Comparison of iSeq and Miseq in 16S rRNA sequencing-based human gut microbiome analysis
Notice bibliographique
Résumé
Illumina's MiSeq platform is a common approach in 16S-based microbiome analysis. Such usage is self-perpetuating in that many studies seek to employ widely used approaches to facilitate comparison of their results to existing literature. Yet, a range of factors, including cost and equipment availability can necessitate alternate approaches. For example, use of a Nano kit, lowers reagent costs by over 60% while others may only have access to entry-level sequencers such as Illumina's iSeq. The extent to which these approaches would impact results and subsequently conclusions is unknown. Attempting to address this question from the literature is complicated in that various studies not only use distinct cohorts but also differ in the reagents/methodologies to used to isolate DNA and generate sequencing libraries. Hence, we sequenced a single 16S rRNA gene amplicon library derived from 60 fecal samples, collected during a dietary supplement intervention study via MiSeq, MiseqNano, and iSeq. We evaluated platform performance by several key measurements: alpha diversity, beta diversity, taxonomic composition, and differential taxonomic abundance analysis. We found that iSeq outperformed MiSeq-Nano in alpha diversity and differential abundance detection, while MiSeq-Nano provided better taxonomic resolution than iSeq. Most importantly, all platforms showed similar core biological patterns in alpha and beta diversity and overall taxonomic composition. Thus, MiSeq, MiseqNano, and iSeq are likely to yield the same biological conclusions although specific questions and logistical consideration may favor one of these approaches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».