【原】一文读懂LEFSE:组间Marker筛选好工具

LEFSE分析即LDA Effect Size分析，是一种用于发现生物标识(Biomarker)的分析工具，可用于两个或多个组的比较，所查找的生物标识可以是OTU、菌种、通路等各种类型。目前被广泛的应用于微生物多样性分析中。

LEFSE官方地址：

https://github.com/biobakery/lefse

https://pubmed.ncbi.nlm./21702898/

本文分为以下几个章节，详解了Lefse的使用和功能:

1. LEFSE软件的下载及安装

2. LEFSE输入文件的准备

3. LEFSE运行命令详解

4. 在线LEFSE运行方法

1、LEFSE软件下载及安装

方法一：

使用Conda安装的方法：

conda install -c biobakery lefse

Conda的安装方法，可参考前贴《善用Bioconda，管理好自己的Linux工具库》

方法二：

使用Docker安装的方法

docker run -it biobakery/lefse bash

Docker的安装和使用方法，可参考前贴《Docker安装实战记录》

2、LEFSE输入文件的准备

注：lefse其实运行起来很简单，但是其对于输入文件格式还是有一定要求的。如果输入文件错误，那无论是怎么都运行不出来结果的。因此对于输入文件的准备，本文单独列出强调。

请注意

注意1：输入文件建议是文本文件（*.txt）。其他格式也不是不可以，但对于不熟悉的同学使用时很容易出错误，txt比较保险。

注意2：输入文件内容一定是矩阵文件！每行为一个指标。每列为一个样本。

注意3：矩阵文件的间隔符（每列和每列的间隔）一定是tab键的制表符，不能是其他符号，比如空格、逗号等，都不可以。

注意4：对于在所有样本中总计为0的指标（简单的理解，就是该菌or物种在所有样本中都不存在），需要删除该行。

注意5：每行（每个指标）在样本中的数值应为百分比，而不是绝对数。如为绝对数，需要先行均一化。

注意6：输入文件的格式决定了后期分析时的参数。如第一行为样本名，则分析时-u参数需设置为1；第二行为分组名，则分析时-c 参数需设置为2.

示例输入文件如下所示：

3、LEFSE程序的运行及命令详解

第一步：启动运行环境（对于bioconda安装的用户，此步必需）

source activate lefse

第二步：处理输入文件

lefse-format_input.py <Inputfile> <Outputfile> -c 2 -u 1 -o 1000000##示例# lefse-format_input.py input.txt input.lefse -c 2 -u 1 -o 1000000

第三步：计算各feature的LDA值

run_lefse.py <Inputfile> <Outputfile>##示例# run_lefse.py input.lefse input.lda

注: 默认LDA值cutoff为2，如需调整，可使用-l 参数。

第四步：绘制LDA柱状图

lefse-plot_res.py input.lda input.png

如需要pdf格式的图，可使用参数--format pdf

柱状图只显示LDA大于cutoff（默认为2）的指标，如为两个组标记，则反向显示不同组的指标，但如果是多个组（3组及以上），则不再区分方向，仅用颜色标记。

两组比较LDA柱状图：

多组比较LDA柱状图:

第五步：绘制进化分支图

如我们使用的feature是菌种或菌属，那么筛选出来的具有组间特异性的marker（也就是某几个菌种）在进化上有可能是相同的或有一定的分布特点，我们可以通过绘制进化分支图来查看。

lefse-plot_cladogram.py input.res input.cladogram.png --format png

如需要pdf格式的图，可使用参数--format pdf

第六步：绘制各marker的丰度分布柱状图（一个marker一张图）

lefse-plot_features.py input.lefse input.lda outputfiledir#示例 lefse-plot_features.py input.lefse input.lda ./

4、在线运行LEFSE

不想或不会命令行操作的同学们可以选择在线运行LEFSE软件。方法如下：

第一步:访问网址 

http:///galaxy/

第二步:上传数据

点击左侧菜单页的"Get Data"上传数据。

再次提醒注意文件格式！

第三步:开始分析

点击左侧菜单栏“LEFSE”，安装ABCDEF的顺序依次操作

结果既可以在线查看，也可以下载保存。

每一天获得一点微小的收获和进步。小确幸的科研也很好。与君共勉！ 

微信号：

Mypathogen

微微悦明

科学的乐趣是获得新知识的喜悦

高通量测序、大数据

病原微生物检测和监测

健康大数据行业资讯记录与分享