Protein & Cell | 微生物组R语言分析的推荐实践

近日，基因组所刘永鑫课题组联合南京农业大学袁军课题组在《蛋白质与细胞（ Protein & Cell）》 (IF = 21.1) 发表了题为“The best practice for microbiome analysis using R”的综述论文，建立了微生物组分析的R语言代码库EasyMicrobiomeR，助力微生物组学发展。

随着测序技术的逐步成熟，许多微生物组研究成果相继发表，推动了相关分析工具的出现和发展。R语言是目前广泛使用的用于微生物数据分析的平台，具有强大的功能。然而，数以万计的R包和无数类似的分析工具给许多研究人员挖掘微生物组数据带来了重大挑战。如何从众多的R包中选择合适、高效、方便、易学的工具已经成为许多微生物组研究人员面临的问题。为此，本文整理了324个用于微生物组分析的常用R包(图1)，并根据应用类别(多样性、差异性、生物标志物、相关性和网络、功能预测等)对其进行分类，以帮助研究人员快速找到用于微生物组分析的相关R包(图2)。

图1. 基于R语言的324个常用R包进行微生物组数据挖掘的过程。特别关注了六个微生物组分析集成R包（phyloseq,  microbiome, MicrobiomeAnalystR, Animalcules, microeco,  amplicon）。并提出了基于R语言进行微生物组分析的流程，相关代码都可以在 https://github.com/taowenmicro/EasyMicrobiomeR 获取。

图2. R语言中微生物群落分析的实践结果实例。

我们期待R语言能使微生物组分析更加高效，帮助大家发现更多关于微生物在人类、动物、植物和环境中的作用，并利用微生物为我们造福，使世界变得更加美好。

南京农业大学博士后文涛和博士研究生牛国庆为该论文的共同第一作者，基因组所刘永鑫研究员和南京农业大学袁军教授为共同通讯作者。该论文得到了中国农科院创新工程、国家自然科学基金等项目资助。

原文链接：https://academic.oup.com/proteincell/article/14/10/713/7147618