DADA2.md

DADA2（Divisive Amplicon Denoising Algorithm）是一套用於 16S rRNA 與其他擴增子定序資料的錯誤修正與序列推斷工具，核心理念是：

「不依賴參考資料庫，透過建模錯誤機率，直接從定序資料中推斷真實存在的變異序列（ASV）」

DADA2 最大特色是能辨識到單一鹼基變異（single nucleotide resolution），產出精確的 Amplicon Sequence Variants（ASVs），而非粗略的 OTU 聚類。

---

🔬 DADA2 核心演算法流程

1. 品質過濾與截尾（filterAndTrim）

   • 去除低品質 reads、裁剪 primers/adapters。

2. 學習錯誤模型（learnErrors）

   • 根據輸入資料計算不同鹼基在不同位置上的誤讀機率，建立錯誤矩陣。

3. 去噪（dada）

   • 利用錯誤模型推斷每條讀段是否為真實序列或為錯誤產物。

4. 配對合併（mergePairs）

   • 將 forward 與 reverse reads 對齊合併，並去除不一致區段。

5. 去除嵌合體（removeBimeraDenovo）

   • 偵測並移除因 PCR 錯配造成的嵌合序列。

6. 建立 ASV 表（makeSequenceTable）

   • 得到樣本 x ASV 的 abundance 矩陣。

7. 分類註解（assignTaxonomy）

   • 使用參考資料庫（如 SILVA）比對每條 ASV，取得分類資訊。

---

✅ DADA2 相較傳統 OTU 聚類的優勢

面向	OTU 方法	DADA2 / ASV 方法
分群原則	序列相似度 ≥97%	單一鹼基解析度
是否依賴參考序列	是/否皆可	不需要（只在註解階段才需）
可重現性	不穩定（依聚類參數）	高（序列為唯一單位）
結果解釋力	低（混合菌群）	高（可精確追蹤變異）

---

🧬 DADA2 實際應用於 16S rRNA 分析

參見DADA技術文件

最終可得到：

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

• taxa：每個 ASV 對應的分類名稱（Kingdom → Genus）

這些結果可輸入至 phyloseq 進行後續多樣性分析、可視化、統計比較等。

---

接下來請參考本文件其他章節來進行 ASV 表與分類結果的多樣性分析與視覺化。