研选宏基因组测序
产品详情
文献和实验
研选推荐
产品简介
宏基因组 ( Metagenome)：即环境中全部微小生物遗传物质的总和。基于高通量测序平台，以特定环境下微生物群体基因组作为研究对象，分析微生物多样性、群落结构、进化关系、功能特征、与环境之间的相互关系等。包含了可培养的和不可培养的微生物的基因，目前主要在基因功能注释、功能基因挖掘、人类疾病发生、养分循环利用等相关领域具有广泛应用。
产品优势
可获得99%不可分离培养微生物遗传信息。
可获得环境样本中物种多样性和功能基因多样性。
基于宏基因组数据，binning出更完整的细菌基因组
技术路线
结果展示
物种分布柱状图
该图展示了在界、门、纲、目、科、属、种不同分类学水平上的物种柱状图，从图中可以直观看出各样品的物种组成及不同物种在各样品中所占的比例。
样本与物种（功能）Circos图
Circos样本与物种（功能）关系图是一种描述样本与物种（或功能）之间对应关系的可视化圈图，该图不仅反映每个样品的优势物种（或功能）组成比例，也反映各优势物种（或功能）在不同样品之间的分布比例。
eggNOG功能基因功能分类统计图
通过将非冗余基因的蛋白序列和eggNOG数据库进行BLAST比对，找到在eggNOG数据库中最相似的序列，该序列对应的注释信息和分类信息即为对应测序基因组基因的注释信息和分类信息。
碳水化合物酶含量气泡图
CAZy功能注释中，各样品注释到的各个分类学水平碳水化合物酶的个数统计如图所示。横坐标为样品名称；纵坐标为不同的类别或酶。图中圆圈越大，代表相对含量越高。
随机森林分析
随机森林分析(Random Forest分析)，属于机器学习算法，是一个包含多棵决策树的分类器,可以基于原有样品分类高效快速挑选出对分类最为重要的物种类别（biomarker）。
差异功能丰度热图
功能基因组间差异分析可以反应出不用组间相同的功能基因的丰度差异，横坐标代表不同的样本，纵坐标代表不用的功能基因，颜色深浅代表功能基因的丰度。
常见问题
Q1：宏基因组研究目的？
A：微生物数量多而复杂，在多数条件下 ，无法模拟和重现其生活的原始环境条件，致使环境中仍有99%的微生物不能得到纯培养。 较传统的分类学研究手段，宏基因组操作更简单，能够一次获得大量数据。较微生物多样性测序技术，宏基因组研究的物种更完整，分辨率较高，物种鉴定准确度高，功能分析更完善。较宏转录组测序技术，宏基因组对样本要求较低，更容易构建高质量文库，价钱更低。
Q2：宏基因组推荐测序数据量？
A：一般建议测6G数据量，环境样本中若微生物丰富，建议测10G甚至以上。一般肠道内容物和粪便样本建议测6G数据量，土壤样本建议测10G数据量。
Q3：什么是宏基因组binning？
A：根据序列的特征（核酸组成和序列丰度）通过分类算法将来自于同一基因组或同一分类单元的序列(reads、contig、gene)进行分类，从而实现从环境微生物群落中构建菌株水平(或更高级别分类单元)的草图基因组(或泛基因组)。Binning的含义是分箱、聚类，指从微生物群体序列中将不同个体的序列（reads或contigs等）分离开来的过程。简单来说就是把宏基因组数据中来自同一菌株的序列聚到一起，得到一个菌株的基因组。可以达到菌株水平。
宏基因组 ( Metagenome)：即环境中全部微小生物遗传物质的总和。基于高通量测序平台，以特定环境下微生物群体基因组作为研究对象，分析微生物多样性、群落结构、进化关系、功能特征、与环境之间的相互关系等。包含了可培养的和不可培养的微生物的基因，目前主要在基因功能注释、功能基因挖掘、人类疾病发生、养分循环利用等相关领域具有广泛应用。
产品优势
可获得99%不可分离培养微生物遗传信息。
可获得环境样本中物种多样性和功能基因多样性。
基于宏基因组数据，binning出更完整的细菌基因组
技术路线
结果展示
物种分布柱状图
该图展示了在界、门、纲、目、科、属、种不同分类学水平上的物种柱状图，从图中可以直观看出各样品的物种组成及不同物种在各样品中所占的比例。
样本与物种（功能）Circos图
Circos样本与物种（功能）关系图是一种描述样本与物种（或功能）之间对应关系的可视化圈图，该图不仅反映每个样品的优势物种（或功能）组成比例，也反映各优势物种（或功能）在不同样品之间的分布比例。
eggNOG功能基因功能分类统计图
通过将非冗余基因的蛋白序列和eggNOG数据库进行BLAST比对，找到在eggNOG数据库中最相似的序列，该序列对应的注释信息和分类信息即为对应测序基因组基因的注释信息和分类信息。
碳水化合物酶含量气泡图
CAZy功能注释中，各样品注释到的各个分类学水平碳水化合物酶的个数统计如图所示。横坐标为样品名称；纵坐标为不同的类别或酶。图中圆圈越大，代表相对含量越高。
随机森林分析
随机森林分析(Random Forest分析)，属于机器学习算法，是一个包含多棵决策树的分类器,可以基于原有样品分类高效快速挑选出对分类最为重要的物种类别（biomarker）。
差异功能丰度热图
功能基因组间差异分析可以反应出不用组间相同的功能基因的丰度差异，横坐标代表不同的样本，纵坐标代表不用的功能基因，颜色深浅代表功能基因的丰度。
常见问题
Q1：宏基因组研究目的？
A：微生物数量多而复杂，在多数条件下 ，无法模拟和重现其生活的原始环境条件，致使环境中仍有99%的微生物不能得到纯培养。 较传统的分类学研究手段，宏基因组操作更简单，能够一次获得大量数据。较微生物多样性测序技术，宏基因组研究的物种更完整，分辨率较高，物种鉴定准确度高，功能分析更完善。较宏转录组测序技术，宏基因组对样本要求较低，更容易构建高质量文库，价钱更低。
Q2：宏基因组推荐测序数据量？
A：一般建议测6G数据量，环境样本中若微生物丰富，建议测10G甚至以上。一般肠道内容物和粪便样本建议测6G数据量，土壤样本建议测10G数据量。
Q3：什么是宏基因组binning？
A：根据序列的特征（核酸组成和序列丰度）通过分类算法将来自于同一基因组或同一分类单元的序列(reads、contig、gene)进行分类，从而实现从环境微生物群落中构建菌株水平(或更高级别分类单元)的草图基因组(或泛基因组)。Binning的含义是分箱、聚类，指从微生物群体序列中将不同个体的序列（reads或contigs等）分离开来的过程。简单来说就是把宏基因组数据中来自同一菌株的序列聚到一起，得到一个菌株的基因组。可以达到菌株水平。
北京果壳生物科技有限公司
实名认证
金牌会员
入驻年限：6年
