There is currently no criterion to select appropriate bioinformatics tools and reference databases for analysis of 16S rRNA amplicon data in the human oral microbiome. Our study aims to determine the influence of multiple tools and reference databases on α-diversity measurements and β-diversity comparisons analyzing the human oral microbiome. We compared the results of taxonomical classification by Greengenes, the Human Oral Microbiome Database (HOMD), National Center for Biotechnology Information (NCBI) 16S, SILVA, and the Ribosomal Database Project (RDP) using Quantitative Insights Into Microbial Ecology (QIIME) and the Divisive Amplicon Denoising Algorithm (DADA2). There were 15 phyla present in all of the analyses, four phyla exclusive to certain databases, and different numbers of genera were identified in each database. Common genera found in the oral microbiome, such as Veillonella, Rothia, and Prevotella, are annotated by all databases; however, less common genera, such as Bulleidia and Paludibacter, are only annotated by large databases, such as Greengenes. Our results indicate that using different reference databases in 16S rRNA amplicon data analysis could lead to different taxonomic compositions, especially at genus level. There are a variety of databases available, but there are no defined criteria for data curation and validation of annotations, which can affect the accuracy and reproducibility of results, making it difficult to compare data across studies.

中文翻译：

---

生物信息学工具和参考数据库对分析人类口腔微生物群落的影响

目前没有标准来选择合适的生物信息学工具和参考数据库来分析人类口腔微生物组中的 16S rRNA 扩增子数据。我们的研究旨在确定多种工具和参考数据库对分析人类口腔微生物组的 α 多样性测量和 β 多样性比较的影响。我们比较了 Greengenes、人类口腔微生物组数据库 (HOMD)、国家生物技术信息中心 (NCBI) 16S、SILVA 和核糖体数据库项目 (RDP) 的分类结果，使用微生物生态学定量分析 (QIIME) 和分裂扩增子去噪算法 (DADA2)。在所有分析中都存在 15 个门，其中 4 个门是某些数据库独有的，并且在每个数据库中确定了不同数量的属。在口腔微生物组中发现的常见属，例如 Veillonella、Rothia 和 Prevotella，所有数据库都进行了注释；但是，不太常见的属，例如 Bulleidia 和 Paludibacter，仅由大型数据库（例如 Greengenes）进行注释。我们的结果表明，在 16S rRNA 扩增子数据分析中使用不同的参考数据库可能会导致不同的分类组成，尤其是在属水平上。有各种可用的数据库，但没有明确的数据管理和注释验证标准，这会影响结果的准确性和可重复性，从而难以比较研究之间的数据。比如绿能。我们的结果表明，在 16S rRNA 扩增子数据分析中使用不同的参考数据库可能会导致不同的分类组成，尤其是在属水平上。有各种可用的数据库，但没有明确的数据管理和注释验证标准，这会影响结果的准确性和可重复性，从而难以比较研究之间的数据。比如绿能。我们的结果表明，在 16S rRNA 扩增子数据分析中使用不同的参考数据库可能会导致不同的分类组成，尤其是在属水平上。有各种可用的数据库，但没有明确的数据管理和注释验证标准，这会影响结果的准确性和可重复性，从而难以比较研究之间的数据。