--- title: "Metagenómica" output: rmarkdown::html_vignette: toc: true toc_depth: 3 fig_caption: true bibliography: references.bib link-citations: true vignette: > %\VignetteIndexEntry{Metagenómica} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r setup, include=FALSE} knitr::opts_chunk$set( fig.align = "center", out.width = "100%", fig.width = 7, fig.height = 5, dpi = 96 ) ``` 🍄 Este tutorial muestra cómo usar `MicroBioMeta` con datos de **metagenómica shotgun**, como alternativa al flujo de trabajo de amplicón (metabarcoding) cubierto en la [viñeta de Amplicón](metabarcoding_es.html). Las funciones y la mayoría de sus parámetros son exactamente los mismos en ambos flujos de trabajo, así que no se vuelven a explicar aquí; solo se explica lo que es específico de los datos metagenómicos. Las instrucciones de instalación están en la [viñeta de Amplicón](metabarcoding_es.html). Para este ejemplo, las lecturas fueron clasificadas taxonómicamente con [`Kraken2`](https://ccb.jhu.edu/software/kraken2/) [@wood2019kraken2] y corregidas en abundancia a nivel de especie con [`Bracken`](https://ccb.jhu.edu/software/bracken/) [@lu2017bracken]. Los datos provienen de suelos forestales a lo largo de los transectos Iztaccíhuatl-Popocatépetl (PNIP) y La Malinche (PNML), en el centro de México: [Hereira-Pacheco, S. E. et al. (2025). Metagenomic analysis of fungal assemblages at a regional scale in high-altitude temperate forest soils: alternative methods to determine diversity, composition and environmental drivers. *PeerJ*, 13, e18323.](https://peerj.com/articles/18323/) Datos crudos, metadatos y los scripts originales del análisis: [github.com/Steph0522/Fungal_Metagenomes_PNIP_PNML](https://github.com/Steph0522/Fungal_Metagenomes_PNIP_PNML) ## Cargar los datos Primero, carguemos `MicroBioMeta` y `tidyverse` (usado para el manejo de datos): ```{r load, message=FALSE} library("MicroBioMeta") library(tidyverse) ``` Cada muestra se procesó por separado, así que los reportes `bracken_species` se combinaron de antemano en una sola tabla (una columna por muestra, llamada `kraken_pluspfp__report_bracken_species`) con una columna **`taxonomy`** ya agregada como última columna: ```{r data-1} table_kraken <- read.delim( system.file("extdata", "table_kraken.txt", package = "MicroBioMeta"), row.names = 1, check.names = FALSE ) table_kraken[1:3, c(1:2, ncol(table_kraken))] ``` La taxonomía ya está en la tabla, así que no hace falta usar la función `merge_feature_taxonomy()`. ⚠️ Las cadenas de taxonomía de Kraken2 usan un prefijo `k__`/`p__`/`c__`/... como SILVA, pero los rangos están separados por `"; "` (punto y coma **y espacio**) en vez de `";"`. `MicroBioMeta` ya tiene esto contemplado en cualquier lugar donde exista un argumento `taxonomy_db`, solo pasa `taxonomy_db = "Kraken2"`. Ahora, carguemos los metadatos: ```{r data-2} metadata_meta <- read.delim( system.file("extdata", "metadata_metagenomic.txt", package = "MicroBioMeta"), check.names = FALSE ) head(metadata_meta[, 1:10]) ``` Los nombres de columna de Kraken codifican un número `id_metagenome` (por ejemplo, `kraken_pluspfp_100_report_bracken_species`) en vez del ID real de la muestra, así que lo recuperamos con una expresión regular y usamos `metadata_meta$id_metagenome` para renombrar cada columna a su `SampleID`: ```{r data-3} sample_cols <- setdiff(colnames(table_kraken), "taxonomy") id_metagenome <- as.integer(gsub("kraken_pluspfp_|_report_bracken_species", "", sample_cols)) colnames(table_kraken)[match(sample_cols, colnames(table_kraken))] <- metadata_meta$SAMPLEID[match(id_metagenome, metadata_meta$id_metagenome)] ``` Renombremos y demos formato a los metadatos: ```{r data-4} metadata_meta$Polygon <- factor(paste0("Pol", metadata_meta$Poligono), levels = paste0("Pol", 1:6)) metadata_meta$Site <- as.character(metadata_meta$Sitio) ``` ```{r data-5} table_meta <- table_kraken[, c(metadata_meta$SAMPLEID, "taxonomy")] ``` Las coordenadas se tomaron y cargaron así: ```{r data-6} coord_meta <- read.csv( system.file("extdata", "coord_metagenomic.csv", package = "MicroBioMeta") ) %>% dplyr::select(-Site) %>% # descartamos el índice de sitio general propio del CSV (1-12); queremos `Sitio` (1-2) en su lugar dplyr::rename(Polygon_num = pol, Site = Sitio) %>% dplyr::select(Polygon_num, Site, Transecto, Latitude, Longitude) metadata_meta <- metadata_meta %>% dplyr::mutate(Polygon_num = as.integer(gsub("Pol", "", Polygon)), Site = as.integer(Site)) %>% dplyr::left_join(coord_meta, by = c("Polygon_num", "Site", "Transecto")) %>% dplyr::mutate(Site = as.character(Site)) ``` ### Empezar desde un objeto phyloseq o TreeSummarizedExperiment `MicroBioMeta` trabaja con tablas simples, pero si tus datos ya están en un objeto `phyloseq` o en un `TreeSummarizedExperiment` (el contenedor de Bioconductor que usa la familia de paquetes [`mia`](https://bioconductor.org/packages/mia/)), `from_phyloseq()` y `from_tse()` los convierten en la `table` (con la columna `taxonomy` al final) y la `metadata` (con `SAMPLEID` primero) que usamos en esta viñeta. Para mostrarlo, guardamos la tabla de Kraken2 en un `TreeSummarizedExperiment`, con una columna de taxonomía por rango, como lo haría `mia`: ```{r tse-1, eval=requireNamespace("TreeSummarizedExperiment", quietly = TRUE), message=FALSE} counts <- as.matrix(table_meta[, metadata_meta$SAMPLEID]) ranks <- tidyr::separate( data.frame(taxonomy = gsub("[kpcofgs]__", "", table_meta$taxonomy)), taxonomy, c("Kingdom", "Phylum", "Class", "Order", "Family", "Genus", "Species"), sep = "; ", fill = "right" ) rownames(ranks) <- rownames(table_meta) samples <- metadata_meta rownames(samples) <- samples$SAMPLEID tse <- TreeSummarizedExperiment::TreeSummarizedExperiment( assays = list(counts = counts), rowData = ranks, colData = samples ) tse ``` `from_tse()` regresa una lista con los dos data frames: ```{r tse-2, eval=requireNamespace("TreeSummarizedExperiment", quietly = TRUE)} mbm <- from_tse(tse, assay_name = "counts") mbm$table[1:3, c(1:2, ncol(mbm$table))] mbm$metadata[1:3, 1:5] ``` y se pueden usar directo en cualquier función, por ejemplo `abundance_bar_plot(table = mbm$table, metadata = mbm$metadata, ...)`. Con un objeto `phyloseq` funciona igual: ```{r tse-3, eval=FALSE} mbm <- from_phyloseq(physeq) ``` ## Exploración de la composición ### Barplot de abundancia Misma función que en la viñeta de amplicón; la única diferencia es `taxonomy_db = "Kraken2"`, que le indica a la lógica de parseo de taxonomía que espere cadenas estilo Kraken2/Bracken. ```{r bar, fig.width=9, fig.height=6} abundance_bar_plot( table = table_meta, metadata = metadata_meta, taxonomy_db = "Kraken2", level = "genus", top_n = 20, x_col = "Polygon", x_axis_title = "Polygons", add_remained = TRUE, label = "Genus", save_table = FALSE ) ``` ### Heatmap de abundancia Los taxones de Kraken2/Bracken no son ASVs, así que aquí se usa `feature_prefix = "Taxon"` en vez del prefijo `"ASV"` por defecto para las etiquetas de fila. `condition2` agrega una segunda barra de anotación, aquí el sitio de muestreo dentro de cada polígono. ```{r heat, warning=FALSE, fig.width=8.5, fig.height=5.5, out.width="85%"} abundance_heatmap_plot( table = table_meta, metadata = metadata_meta, top_n = 20, show_column_names = FALSE, condition1 = "Polygon", condition2 = "Site", feature_prefix = "Taxon" ) ``` ## Diversidad alfa Como en la viñeta de metabarcoding, primero se puede usar `alpha_hill_corr_plot(table = table_meta)` para revisar si los números de Hill dependen de la profundidad de secuenciación. ### Visualización de diversidad alfa `fill_col` es igual a `x_col` aquí, así que la leyenda solo repetiría las etiquetas del eje x - `show_legend = FALSE` la quita. ```{r alpha, warning=FALSE, fig.width=9, fig.height=5} alpha_hill_plot( table = table_meta, metadata = metadata_meta, x_col = "Polygon", fill_col = "Polygon", facet_by = "Site", facet_orientation = "horizontal", legend_title = "", stat = "kruskal.test", show_legend = FALSE, save_table = FALSE ) ``` La riqueza (*q*=0) está casi saturada y plana entre polígonos aquí — esta tabla de Bracken a nivel de especie tiene solo 87 especies de hongos, 83 de ellas presentes en las 36 muestras, así que hay poco margen para variar en *q*=0 — mientras que *q*=1 y *q*=2 (que ponderan por abundancia relativa) sí capturan diferencias entre polígonos. ### Diversidad alfa a lo largo de un gradiente continuo ```{r alpha-gradient, warning=FALSE, fig.height=4, fig.width=10} alpha_decay_plot( table = table_meta, metadata = metadata_meta, cont_var = "pH", x_axis_title = "Soil pH" ) ``` La diversidad en *q*=1 y *q*=2 aumenta significativamente con el pH del suelo; *q*=0 no, por la misma razón de efecto techo que arriba. ## Diversidad beta ### Ordenación de la composición de la comunidad Aquí usamos la disimilitud de **Bray-Curtis**, que toma en cuenta la abundancia de cada taxón, con una ordenación **NMDS**. NMDS parte de configuraciones al azar, así que usamos `set.seed()` para obtener siempre la misma figura: ```{r ord, warning=FALSE, message=FALSE, fig.width=8, fig.height=6} set.seed(123) beta_ord_plot( table = table_meta, metadata = metadata_meta, distance = "bray", ordination = "NMDS", group_col = "Polygon" ) ``` ### Pruebas estadísticas para diversidad beta `distance = "bray"` coincide con el usado en la ordenación de arriba, de modo que la ordenación (vía el paquete `vegan` [@oksanen2024vegan]) y la prueba PERMANOVA [@anderson2001permanova] evalúan la misma noción de disimilitud. El resultado es una figura de la tabla (un ggplot), así que se puede combinar con otros gráficos (p. ej. `cowplot::plot_grid()`) o guardar con `ggplot2::ggsave()`. Usa `save_table = TRUE` para obtener también los resultados en un archivo de texto. ```{r permanova, fig.width=8, fig.height=4} beta_test_table( table = table_meta, metadata = metadata_meta, formula_str = "Polygon*Site", distance = "bray", test = "permanova", permutations = 999 ) ``` ### Decaimiento de la similitud comunitaria con la distancia `beta_decay_plot()` evalúa si las comunidades geográficamente más cercanas también son más similares en composición, mediante una prueba de Mantel [@mantel1967test]: ```{r decay, warning=FALSE, fig.width=5.5, fig.height=4.2, out.width="70%"} beta_decay_plot( table = table_meta, metadata = metadata_meta, lat_col = "Latitude", lon_col = "Longitude", distance = "bray" ) ``` Las comunidades geográficamente más cercanas son significativamente más similares en composición (Mantel *r* ≈ 0.21, *p* ≈ 0.001; el valor p exacto varía ligeramente entre corridas ya que la prueba de Mantel se basa en permutaciones), una señal real de decaimiento con la distancia en estos suelos forestales. Sin embargo, la relación es débil: la distancia explica solo cerca del 4 % de la variación en la similitud (R² ≈ 0.04). Se usa `bray` para ser consistentes con la ordenación de arriba. ## Análisis de abundancia diferencial Para las versiones de heatmap (ALDEx2 [@fernandes2014aldex2]) y ANCOM-BC2 [@lin2024ancombc2] necesitamos un subconjunto de 2 grupos del `Polygon` de 6 niveles; en esta parte compararemos Polygon 2 y 5: ```{r diff-1} metadata_meta_compar <- metadata_meta %>% filter(Polygon == "Pol2" | Polygon == "Pol5") table_meta_compar <- table_meta[, c(match(metadata_meta_compar$SAMPLEID, colnames(table_meta)), ncol(table_meta))] ``` ```{r diff-2, fig.width=6, fig.height=6, message=FALSE, warning=FALSE, out.width="50%"} aldex_heatmap_plot( table = table_meta_compar, metadata = metadata_meta_compar, group_col = "Polygon" ) ``` ```{r diff-3, fig.width=8, fig.height=6, message=FALSE, warning=FALSE, out.width="50%"} ancombc_plot( table = table_meta_compar, metadata = metadata_meta_compar, group_col = "Polygon", level = "Genus", min_prevalence = 0.05, p_adjust_method = "BH" ) ``` ### Identificando taxones importantes `random_forest_lollipop_plot()` usa un modelo Random Forest [@breiman2001randomforest] para encontrar los taxones que mejor predicen el polígono: ```{r rf-1, fig.width=7, fig.height=6, out.width="60%"} random_forest_lollipop_plot(table = table_meta, metadata = metadata_meta, top_n = 10, variable_to_predict = "Polygon") ``` ```{r rf-2, fig.width=8, fig.height=9, out.width="60%"} ratios_bubble_plot( table = table_meta_compar, metadata = metadata_meta_compar, group_col = "Polygon", top_n = 20, condition_A = "Pol2", condition_B = "Pol5" ) ``` ## Análisis ambientales Los metadatos ya traen las variables fisicoquímicas del suelo medidas para estas muestras, así que, como en la viñeta de amplicón, las variables se eligen por nombre con `env_vars` (no hace falta una tabla ambiental aparte): ```{r env-table} env_vars_meta <- metadata_meta %>% dplyr::select(pH:ARENA, -type, -type2) %>% colnames() ``` ### Correlación entre variables ambientales y abundancia taxonómica ```{r corr-env, fig.width=9, fig.height=3.2} corr_env_abund_plot( table = table_meta, metadata = metadata_meta, env_vars = env_vars_meta, taxonomy_db = "Kraken2", level = "phylum", save_table = FALSE ) ``` ### Ordenación restringida (CCA) ```{r cca, fig.width=8, fig.height=6} cca_rda_biplot( table = table_meta, metadata = metadata_meta, env_vars = c("pH", "MO", "N", "P", "K"), analysis = "CCA", show_all_env_vectors = TRUE, group_col = "Polygon", scale_arrows = 3 ) ``` ## Referencias
## Información de la sesión ```{r session} sessionInfo() ```