DADA2

DADA2 (Divisive Amplicon Denoising Algorithm 2) 是一套專為 16S rRNA 與其他擴增子定序設計的錯誤修正與序列推斷工具。其核心理念為：

直接建模定序錯誤機率，從原始 reads 中推斷真實存在的變異序列（ASVs, Amplicon Sequence Variants），而非依靠傳統聚類產生 OTUs。

---

🔬 核心流程

1. 品質過濾與裁剪 (filterAndTrim)

   • 移除低品質 reads，截斷低品質尾端，去除非生物學序列 (primers/adapters)。

2. 學習錯誤模型 (learnErrors)

   • 建立鹼基錯誤率矩陣，捕捉平台特異的錯誤模式。

3. 去噪 (dada)

   • 應用錯誤模型，區分真實變異與錯誤產生的假變異。

4. 配對合併 (mergePairs)

   • 將正反向 reads 對齊合併，保留一致序列，提升覆蓋長度與準確度。

5. 去除嵌合體 (removeBimeraDenovo)

   • 移除 PCR 擴增過程形成的假序列。

6. 建立 ASV 表 (makeSequenceTable)

   • 生成樣本 × ASV 的 abundance 矩陣。

7. 分類註解 (assignTaxonomy / addSpecies)

   • 透過參考資料庫 (如 SILVA、RDP) 對 ASVs 進行分類標註。

---

✅ DADA2 相較 OTU 的優勢

面向	OTU 方法 (97% 相似度)	DADA2 / ASV 方法
解析度	近似群體，無法區分單一鹼基差異	單一鹼基解析度 (更精確)
依賴參考	可依賴或不依賴	僅在註解階段依賴
重現性	聚類參數影響大，不穩定	高度可重現 (ASV 為唯一單位)
生物學解釋	低 (混合菌群)	高，可追蹤特定變異

---

🧬 輸出成果

• seqtab.nochim：ASV abundance 表格 (樣本 × ASV)

• taxa：ASV 對應的分類階層 (Kingdom → Genus/Species)

這些結果可直接匯入 phyloseq 進行：

• α 多樣性與 β 多樣性分析

• 統計檢定與可視化 (richness, ordination, barplot)

---

📖 延伸閱讀

• DADA2 官方文件

• MiSeq SOP 教學

• phyloseq 套件