A novel method for determining microflora composition using dynamic phylogenetic analysis of 16S ribosomal RNA deep sequencing data.
A novel method for determining microflora composition using dynamic phylogenetic analysis of 16S ribosomal RNA deep sequencing data.
复制标题
DOI：
10.1016/j.ygeno.2011.04.002
复制
发表时间：
2011-10
期刊：
影响因子：
4.4
通讯作者：
Serre, David
中科院分区：
文献类型：
--
作者：
Chan, Ernest R.;Hester, James;Kalady, Matthew;Xiao, Hui;Li, Xiaoxia;Serre, David
16S rRNA基因的深度测序提供了特定环境中细菌群落的全面视图，并扩大了我们研究微生物区系对人类健康和疾病影响的能力。目前的分析方法依赖于与扩展但有限的一组注释的16S rRNA序列或基于任意相似性截止值的序列的遗传聚类生成的序列的比较。我们描述了一种新的方法来表征细菌的组成，使用16S rRNA基因的深度测序。我们的方法定义操作分类单位的基础上系统发育树重建和动态聚类的序列，仅使用测序数据。这些OTU可用于识别环境之间细菌丰度的差异。这种方法可以比以前的系统发育方法更好地执行，并将显着提高我们对人类疾病的微生物的作用的理解，通过提供一个全面的分析，从各种细菌群落的微生物组成。
Deep sequencing of the 16S rRNA gene provides a comprehensive view of bacterial communities in a particular environment and has expanded our ability to study the impact of the microflora on human health and disease. Current analysis methods rely on comparisons of the sequences generated with an expanding but limited set of annotated 16S rRNA sequences or phylogenic clustering of sequences based on arbitrary similarity cutoffs. We describe a novel approach to characterize bacterial composition using deep sequencing of 16S rRNA gene. Our method defines operational taxonomic units based on phylogenetic tree reconstruction and dynamic clustering of sequences using solely sequencing data. These OTUs can be used to identify differences in bacteria abundance between environments. This approach can perform better than previous phylogenetic methods and will significantly improve our understanding of the microfloral role on human diseases by providing a comprehensive analysis of the microbial composition from various bacterial communities.
登录
查看更多内容
影响因子：
10.7
作者：
Price MN;Dehal PS;Arkin AP
通讯作者：
Arkin AP
影响因子：
3.7
作者：
Claesson MJ;O'Sullivan O;Wang Q;Nikkilä J;Marchesi JR;Smidt H;de Vos WM;Ross RP;O'Toole PW
通讯作者：
O'Toole PW
影响因子：
3.7
作者：
Hong PY;Lee BW;Aw M;Shek LP;Yap GC;Chua KY;Liu WT
通讯作者：
Liu WT
影响因子：
56.9
作者：
Gill, Steven R.;Pop, Mihai;Nelson, Karen E.
通讯作者：
Nelson, Karen E.
影响因子：
14.9
作者：
Cole JR;Wang Q;Cardenas E;Fish J;Chai B;Farris RJ;Kulam-Syed-Mohideen AS;McGarrell DM;Marsh T;Garrity GM;Tiedje JM
通讯作者：
Tiedje JM