏基因組數(shù)據(jù)的話，你可能需要有幾百G甚至是幾千G的內(nèi)存。

最后一個(gè)重要的指標(biāo)就是硬盤，一般是幾百G；而服務(wù)器的話，可能一般有幾TB。

特別說明一點(diǎn)就是，比如你手里有10 Gb的數(shù)據(jù)，你如果是想做一個(gè)分析的話，你至少要預(yù)留30倍以上的空間。尤其是在多人使用的服務(wù)器上，如果你把硬盤空間用光了的話，會(huì)讓所有人的項(xiàng)目停掉，這是一個(gè)很危險(xiǎn)的事。

什么是集群？集群就是把多臺(tái)服務(wù)器放在機(jī)架上，并排放在一起，到時(shí)候我們需要任務(wù)，可以進(jìn)行并行運(yùn)算。

其實(shí)一般的科研院所和大學(xué)都有自己的計(jì)算中心，你們直接申請(qǐng)一個(gè)賬號(hào)，就可以方便的使用。

我們?nèi)绻辛朔?wù)器可以處理大數(shù)據(jù)，我們?cè)趺慈ゲ僮魉?？你就需要有一個(gè)順手的工作平臺(tái)，其實(shí)簡(jiǎn)單來說就是一個(gè)筆記本，它能滿足我們移動(dòng)辦公的需求。

筆記本的屏幕一般比較小，所以我就推薦大家買一個(gè)擴(kuò)展顯示器，這樣的話能極大提高我們的工作效率，推薦買這種28寸以上的大顯示器。

最后說一下，我們學(xué)習(xí)編程到底有什么意義。

舉個(gè)例子，我們?cè)谏詈凸ぷ髦薪?jīng)常會(huì)遇到很多重復(fù)的勞動(dòng)，比如處理各種報(bào)表、各種統(tǒng)計(jì)。如果你不會(huì)編程的話，你的工作時(shí)間和你的工作量永遠(yuǎn)是成線性的。

如果你學(xué)會(huì)了程序，是什么樣的呢？你可以手動(dòng)的做幾十條相應(yīng)的工作，然后設(shè)計(jì)一個(gè)腳本，可能只需要寫幾十個(gè)字母或者是幾行代碼。

你把工作用這個(gè)腳本最后一處理，瞬間就可以把以后類似的工作都全部完成。你可以在同類的工作中節(jié)約大量的時(shí)間，這就是編程的意義。

了解了生物信息學(xué)的重要性，我就再介紹一下數(shù)據(jù)分析的基本思想和基本功。因?yàn)槟阒挥姓嬲哪軌蜃x懂同行的東西，才是一個(gè)真正的科研的開始.

微生物組學(xué)研究的主要是分為這四個(gè)步驟。

一是微生物的取樣，可以從DNA、RNA甚至更多的層面取到；然后通過高通量的測(cè)序設(shè)備得到宏組學(xué)數(shù)據(jù)；我們得到數(shù)據(jù)，就要進(jìn)行數(shù)據(jù)的處理，主要包括質(zhì)控和定量?jī)蓚€(gè)部分；然后處理完的數(shù)據(jù)，我們就可以進(jìn)行統(tǒng)計(jì)分析和可視化，從里面去挖掘一些生物學(xué)規(guī)律。

我把數(shù)據(jù)分析的基本思想總結(jié)分為三步走，大家可以看這個(gè)圖。

我們首先拿到的數(shù)據(jù)，一般測(cè)的數(shù)據(jù)是這種大數(shù)據(jù)，基本都是ATGC堿基，它的數(shù)量級(jí)可以達(dá)到十的九次方。

大數(shù)據(jù)我們?nèi)祟愂遣豢勺x的，我們要把它轉(zhuǎn)化成一種大表，就是一個(gè)定量和質(zhì)控的過程。

那定量和質(zhì)控一般就是轉(zhuǎn)化成Count Data（計(jì)數(shù)數(shù)據(jù)），就是里面第二個(gè)大表。那Count Data一般是什么？基因表達(dá)矩陣或者你的物種組成表。但它的維度還很大，可能還有十的五次方、四次方，我們?nèi)祟愐膊豢勺x。

然后你可以接著往下分析，進(jìn)行進(jìn)一步的抽提。比如我們常見的α多樣性、β多樣性，還有什么差異比較，其實(shí)都是把大表再抽提成一個(gè)小表。這樣的話一般就是幾十行、幾百行，最多也不會(huì)超過千行，我們?nèi)祟惥涂勺x了。

其實(shí)我們現(xiàn)在還是不太愿意看數(shù)字和看文字的，因?yàn)樗容^累。我們喜歡把它轉(zhuǎn)化成圖，因?yàn)橐粓D抵千字嘛，我就可以一眼就可以看到我們發(fā)現(xiàn)的規(guī)律。如果你一眼沒看到，你就多看幾眼。

其實(shí)這個(gè)過程的基本思想主要就涉及到兩個(gè)詞，一個(gè)叫做降維，一個(gè)叫做可視化。

大家都清楚了生物信息分析的過程之后，我們?nèi)绾螌?shí)現(xiàn)呢？實(shí)現(xiàn)它就涉及到兩門語言，一個(gè)就是Shell，一個(gè)是R。

我們從大數(shù)據(jù)到大表的話只能用Shell，因?yàn)镾hell它是非常高效的系統(tǒng)的底層語言。然后從大表到小表這個(gè)階段，因?yàn)閿?shù)據(jù)也不是足夠大了，我們可以用低級(jí)的Shell語言來完成，也可以用高級(jí)語言R來完成。

然后到可視化這方面，低級(jí)語言就搞不定了，就需要高級(jí)語言R來完成，R是一個(gè)比較優(yōu)秀的交互可視化的語言。因?yàn)镽語言也是一個(gè)生物學(xué)家開發(fā)的一門語言，它比較適合于我們生物學(xué)家來使用。

我們Shell的話，最常用的就是Xshell。大家可以看這界面，比較像《駭客帝國》里的那個(gè)場(chǎng)景，是吧？

你看到別人敲代碼、探索數(shù)據(jù)，比較花哨、比較漂亮，但其實(shí)這個(gè)過程也是需要非常強(qiáng)大的基本功的。你需要記住很多的代碼和命令，然后跟它進(jìn)行交互。

有沒有一個(gè)工具能夠把這兩門語言整合起來，都在一個(gè)工具里來實(shí)現(xiàn)，你就不用去打代碼，也不用復(fù)制和粘貼，直接在一個(gè)工具完成從大數(shù)據(jù)到小數(shù)據(jù)的Shell分析和R分析呢？

其實(shí)是有的，近兩年來發(fā)展的RStudio就滿足了我們這個(gè)需求。尤其是去年（2018年）它最新更新的1.1版，就已經(jīng)整合了Shell的分析流程。

它的窗口有四個(gè)界面。第一個(gè)是代碼編輯區(qū)，以前我們每個(gè)代碼要不然就打上去，要不然就復(fù)制粘貼上去，現(xiàn)在它可以都保存，你也可以再選中、運(yùn)行單行或多行的代碼。

右邊是環(huán)境變量區(qū)，這個(gè)變量區(qū)方便我們實(shí)時(shí)探索內(nèi)存中的數(shù)據(jù)進(jìn)行調(diào)試和分析，極大的提高了我們數(shù)據(jù)Debug（調(diào)試）的效率，因?yàn)槲覀償?shù)據(jù)分析經(jīng)常會(huì)碰到很多錯(cuò)誤，我們要進(jìn)行調(diào)試。

左下角這個(gè)代碼執(zhí)行區(qū)，就是保留了之前的像Xshell和R中跟數(shù)據(jù)不斷進(jìn)行交互的過程。

右邊那個(gè)數(shù)據(jù)的可視化區(qū)，我們可以實(shí)時(shí)看到分析的結(jié)果，我們也可以把這個(gè)結(jié)果方便的保存成各種的格式和各種的大小，直接用于發(fā)表就夠了。

你想要看懂別人的代碼，還是需要學(xué)一點(diǎn)基本功的，最起碼要學(xué)習(xí)這兩門語言里中常見的幾十個(gè)單詞到底是什么意思。

如果你打算專門去從事數(shù)據(jù)分析，或者你每年有很多的時(shí)間要做數(shù)據(jù)分析的話，可以推薦你系統(tǒng)的學(xué)習(xí)兩本書。

第一本是《鳥哥的私房菜》，能夠系統(tǒng)介紹Linux系統(tǒng)的使用，而且還能介紹常見的Shell命令都是什么用途、什么功能。

如果你要進(jìn)行R語言的統(tǒng)計(jì)分析和可視化的話，可以讀Ggplot2的作者出的這本書，叫《數(shù)據(jù)分析與圖片藝術(shù)》。

你也可以花幾個(gè)小時(shí)，學(xué)習(xí)一下我和同行們編寫的一些簡(jiǎn)明的教程。這可能更適合我們生物學(xué)背景的人，因?yàn)樗鼈兩婕暗降闹挥猩镄畔⒂玫降囊恍┏Ｒ姷拿睿疫€有一些我們的經(jīng)驗(yàn)和技巧在里面。

我們現(xiàn)在有了基本功了，可以看懂同行的代碼，可以進(jìn)行數(shù)據(jù)分析，然后我們就開始真正的數(shù)據(jù)分析之旅。

微生物組的研究方法主要就分為以上圖示的這五個(gè)層面。

我們首先獲得的微生物組材料，就是Microbiome（微生物組）。我們拿到了材料后，其實(shí)我們最重要應(yīng)該干的一件事，而大多數(shù)人都沒有干的事是什么呢？就是把材料里面的成分進(jìn)行分離培養(yǎng)，也就是Culturomics（培養(yǎng)組學(xué)）方面的工作。

因?yàn)槠鋵?shí)我們只有拿到了你研究對(duì)象里的材料，我們才能夠在發(fā)現(xiàn)了差異之后，進(jìn)行因果的驗(yàn)證，才能把關(guān)聯(lián)的層面轉(zhuǎn)移到真正的因果上，進(jìn)行單因素的分析。而目前大部分的研究還處于描述階段。

然后，最常見的工作就是我們把樣本進(jìn)行提DNA。

在DNA層面我們有三個(gè)常用的技術(shù)，一個(gè)是擴(kuò)增子測(cè)序技術(shù)，它是基于Marker（標(biāo)志物）基因的PCR就可以拿到樣本。然后結(jié)合高通量測(cè)序，它可以來研究我們研究對(duì)象的微生物的多樣性。

但是它的局限性，只能研究微生物多樣性，我想研究更多的東西，怎么做呢？我們就一般需要測(cè)宏基因組，就是把DNA全測(cè)了，用Shotgun（鳥槍）的方法。

你可以拿到物種組成，又可以獲得它的功能組成，同時(shí)還能拿到新基因，這個(gè)就很全面了。

但是宏基因組的數(shù)據(jù)量比較大，第二個(gè)問題對(duì)于宏基因組、擴(kuò)增子測(cè)序都是一樣的，就是對(duì)研究對(duì)象不分死活。就比如說土壤，很多都是遺跡DNA，但是它也能被測(cè)出來。

如果想研究活性物質(zhì)部分，你就需要研究它的RNA層面。就把我們傳統(tǒng)的轉(zhuǎn)錄組測(cè)mRNA的技術(shù)應(yīng)用上來，叫宏轉(zhuǎn)錄組就是Metatranscriptome。

此外還有宏蛋白組和宏代謝組的層面，另外值得一提的是病毒組。

如果我們真想全面研究病毒組，你需要既把宏基因組測(cè)掉，也要把宏轉(zhuǎn)錄組測(cè)掉，才能拿到所有的DNA和RNA病毒。而且病毒在研究對(duì)象中的含量也是比較低的，所以你的測(cè)序量也會(huì)要求比較高，分析也會(huì)比較復(fù)雜。

我們接下來就看一下一些測(cè)序儀。這是市面上用的主流的六款測(cè)序儀，我把它分成了三個(gè)時(shí)代。

一代測(cè)序就是Sanger測(cè)序。其實(shí)它是非常好的一個(gè)測(cè)序技術(shù)，它測(cè)的比較長，也比較準(zhǔn)。

現(xiàn)在我們主要用的二代測(cè)序，就是賽默飛的Ion Torrent、華大基因的BGISEQ和Illumina 的Seq系列。

Ion Torrent，它是測(cè)序周期比較短，比較適合臨床一些比較著急的項(xiàng)目。華大基因的BGISEQ的準(zhǔn)確度和讀長比較折中，它在宏基因組上有較多的應(yīng)用。

最后就是Illumina 的Seq系列，它的讀長有長有短，所以在擴(kuò)增子和宏基因組上都有特別多的應(yīng)用。如果你要測(cè)擴(kuò)增子，它一般要求讀長比較長，所以只有Hiseq 2500和Novaseq 6000能測(cè)P250的模式，比較適合擴(kuò)增子的研究。

最后面兩款是三代測(cè)序儀，一個(gè)是Pacbio，一個(gè)是Nanopore。它們的讀長是有絕對(duì)的優(yōu)勢(shì)的，可以測(cè)到幾十K甚至是幾百K。

它們目前還受到測(cè)序準(zhǔn)確度比較低，以及相應(yīng)的配套軟件和算法還在開發(fā)中，各種不成熟的困擾，但它們一定是明日之星。

我們選擇了測(cè)序平臺(tái)之后，我們就來介紹一下這個(gè)領(lǐng)域重要的軟件。

軟件特別多，至少有幾十款，上百款都有。但是我就挑了這三個(gè)代表性的人物，因?yàn)樗麄兠總€(gè)人都有一款近幾年被引用近萬次的軟件。

第一款就是密蘇里大學(xué)的Patrick D. Schloss開發(fā)的，叫做Mothur。

在他之前，只有極少數(shù)的實(shí)驗(yàn)室能夠掌握擴(kuò)增子的分析技術(shù)。他之前開發(fā)過叫Son、Daughter，就是兒子、女兒的各種軟件，都是為擴(kuò)增子開發(fā)的。

他后來開發(fā)了Mothur，把這“一家人”裝在一起了，是一個(gè)完整的流程，我們可以從頭到尾的分析擴(kuò)增子數(shù)據(jù)。

然后在2010年的時(shí)候，Rob Knight教授也發(fā)布了一款整合了200多個(gè)軟件的擴(kuò)增子流程，叫做QIIME 。QIIME pipeline是真正的推動(dòng)這個(gè)領(lǐng)域走進(jìn)了尋常百姓家，QIIME目前也引用了有1.5萬次。

其實(shí)這個(gè)領(lǐng)域有兩個(gè)流程建立之后，我們可以分析了。但其實(shí)流程中的很多細(xì)節(jié)還不完善，還有待進(jìn)一步開發(fā)。

這時(shí)我就介紹第三位大佬，Robert Edgar。他還不是一位教授，他也沒有單位，他就坐在家里頭搞科學(xué)研究，自稱獨(dú)立研究員，為這個(gè)領(lǐng)域做出了巨大的貢獻(xiàn)。

他在2010年的時(shí)候，發(fā)布了一款Usearch的軟件，就是在序列比對(duì)上特別快速，較傳統(tǒng)的Blast方法能夠快10倍到1000倍。

這個(gè)軟件在擴(kuò)增子和宏基因組都有較多的應(yīng)用。他后來在擴(kuò)增子分析的多個(gè)流程、步驟中都進(jìn)行極大的改善。

比如他發(fā)明UCHIME算法，也是去嵌合體的經(jīng)典算法；然后他發(fā)明UPARSE算法，也是被作為OTU聚類和代表性序列挑選的金標(biāo)準(zhǔn)；而且他后來推出了UNOISE算法，對(duì)Illumina測(cè)序的錯(cuò)誤去噪進(jìn)行了一個(gè)很好的改善。

他目前的個(gè)人引用達(dá)到了6萬多次。

因?yàn)闆]有科研經(jīng)費(fèi)的支持，他就把Usearch改編成了一個(gè)有200多個(gè)功能的微生物組的分析流程，變成一個(gè)收費(fèi)的軟件。如果你要分析大數(shù)據(jù)的話，就可以購買他這個(gè)64位的軟件。

我們現(xiàn)在也跟他合作，聯(lián)合開發(fā)它的中文版，希望同行能更方便的使用。

因?yàn)樗鞘召M(fèi)的，如果你要沒有足夠的經(jīng)費(fèi)，沒有買這個(gè)更好的軟件，你可以用一個(gè)免費(fèi)版。是因?yàn)橛幸粋€(gè)作者開發(fā)一個(gè)叫做Vsearch的軟件，就是模仿Usearch的絕大部分功能，寫了一個(gè)免費(fèi)版，大家可以使用。

從2016年起，Rob Knight又發(fā)起建立QIIME2，因?yàn)镼IIME1的框架已經(jīng)滿足不了當(dāng)前的需求了。

很有幸，他也召集了我參與到這個(gè)項(xiàng)目中。這個(gè)項(xiàng)目下個(gè)月（2019年8月）就會(huì)在Nature Biotechnology正式見刊，到時(shí)候大家如果用它的話，就可以優(yōu)雅地引用這個(gè)軟件。

上面這些軟件主要是把大數(shù)據(jù)轉(zhuǎn)到大表，我們的下游的統(tǒng)計(jì)和可視化，需要在R里來完成。其實(shí)你不用去編程，你只要使用別人現(xiàn)成的函數(shù)，直接可視化你的數(shù)據(jù)就可以了。

這里推薦三個(gè)比較好用的微生物領(lǐng)域分析的包。

一個(gè)是vegan，它在多樣性分析和環(huán)境因子的關(guān)聯(lián)上有很多非常成熟的函數(shù)和體系；還有一個(gè)就是phyloseq，它把進(jìn)化樹的信息整合進(jìn)來了，你可以做比較漂亮的關(guān)于進(jìn)化的探討和一些美化；還有microbiome這個(gè)包，它在跟多組學(xué)關(guān)聯(lián)還有跟表型的關(guān)聯(lián)上，有一些自定義的函數(shù)可以使用。

其實(shí)這些軟件分析的結(jié)果可能也就是幾十種，但我們?cè)谖恼吕飼?huì)發(fā)現(xiàn)有上百種甚至上千種不同的分析，那它們是如何實(shí)現(xiàn)的呢？

你如果看見圖，你不知道如何實(shí)現(xiàn)，怎么辦呢？其實(shí)我們可以看他的文章，他發(fā)表的時(shí)候雖然沒有發(fā)表一個(gè)成熟的軟件，但他是把代碼分享出來的，這些代碼就放在Github上。

這里面，我搜集整理了一些能夠分享代碼的課題組，他們有很多文章都在他們的Github上面。

如果看到他們的文章有相關(guān)的分析，你也不用自己去編，用這些現(xiàn)成代碼去直接運(yùn)行一下他的測(cè)試項(xiàng)目，然后再稍微改改，應(yīng)用到自己的課題上，可以節(jié)約大量的時(shí)間。

我在兩年前，經(jīng)過了一年多的積累，也記了好多的筆記，我就想如果把它們分享出來，應(yīng)該對(duì)同行有很多幫助，就創(chuàng)辦了一個(gè)《宏基因組》公眾號(hào)。

我堅(jiān)持了兩年多，每天都沒有停歇。這700多天里發(fā)布了400多篇原創(chuàng)的文章，總共書寫了200多萬字，其中包括擴(kuò)增子的入門的圖表解讀、分析流程和繪圖的教程（三部曲）21篇。

還有QIIME2的官方中文文檔有18篇，還有一些宏基因組的分析流程，還有300多篇相關(guān)的綜述\文獻(xiàn)解讀。

目前我的公眾號(hào)有五萬多同行的關(guān)注，有800多萬的閱讀量。

當(dāng)時(shí)其實(shí)我只想建一個(gè)500人的圈子。

結(jié)果發(fā)展兩年，現(xiàn)在應(yīng)該有了5萬多人。我也見識(shí)到我們國內(nèi)這個(gè)領(lǐng)域到底有多大。

目前我們公眾號(hào)有30多位國內(nèi)外的同行投稿，我們現(xiàn)在也有一個(gè)穩(wěn)定的團(tuán)隊(duì)和稿源。

我也歡迎廣大同行分享你的經(jīng)驗(yàn)、你的成果解讀和技術(shù)方法。其實(shí)你把這個(gè)東西整理出來、發(fā)表出來之后，你從別人角度去寫成一個(gè)教程的時(shí)候，你對(duì)自己的提高是特別大的。

這兩年，我在這個(gè)公眾號(hào)上也花費(fèi)了大量時(shí)間。每年可能要花費(fèi)上千小時(shí)的時(shí)間去整理這些資料。

有人說，那你整理這些資料，你還有時(shí)間去做科研嗎？其實(shí)這些都是用我的業(yè)余時(shí)間完成的，我的主要任務(wù)還是做科研。

工作三年，我也經(jīng)歷了文章投稿，被拒，就連送審都不送審；然后文章投稿，被大修；然后文章投稿，接收，這三個(gè)過程。

近一年多，我有七篇文章被接收，包括一篇Science和兩篇Nature Biotechnology，累計(jì)影響因子有130多分。其中兩篇文章也被選為封面文章，也是雜志社對(duì)我們分析的一個(gè)認(rèn)可。

我們也在想，怎么樣讓沒有編程基礎(chǔ)的人用好這些R語言的圖，讓他們更好地展示自己的數(shù)據(jù)呢？

我也和我的同行們開發(fā)了一個(gè)網(wǎng)站，叫ImageGP，提供R語言在線繪制。20多種常見的圖，還有一些微生物常見的分析，我們都把它實(shí)現(xiàn)了在線化。

舉個(gè)例子，你把數(shù)據(jù)粘貼在這，點(diǎn)一下plot，就可以繪制出相應(yīng)的圖表。

我們將來進(jìn)一步還會(huì)開放它的源代碼，你可以用我們這個(gè)網(wǎng)站來寫一個(gè)繪圖的代碼的框架，你在技術(shù)上可以進(jìn)一步改。

最后我再總結(jié)一下我這個(gè)報(bào)告的主要內(nèi)容，就講微生物組數(shù)據(jù)分析，到底我們需要掌握哪些基本思想、工作環(huán)境、基本技能以及工具選擇的經(jīng)驗(yàn)。

要入門微生物組數(shù)據(jù)分析的話，我們研究的基本步驟就主要是這四個(gè)——采樣、測(cè)序、數(shù)據(jù)分析和統(tǒng)計(jì)可視化。

我們分析的基本思想，其實(shí)就是三步走，我們要從大數(shù)據(jù)降維到大表，從大表再降維到小表，從小表再可視化成圖。

我們?nèi)绾蝸韺?shí)現(xiàn)呢？其實(shí)你只要掌握一個(gè)軟件，就是Rstudio這個(gè)軟件。在這個(gè)環(huán)境里，可以管理shell的流程，可以管理R語言的統(tǒng)計(jì)和繪圖。

而且項(xiàng)目是可重復(fù)的，你如果在做類似一個(gè)項(xiàng)目，你只要把數(shù)據(jù)一替換，點(diǎn)一下Run，你的同樣的結(jié)果就會(huì)出來了，這是非常提高工作效率的一種工作方式。

在軟件的選擇上，如果你是新人剛上手的話，就推薦使用Usearch。但它是收費(fèi)的，如果經(jīng)費(fèi)允許的話，還是建議可以購買。

如果你想使用免費(fèi)版，可以使用Vsearch。你是Windows電腦、Mac電腦都可以用，它是跨平臺(tái)的。

如果你是有一定基礎(chǔ)的話，你拓展一些它沒有的分析的話，你可以學(xué)習(xí)QIIME2。QIIME2只能是在Linux系統(tǒng)上使用。也有人用Mothur，這個(gè)我倒不是很熟悉。

在可視化方面，推薦大家必用的兩個(gè)包，一個(gè)是vegan，一個(gè)是phyloseq。

我們即使找不到的一些分析方法，也可以去看文章，找那些文章中有附帶代碼的文章。

如果你還是看代碼看得就頭疼，你很討厭代碼，也沒關(guān)系，現(xiàn)在有很多在線的平臺(tái)，你可用在線平臺(tái)去分析數(shù)據(jù)，然后去繪圖。

但記住，在線平臺(tái)在簡(jiǎn)單的同時(shí)，也在捆住了你的手腳，也限制了你分析的自由度。只有開放代碼才是無所不能的。

最后推薦大家一個(gè)習(xí)慣，就是我們要養(yǎng)成分享和記錄筆記的習(xí)慣。推薦大家用有道云筆記、為知筆記，記這種Markdown格式的電子筆記。

因?yàn)樗羌兾谋镜?，無論筆記有多多，我們都能檢索。另一個(gè)就是，你學(xué)會(huì)了，你自己會(huì)用了，你把你的筆記整理成一篇教程，能夠幫助同行更節(jié)約時(shí)間去學(xué)習(xí)。

把它分享在平臺(tái)上幫助更多人，表面上是一個(gè)很浪費(fèi)時(shí)間的工作，但其實(shí)如果你整理分享出來的話，對(duì)你自己是一個(gè)提高。你從一個(gè)學(xué)生的層面變成一個(gè)老師的層面，你的能力和各方面提高是不言而喻的。

最后分享一張圖，這個(gè)盲人摸象的故事，大家應(yīng)該都很熟悉。

其實(shí)我這15年做科研，最大的一個(gè)感悟就是，我們做科研其實(shí)跟盲人摸象是完全一樣的。

早先在單基因研究的時(shí)代，我們克隆個(gè)基因，研究個(gè)功能，說這個(gè)有什么功能，其實(shí)像盲人摸象一樣，我們只能以點(diǎn)帶面了。

但是我們現(xiàn)在在組學(xué)時(shí)代，我們一次測(cè)序可以拿到腸道微生物的上千萬的基因。但是我們真的就是以上帝視角全面的看大象嗎？其實(shí)不是的，我們?nèi)匀皇敲と嗣蟮臓顟B(tài)。

因?yàn)槿绻銣y(cè)了多組學(xué)，比如你測(cè)了宏基因組，又有宏轉(zhuǎn)錄組，又有代謝組，你會(huì)發(fā)現(xiàn)不同組學(xué)之間，數(shù)據(jù)結(jié)果是不一樣的，有的甚至是矛盾沖突的。

但是如果你見過這張圖，你就知道每個(gè)技術(shù)只是一個(gè)看問題的角度，所以說它們是不沖突的。這樣的話可以能更好地理解我們的結(jié)果。

最后，祝大家能夠帶著懷疑的精神去科研，勇敢地挖掘你的微生物組數(shù)據(jù)。讓我們更好地探索人類和微生物的關(guān)系，讓我們生活變得更美好。

最后謝謝在場(chǎng)的所有的老師和同學(xué)，也感謝熱心腸的邀請(qǐng)。

謝謝大家！