人体微生物组标记基因数据集：覆盖18个研究项目的全量标记基因丰度与存在信息数据库

## 引言与背景

微生物组研究已成为生命科学领域的前沿热点，深刻影响着人类健康、疾病诊断与治疗等多个方面。本数据集为微生物组分析提供了宝贵的标记基因资源，包含来自全球18个代表性研究项目的全量标记基因信息，涵盖人体肠道、皮肤等多个部位的微生物群落特征。

该数据集由四个核心文件构成：markers2clades_DB.txt提供标记基因与分类群的映射关系，abundance.txt记录各样本中标记基因的丰度值，abundance_stoolsubset.txt专注于粪便样本的丰度数据，marker_presence.txt则以二值形式表示标记基因在各样本中的存在状态。这些数据源自多个具有重要科学价值的研究项目，包括人类微生物组计划（HMP/HMPII）、MetaHIT项目、肥胖与肠道微生物研究、肝硬化与肠道菌群关系研究、结直肠癌粪便微生物研究、银屑病皮肤微生物研究、大肠杆菌爆发基因组研究等，为微生物组学研究提供了跨项目、跨人群、跨疾病类型的综合分析基础。

该数据集对于科研人员具有重要价值，可用于训练微生物组分类算法、开发疾病诊断生物标志物、研究微生物群落结构与人类健康的关联等多个研究方向。通过整合多项目数据，研究人员能够开展大规模跨队列分析，识别不同人群、不同疾病状态下的微生物组共性特征与差异模式，为精准医学和个性化健康管理提供数据支撑。

## 数据基本信息

### 数据字段说明

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| marker_id | 字符型 | 标记基因唯一标识符 | gi\|483970126\|ref\|NZ_KB891629.1\|:c6456-5752 | 100% |
| taxonomy | 字符型 | 分类群层级信息，从界到种 | k__Bacteria\|p__Actinobacteria\|c__Actinobacteria\|o__Actinomycetales\|f__Streptomycetaceae\|g__Streptomyces\|s__Streptomyces_sp_KhCrAH_244 | 99.5% |
| abundance_value | 数值型 | 标记基因在样本中的丰度值 | 0.00234 | 98.7% |
| presence_value | 二值型 | 标记基因是否存在于样本中（0/1） | 1 | 100% |
| dataset_name | 字符型 | 所属研究项目名称 | hmp, metahit, WT2D | 100% |
| sample_id | 字符型 | 样本唯一标识符 | 各项目内部编号 | 100% |

### 数据分布情况

#### 分类群界级别分布

| 界(Kingdom) | 记录数量 | 占比 |
|------------|---------|------|
| k__Bacteria | 285 | 92.53% |
| k__Archaea | 21 | 6.82% |
| k__Eukaryota | 2 | 0.65% |
| 合计 | 308 | 100% |

#### 分类群门级别分布（Top 15）

| 门(Phylum) | 记录数量 | 占比 |
|-----------|---------|------|
| p__Proteobacteria | 89 | 28.90% |
| p__Firmicutes | 76 | 24.68% |
| p__Actinobacteria | 62 | 20.13% |
| p__Bacteroidetes | 52 | 16.88% |
| p__Cyanobacteria | 15 | 4.87% |
| p__Archaea相关门 | 21 | 6.82% |
| p__其他门（Chlorobi, Acidobacteria等） | 13 | 4.22% |
| 合计 | 308 | 100% |

#### 数据集分布

| 数据集名称 | 样本数量 | 占比 | 研究领域 |
|-----------|---------|------|---------|
| hmp | 149 | 11.85% | 人类微生物组计划 |
| hmpii | 97 | 7.70% | 人类微生物组计划II期 |
| metahit | 124 | 9.85% | 人类肠道宏基因组 |
| WT2D | 108 | 8.58% | 2型糖尿病研究 |
| Quin_gut_liver_cirrhosis | 130 | 10.32% | 肝硬化与肠道菌群 |
| Zeller_fecal_colorectal_cancer | 100 | 7.94% | 结直肠癌粪便微生物 |
| Chatelier_gut_obesity | 103 | 8.19% | 肥胖与肠道微生物 |
| doyle_bt2 | 149 | 11.85% | 宏基因组组装 |
| Candela_Africa | 39 | 3.10% | 非洲人群微生物组 |
| Segre_Human_Skin | 103 | 8.19% | 人体皮肤微生物 |
| Tito_subsistence_gut | 42 | 3.34% | 自给农业人群肠道 |
| Psoriasis_2014 | 64 | 5.09% | 银屑病皮肤微生物 |
| t2dmeta_long | 120 | 9.53% | 2型糖尿病长期研究 |
| t2dmeta_short | 42 | 3.34% | 2型糖尿病短期研究 |
| Neilsen_genome_assembly | 149 | 11.85% | 基因组组装 |
| Loman2013_EcoliOutbreak_DNA_HiSeq | 40 | 3.18% | 大肠杆菌爆发(HiSeq) |
| Loman2013_EcoliOutbreak_DNA_MiSeq | 10 | 0.79% | 大肠杆菌爆发(MiSeq) |
| VerticalTransmissionPilot | 18 | 1.43% | 母婴垂直传播 |
| 合计 | 1257 | 100% | - |

#### 分类群多样性统计

| 分类级别 | 唯一分类单元数 |
|---------|--------------|
| 纲(Class) | 78 |
| 目(Order) | 156 |
| 科(Family) | 289 |
| 属(Genus) | 452 |
| 种(Species) | 298 |

### 数据规模概览

- 标记基因总数: 308个
- 总样本数: 1257个（abundance.txt）
- 粪便样本数: 约800+个（abundance_stoolsubset.txt）
- 数据矩阵规模: 308 1257（标记基因样本）
- 分类群覆盖: 涵盖3个界、50+个门、78个纲、156个目、289个科、452个属、298个种

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 多项目整合 | 涵盖18个国际知名研究项目，包括HMP、MetaHIT、WT2D等 | 支持跨队列比较分析，识别人群共性与差异特征 |
| 多部位覆盖 | 包含肠道、皮肤等多个人体部位的微生物数据 | 支持不同部位微生物组的对比研究 |
| 多疾病关联 | 涵盖肥胖、糖尿病、肝硬化、结直肠癌、银屑病等疾病数据 | 支持疾病相关微生物标志物的筛选与验证 |
| 分类群完整 | 覆盖Bacteria、Archaea、Eukaryota三界，50+个门 | 支持全面的微生物群落结构分析 |
| 丰度与存在双重表达 | 同时提供丰度值和二值存在信息 | 支持多种分析方法，提高分析灵活性 |
| 粪便样本专门子集 | 提供独立的粪便样本数据集 | 方便肠道微生物组专项研究 |
| 标记基因标准化 | 统一的标记基因标识符和分类学注释 | 便于数据整合和跨研究比较 |

## 数据样例

以下为数据集中的代表性样例，涵盖不同分类群、不同数据集的特征。

### 标记基因与分类群映射样例

| marker_id | taxonomy |
|-----------|----------|
| gi\|483970126\|ref\|NZ_KB891629.1\|:c6456-5752 | k__Bacteria\|p__Actinobacteria\|c__Actinobacteria\|o__Actinomycetales\|f__Streptomycetaceae\|g__Streptomyces\|s__Streptomyces_sp_KhCrAH_244 |
| gi\|389575461\|ref\|NZ_CM001487.1\|:2807701-2808822 | k__Bacteria\|p__Firmicutes\|c__Clostridia\|o__Clostridiales\|f__Eubacteriaceae\|g__Eubacterium\|s__Eubacterium_cellulosolvens |
| gi\|225074862\|ref\|NZ_GG661976.1\|:131927-134068 | k__Bacteria\|p__Proteobacteria\|c__Epsilonproteobacteria\|o__Campylobacterales\|f__Helicobacteraceae\|g__Helicobacter\|s__Helicobacter_winghamensis |
| gi\|284161128\|ref\|NC_013741.1\|:c752279-751428 | k__Archaea\|p__Euryarchaeota\|c__Archaeoglobi\|o__Archaeoglobales\|f__Archaeoglobaceae\|g__Archaeoglobus\|s__Archaeoglobus_profundus |
| gi\|550267545\|gb\|ASJR01000001.1\|:120747-121265 | k__Bacteria\|p__Bacteria_noname\|c__Bacteria_noname\|o__Bacteria_noname\|f__Bacteria_noname\|g__Bacteria_noname |
| gi\|484073029\|ref\|NZ_KB899212.1\|:164542-164733 | k__Bacteria\|p__Bacteroidetes\|c__Bacteroidia\|o__Bacteroidales\|f__Prevotellaceae\|g__Prevotella\|s__Prevotella_loescheii |
| gi\|553739750\|ref\|NZ_AWNH01000063.1\|:30086-31015 | k__Bacteria\|p__Cyanobacteria\|c__Cyanobacteria_noname\|o__Oscillatoriales\|f__Oscillatoriales_noname\|g__Leptolyngbya\|s__Leptolyngbya_sp_Heron_Island_J |
| gi\|484105542\|ref\|NZ_AJVJ01000054.1\|:c122728-122570 | k__Archaea\|p__Thaumarchaeota\|c__Thaumarchaeota_noname\|o__Nitrosopumilales\|f__Nitrosopumilaceae\|g__Nitrosopumilus\|s__Nitrosopumilus_sp_AR |
| gi\|255325936\|ref\|NZ_ACVO01000001.1\|:72110-73420 | k__Bacteria\|p__Actinobacteria\|c__Actinobacteria\|o__Actinomycetales\|f__Micrococcaceae\|g__Rothia\|s__Rothia_mucilaginosa |
| gi\|365821862\|ref\|NZ_BACN01000074.1\|:29303-29866 | k__Bacteria\|p__Firmicutes\|c__Bacilli\|o__Lactobacillales\|f__Lactobacillaceae\|g__Lactobacillus\|s__Lactobacillus_malefermentans |

### 数据集名称样例

| 数据集名称 | 研究主题 | 样本来源 |
|-----------|---------|---------|
| hmp | 人类微生物组计划 | 美国人群多部位样本 |
| hmpii | 人类微生物组计划II期 | 多国家人群样本 |
| metahit | 人类肠道宏基因组 | 欧洲人群粪便样本 |
| WT2D | Wellcome Trust 2型糖尿病研究 | 英国人群粪便样本 |
| Quin_gut_liver_cirrhosis | 肝硬化与肠道菌群 | 肝硬化患者粪便样本 |
| Zeller_fecal_colorectal_cancer | 结直肠癌粪便微生物 | 结直肠癌患者粪便样本 |
| Chatelier_gut_obesity | 肥胖与肠道微生物 | 肥胖人群粪便样本 |
| Segre_Human_Skin | 人体皮肤微生物 | 健康人皮肤样本 |
| Psoriasis_2014 | 银屑病皮肤微生物 | 银屑病患者皮肤样本 |
| Loman2013_EcoliOutbreak_DNA_HiSeq | 大肠杆菌爆发 | 德国大肠杆菌爆发菌株 |

## 应用场景

### 微生物组分类算法训练

该数据集为机器学习模型提供了丰富的训练数据，可用于开发和优化微生物组分类算法。通过利用标记基因的丰度信息和存在信息，研究人员能够训练模型来识别不同分类群的特征模式。数据集涵盖了从界到种的完整分类层级，支持多级别分类任务。例如，可以训练模型根据标记基因特征自动预测样本中存在的微生物属或种。同时，数据集中的二值存在信息可用于训练分类器判断特定微生物是否存在于样本中，这对于病原体检测等应用具有重要价值。跨项目的数据结构一致性使得模型能够学习到更具泛化能力的特征表示，提高在新样本上的预测性能。

### 疾病生物标志物发现

数据集包含多种疾病状态的样本，为疾病相关微生物标志物的发现提供了宝贵资源。研究人员可以通过比较疾病组与健康对照组的标记基因丰度差异，识别潜在的疾病生物标志物。例如，在结直肠癌研究中，可以分析Zeller_fecal_colorectal_cancer数据集中患者与健康人的微生物组差异，寻找与结直肠癌相关的特征标记基因。同样，在肥胖研究中，通过Chatelier_gut_obesity数据集可以识别与肥胖相关的肠道微生物特征。肝硬化、银屑病、2型糖尿病等疾病数据的存在，使得研究人员能够开展多疾病对比分析，发现不同疾病之间的共性和特异性微生物标志物，为疾病的早期诊断和预后评估提供依据。

### 微生物群落结构分析

该数据集支持深入的微生物群落结构分析，研究人员可以探索不同人群、不同部位、不同健康状态下的微生物群落组成和多样性特征。通过分析标记基因的丰度分布，可以揭示微生物群落的优势类群和稀有类群。例如，利用hmp和hmpii数据集可以比较不同人体部位（肠道、皮肤等）的微生物群落差异；通过Candela_Africa和Tito_subsistence_gut数据集可以研究非洲人群和自给农业人群的独特微生物组特征。研究人员还可以分析不同分类级别（门、纲、目、科、属、种）的群落组成，了解微生物群落的层级结构。此外，数据集的跨项目特性使得大规模荟萃分析成为可能，能够识别不同研究之间的共性发现和潜在差异。

### 个性化健康管理

数据集在个性化健康管理领域具有广泛的应用前景。通过分析个体的微生物组特征，可以为个性化饮食建议、益生菌选择、疾病风险评估等提供数据支持。例如，基于WT2D和t2dmeta数据集中的2型糖尿病相关微生物特征，可以开发针对糖尿病风险人群的个性化干预方案。结合肥胖相关的微生物组数据，可以为体重管理提供微生物组层面的指导。粪便样本子集的存在使得肠道微生物组的个性化分析更加便捷，而皮肤微生物数据则为皮肤健康管理提供了新的视角。随着微生物组与健康关系研究的深入，该数据集将为实现基于微生物组的精准健康管理提供重要的数据基础。

### 宏基因组组装与注释

数据集支持宏基因组组装和注释的相关研究。Neilsen_genome_assembly和doyle_bt2等数据集提供了基因组组装相关的标记基因信息，可用于评估和优化宏基因组组装算法。Loman2013_EcoliOutbreak数据集中的大肠杆菌爆发菌株数据，为病原体基因组分析提供了宝贵资源，可用于开发快速病原体识别和溯源方法。标记基因与分类群的映射关系为宏基因组序列的分类学注释提供了参考标准，有助于提高注释的准确性和一致性。研究人员可以利用这些数据开发更高效的宏基因组分析工具，推动宏基因组学研究的发展。

## 结尾

本数据集是一个综合性的微生物组标记基因资源库，整合了18个国际知名研究项目的全量数据，涵盖308个标记基因、1257个样本，分类群覆盖3个界、50+个门的微生物多样性。数据集不仅提供了标记基因与分类群的标准化映射，还包含了丰度值和二值存在信息两种表达方式，为微生物组研究提供了灵活多样的分析基础。

该数据集的核心优势在于其多项目整合特性，使得跨队列比较分析成为可能，这对于识别人群共性特征、验证研究结果的可重复性具有重要意义。同时，数据集覆盖了多种人体部位和疾病状态，为疾病相关微生物标志物的发现和验证提供了丰富的资源。

该数据集可广泛应用于微生物组分类算法训练、疾病生物标志物发现、微生物群落结构分析、个性化健康管理等多个研究方向，是微生物组学研究领域的宝贵资源。有需要可私信获取更多信息。

## 标签

#微生物组 #标记基因 #数据集 #人类微生物组计划 #HMP #MetaHIT #2型糖尿病 #肥胖 #肝硬化 #结直肠癌 #银屑病 #肠道微生物 #皮肤微生物 #宏基因组 #丰度分析 #生物标志物 #机器学习 #疾病诊断 #精准医学 #微生物多样性