https://doi.org/10.1007/978-1-4939-8728-3

《微生物组分析》第二版于2018年末更新啦！电子书价格 130.89欧元。订阅Springer的用户可直接访问DOI下载电子版。单位没有订阅的小伙伴，下载方法见文末。

https://link.springer.com/book/10.1007/978-1-4939-8728-3

本书作者

• Robert G. Beiko

加拿大，达尔豪斯大学，计算机系(
Faculty of Computer Science, Dalhousie University, Halifax, NS, Canada)

你可能不记得Beiko是谁，但你一定用过它编写的微生物组分析软件STAMP

STAMP——微生物组间差异统计分析 简明教程 中文帮助文档

• Will Hsiao

加拿大，英属哥伦比亚大学，病理与实验医学系(Department of Pathology & Laboratory Medicine, University of British Columbia,
Vancouver, BC, Canada)

• John Parkinson

加拿大，儿童医院，分子医学项目(
Program in Molecular Medicine, The Hospital for Sick Children, Toronto, ON, Canada;)

加拿大，多伦多大学，生化与分子遗传系(
Department of Biochemistry and Department of Molecular Genetics, University of Toronto,
Toronto, ON, Canada)

目录导读

中文简介

1. 描述深地表下微生物组的样式
2. 淡水病毒组：从采样到评估
3. 利用18S扩增子测序鉴定真核微生物组
4. 呼吸道微生物组的培养和分子水平研究
5. 母乳微生物群的研究方法和策略
6. 使用选择反应监测质谱法定量海洋微生物系统中维生素B12相关蛋白
7. 微生物暗物质的单细胞基因组学
8. QIIME2 分析16S rRNA基因
9. 用微生物组助手流程处理16S rRNA基因测序数据集
10. 微生物组分析数据的标准化
11. 使用PICRUSt标记基因预测微生物组的功能潜能
12. 宏基因组的组装和重叠群的分配
13. 从转录组到生物学推断：使用宏转录组成型数据分析
14. 基因组精度的亚采样组装和杂交核苷酸组成/宏基因组的差异覆盖度区域分箱
15. 跨界网络：识别宿主-微生物组相互作用因果成员的系统生物学方法
16. 在R中构建和分析微生物组网络
17. 利用Biomico宏基因组数据中推断微生物群落结构
18. 分析微生物组的代谢途径
19. 利用高维宏基因组数据建立分类群鉴定的稀疏处理效应模型

看看以上内容，是不是每一条都干货满满！

1 Characterizing the Deep Terrestrial Subsurface Microbiome . . . . . . . . . . . . . . . . . 1
Rebecca A. Daly, Kelly C. Wrighton, and Michael J. Wilkins
2 Freshwater Viromes: From Sampling to Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . 17
Catherine Putonti, Zoe¨ Diener, and Siobhan C. Watkins
3 Characterization of Eukaryotic Microbiome Using 18S
Amplicon Sequencing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Ana Popovic and John Parkinson
4 Culture and Molecular Profiling of the Respiratory Tract Microbiota. . . . . . . . . . 49
Fiona J. Whelan, Laura Rossi, Jennifer C. Stearns,
and Michael G. Surette
5 Methods and Strategies to Examine the Human Breastmilk Microbiome . . . . . . 63
Lauren LeMay-Nedjelski, Julia Copeland, Pauline W. Wang,
James Butcher, Sharon Unger, Alain Stintzi, and Deborah L. O’Connor
6 Quantification of Vitamin B12-Related Proteins in Marine
Microbial Systems Using Selected Reaction Monitoring
Mass Spectrometry . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Erin M. Bertrand
7 Single-Cell Genomics of Microbial Dark Matter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Christian Rinke
8 16S rRNA Gene Analysis with QIIME2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Michael Hall and Robert G. Beiko
9 Processing a 16S rRNA Sequencing Dataset with the Microbiome
Helper Workflow. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Gavin M. Douglas, Andre′ M. Comeau, and Morgan G. I. Langille
10 Normalization of Microbiome Profiling Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Paul J. McMurdie
11 Predicting the Functional Potential of the Microbiome
from Marker Genes Using PICRUSt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
Gavin M. Douglas, Robert G. Beiko, and Morgan G. I. Langille
12 Metagenome Assembly and Contig Assignment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Qingpeng Zhang
13 From RNA-seq to Biological Inference: Using Compositional
Data Analysis in Meta-Transcriptomics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Jean M. Macklaim and Gregory B. Gloor
14 Subsampled Assemblies and Hybrid Nucleotide
Composition/Differential Coverage Binning for Genome-Resolved
Metagenomics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
Laura A. Hug
15 Transkingdom Networks: A Systems Biology Approach to Identify
Causal Members of Host–Microbiota Interactions . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Richard R. Rodrigues, Natalia Shulzhenko, and Andrey Morgun
16 Constructing and Analyzing Microbiome Networks in R . . . . . . . . . . . . . . . . . . . . 243
Mehdi Layeghifard, David M. Hwang, and David S. Guttman
17 Bayesian Inference of Microbial Community Structure
from Metagenomic Data Using BioMiCo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
Katherine A. Dunn, Katelyn Andrews, Rana O. Bashwih,
and Joseph P. Bielawski
18 Analyzing Metabolic Pathways in Microbiomes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Mobolaji Adeolu, John Parkinson, and Xuejian Xiong
19 Sparse Treatment-Effect Model for Taxon Identification
with High-Dimensional Metagenomic Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Zhenqiu Liu and Shili Lin

实战代码示例

分析代码有github链接

如：https://github.com/beiko-lab/mimb_16S

#!/bin/bash

# fetchFastq.sh must be run first!

#This command imports the FASTQ files into a QIIME artifact
qiime tools import --type 'SampleData[PairedEndSequencesWithQuality]' --input-path sequence_data/import_to_qiime --output-path reads

#Using DADA2 to analyze quality scores of 10 random samples
qiime demux summarize --p-n 10000 --i-data reads.qza --o-visualization qual_viz

#Denoising with DADA2. Using quality score visualizations, you can choose trunc-len-f and trunc-len-r (note: sequences < trunc-len in length are discarded!)
# The drop-off for the forward reads was not so bad, but there is a significant drop-off in quality for the reverse reads, so let's trim 10bp
qiime dada2 denoise-paired --i-demultiplexed-seqs reads.qza --o-table table --o-representative-sequences representative_sequences --o-denoising-stats denoise_stats --p-trunc-len-f 150 --p-trunc-len-r 140 --p-trim-left-f 19 --p-trim-left-r 20 --p-n-threads 3

#This visualization shows us the sequences/sample spread
qiime feature-table summarize --i-table table.qza --o-visualization table_summary

#Filter out sequences with few samples
qiime feature-table filter-samples --i-table table.qza --p-min-frequency 5000 --o-filtered-table filtered_table

qiime feature-table summarize --i-table filtered_table.qza --o-visualization filtered_tab

这么好的教材和速查手册，赶快下载学习或收藏备用吧！

还没关注“宏基因组”的扫描下方二维码关注吧

领取方法，分享此文至朋友圈或同行微信群，截图发至“宏基因组”公众号后台，即可领取。

猜你喜欢

• 10000+: 菌群分析
  宝宝与猫狗 提DNA发Nature 实验分析谁对结果影响大  Cell微生物专刊 肠道指挥大脑
• 系列教程：微生物组入门 Biostar 微生物组  宏基因组
• 专业技能：生信宝典 学术图表 高分文章 不可或缺的人
• 一文读懂：宏基因组 寄生虫益处 进化树
• 必备技能：提问 搜索  Endnote
• 文献阅读 热心肠 SemanticScholar Geenmedical
• 扩增子分析：图表解读 分析流程 统计绘图
• 16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun
• 在线工具：16S预测培养基 生信绘图
• 科研经验：云笔记  云协作 公众号
• 编程模板: Shell  R Perl
• 生物科普: 肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA