भारित सहसंबंध नेटवर्क के आधार पर विभिन्न आवासों में रूट माइक्रोबायोटा का विचलन
Summary
मिट्टी, पानी और राइजोसस्फीयर जैसे विभिन्न पारिस्थितिक माइक्रोबियल समुदायों के सहयोग का मूल्यांकन करने के लिए नेटवर्क विश्लेषण लागू किया गया था। यहां प्रस्तुत विभिन्न पारिस्थितिक वातावरण के कारण माइक्रोबियल समुदायों में होने वाले विभिन्न सह-घटना नेटवर्कों का विश्लेषण करने के लिए WGCNA एल्गोरिदम का उपयोग करने के तरीके पर एक प्रोटोकॉल है।
Abstract
रूट माइक्रोबायोम पौधों के विकास और पर्यावरण अनुकूलन में महत्वपूर्ण भूमिका निभाता है। नेटवर्क विश्लेषण समुदायों का अध्ययन करने के लिए एक महत्वपूर्ण उपकरण है, जो विभिन्न वातावरणों में विभिन्न माइक्रोबियल प्रजातियों के संपर्क संबंध या सह-घटना मॉडल का प्रभावी ढंग से पता लगा सकता है। इस पांडुलिपि का उद्देश्य विभिन्न पारिस्थितिक वातावरण के कारण माइक्रोबियल समुदायों में होने वाले विभिन्न सह-घटना नेटवर्कों का विश्लेषण करने के लिए भारित सहसंबंध नेटवर्क एल्गोरिदम का उपयोग करने के बारे में विवरण प्रदान करना है। प्रयोग के सभी विश्लेषण WGCNA पैकेज में किया जाता है। WGCNA भारित सहसंबंध नेटवर्क विश्लेषण के लिए एक आर पैकेज है। इन तरीकों को प्रदर्शित करने के लिए उपयोग किए जाने वाले प्रायोगिक डेटा चावल (ओरिज़ा सतीवा) रूट सिस्टम के तीन निकस के लिए एनसीबीआई (नेशनल सेंटर फॉर बायोटेक्नोलॉजी इन्फॉर्मेशन) डेटाबेस से माइक्रोबियल समुदाय डेटा थे। हमने तीन निकस में माइक्रोबियल समुदाय के सह-बहुतायत नेटवर्क का निर्माण करने के लिए भारित सहसंबंध नेटवर्क एल्गोरिदम का उपयोग किया। फिर, एंडोस्फीयर, राइजोप्लेन और राइजोस्फीयर मिट्टी के बीच अंतर सह-बहुतायत नेटवर्क की पहचान की गई। इसके अलावा, नेटवर्क में कोर जेनेरा “WGCNA” पैकेज द्वारा प्राप्त किया गया था, जो नेटवर्क कार्यों में एक महत्वपूर्ण विनियमित भूमिका निभाता है । ये तरीके शोधकर्ताओं को पर्यावरण अशांति के लिए माइक्रोबियल नेटवर्क की प्रतिक्रिया का विश्लेषण करने और विभिन्न माइक्रोबियल पारिस्थितिक प्रतिक्रिया सिद्धांतों को सत्यापित करने में सक्षम बनाते हैं। इन तरीकों के परिणाम बताते हैं कि चावल के एंडोस्फीयर, राइजोप्लेन और राइजोस्फीयर मिट्टी में पहचाने गए महत्वपूर्ण अंतर माइक्रोबियल नेटवर्क।
Introduction
माइक्रोबायोम अनुसंधान के पारिस्थितिकी तंत्र की प्रक्रियाओं को समझने और उनमें हेरफेर करने के महत्वपूर्ण निहितार्थ हैं1,2. माइक्रोबियल आबादी पारिस्थितिक नेटवर्क ों से बातचीत करके आपस में जुड़ी हुई है, जिनकी विशेषताएं सूक्ष्मजीवों की प्रतिक्रिया को पर्यावरणीय परिवर्तन3,4से प्रभावित कर सकती हैं। इसके अलावा, इन नेटवर्कों के गुण माइक्रोबियल समुदायों की स्थिरता को प्रभावित करते हैं, और मिट्टी के कार्य 5 से निकटता से जुड़ेहुएहैं। जीन और माइक्रोबियलसमुदायोंके बीच संबंधों पर शोध के लिए भारित जीन सहसंबंध नेटवर्क विश्लेषण अब व्यापक रूप से लागू किया गया है । पिछले अध्ययनों में मुख्य रूप से विभिन्न जीन याआबादीके नेटवर्क और बाहरी दुनिया 7 के बीच संघों पर ध्यान केंद्रित किया गया है । हालांकि, विभिन्न पर्यावरणीय परिस्थितियों में माइक्रोबियल आबादी द्वारा गठित सहसंबंध नेटवर्क में अंतर की शायद ही जांच की गई है । इस पत्र में प्रस्तुत अनुसंधान का उद्देश्य विभिन्न पर्यावरणीय परिस्थितियों में एकत्र किए गए माइक्रोबायोम नमूनों के सह-घटना नेटवर्क का निर्माण करने के लिए WGCNA एल्गोरिथ्म के तेजी से कार्यान्वयन पर अंतर्दृष्टि और विवरण प्रदान करना है। विश्लेषण परिणामों के आधार पर, हमने जनसंख्या की संरचना और मतभेदों का आकलन किया और आगे विभिन्न माइक्रोबियल आबादी के बीच संबंधों पर चर्चा की। भारित सहसंबंध नेटवर्क एल्गोरिदम 8 का निम्नलिखितबुनियादी प्रवाह लागू किया गया था। सबसे पहले, ऑपरेशनल टैक्सोनॉमिक यूनिट्स (ओटीयू) अभिव्यक्ति प्रोफाइल के बीच पियर्सन सहसंबंध गुणांक की गणना करके एक समानता मैट्रिक्स का निर्माण करने की आवश्यकता है। फिर, आसन्न कार्यों (शक्ति या सिग्मॉयड आसन्न कार्यों) के मापदंडों को स्केल-फ्री टोपोलॉजी मापदंड के साथ अपनाया गया था, समानता मैट्रिक्स को एक आसन्न मैट्रिक्स में बदल दिया गया था, और प्रत्येक सह-घटना नेटवर्क एक आसन्न मैट्रिक्स से मेल खाता था। हमने मॉड्यूल में सुसंगत अभिव्यक्ति प्रोफाइल के साथ समूह OTUs के लिए टॉम-आधारित विघटन के साथ मिलकर औसत लिंकेज पदानुक्रमित क्लस्टरिंग का उपयोग किया। इसके अलावा, हमने रूढ़िवादी आंकड़ों और संबंधित पैरामीटर विश्लेषण मॉड्यूल के बीच संबंधों की गणना की, अंत में मॉड्यूल में हब ओटीयू की पहचान की। ये विधियां विभिन्न पर्यावरणीय परिस्थितियों में विभिन्न माइक्रोबियल आबादी के बीच नेटवर्क संरचनाओं में अंतर के विश्लेषण के लिए विशेष रूप से उपयुक्त हैं। इस पांडुलिपि में, हमने सह-अभिव्यक्ति नेटवर्क विकास की विधि, मॉड्यूल के बीच विसंगतियों के विश्लेषण का विस्तार से वर्णन किया है, और विभिन्न मॉड्यूल नेटवर्कों में मुख्य प्रजातियों को प्राप्त करने के लिए लागू प्रक्रिया में चरणों का संक्षिप्त अवलोकन प्रदान किया है।
Protocol
Representative Results
Discussion
सहसंबंध नेटवर्क तेजी से जैव सूचना अनुप्रयोगों में इस्तेमाल किया गया है । WGCNA एक जैविक प्रणाली के विभिन्न तत्वों के बीच संबंधों के वर्णनात्मक विश्लेषण के लिए एक प्रणाली जीव विज्ञान विधि है12. डब?…
Divulgations
The authors have nothing to disclose.
Acknowledgements
इस पांडुलिपि के विकास को चीन के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन-गुइझोउ प्रांतीय पीपुल्स गवर्नमेंट कार्स्ट साइंस रिसर्च सेंटर प्रोजेक्ट (U1812401), गुइझोउ नॉर्मल यूनिवर्सिटी (GZNUD[201) के डॉक्टरेट रिसर्च प्रोजेक्ट से फंड द्वारा समर्थित किया गया था । 7]1), गुइझोउ प्रांत की विज्ञान और प्रौद्योगिकी सहायता परियोजना (QKHZC [2021] YB459) और गुइयांग की विज्ञान और प्रौद्योगिकी परियोजना ([2019]2-8)।
लेखकों को सार्वजनिक डेटाबेस में चावल माइक्रोबायोम डेटा प्रदान करने और इस पांडुलिपि की तैयारी के दौरान अपनी भाषाई सहायता के लिए TopEdit (www.topeditsci.com) से समर्थन के लिए एडवर्ड्स जे एट अल शुक्रिया अदा करना चाहते हैं ।
Materials
| R | The University of Auckland | version 4.0.2 | R is a free software environment for statistical computing and graphics. It compiles and runs on a wide variety of UNIX platforms, Windows and MacOS. |
| RStdio | JJ Allaire | version 1.4.1103 | The RStudio IDE is a set of integrated tools designed to help you be more productive with R and Python. |
| Cytoscape | version 3.7.1 | Cytoscape is an open source software platform for visualizing complex networks and integrating these with any type of attribute data. | |
| NCBI database | The National Center for Biotechnology Information advances science and health by providing access to biomedical and genomic information. |
References
- Philippot, L., Raaijmakers, J. M., Lemanceau, P., vander Putten, W. H. Going back to the roots: the microbial ecology of the rhizosphere. Nature Reviews Microbiology. 11, 789-799 (2013).
- Fierer, N. Embracing the unknown: disentangling the complexities of the soil microbiome. Nature Review Microbiology. 15 (10), 579-590 (2017).
- Jin, J., Wang, G. H., Liu, X. B., Liu, J. D., Chen, X. L., Herbert, S. J. Temporal and spatial dynamics of bacterial community in the rhizosphere of soybean genotypes grown in a black soil. Pedosphere. 19 (6), 808-816 (2009).
- Ma, B., et al. Genetic correlation network prediction of forest soil microbial functional organization. ISME J. 12 (10), 2492-2505 (2018).
- de Vries, F. T., et al. Soil bacterial networks are less stable under drought than fungal networks. Nature Communications. 9 (1), 3033 (2018).
- Colin, C., et al. Correlating transcriptional networks to breast cancer survival: a large-scale coexpression analysis. Carcinogenesis. (10), 2300-2308 (2013).
- Ma, B., Zhao, K., Lv, X., et al. Genetic correlation network prediction of forest soil microbial functional organization. ISME J. 12, 2492-2505 (2018).
- Zhang, B., Horvath, S. A general framework for weighted gene co-expression network analysis. Statistical applications in genetics and molecular biology. 4 (1), (2005).
- Edwards, J. A., et al. Compositional shifts in root-associated bacterial and archaeal microbiota track the plant life cycle in field-grown rice. PLoS Biology. 16 (2), 2003862 (2018).
- Bashan, Y., De-Bashan, L. E. How the Plant Growth-Promoting Bacterium Azospirillum Promotes Plant Growth-A Critical Assessment. Advances in Agronomy. 108, 77-136 (2010).
- Lovley, D. R., et al. Geobacter: The Microbe Electric’s Physiology, Ecology, and Practical Applications. Advances in Microbial Physiology. 59, 1 (2011).
- Langfelder, P., Horvath, S. WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics. 9, 559 (2008).
- Zhang, B., Horvath, S. A General Framework for Weighted Gene Co-expression Network Analysis. Statistical Applications in Genetics and Molecular Biology. 4 (1), 17 (2005).
- Horvath, S., Dong, J. Geometric interpretation of Gene Co-expression Network Analysis. PLoS Computational Biology. 4 (8), 1000117 (2008).
- Langfelder, P., Horvath, S. Eigengene networks for studying the relationships between co-expression modules. BMC Systems Biology. 1, 54 (2007).
- Horvath, S., et al. Analysis of Oncogenic Signaling Networks in Glioblastoma Identifies ASPM as a Novel Molecular Target. Proceedings of the National Academy of Sciences of the United States of America. 103 (46), 17402-17407 (2006).
- Carlson, M. R., et al. and Sequence Conservation: Predictions from Modular Yeast Co-expression Networks. BMC Genomics. 7 (1), 40 (2006).
- Fuller, T., et al. Weighted Gene Co-expression Network Analysis Strategies Applied to Mouse Weight. Mammalian Genome. 6 (18), 463-472 (2007).
- Yin, L., Wang, Y., Lin, Y., et al. Explorative analysis of the gene expression profile during liver regeneration of mouse: a microarray-based study[J]. Artificial Cells Nanomedicine & Biotechnology. 47 (1), 1113-1121 (2019).
- Oldham, M., Horvath, S., Geschwind, D. Conservation and Evolution of Gene Co-expression Networks in Human and Chimpanzee Brains. Proceedings of the National Academy of Sciences of the United States of America. 103 (47), 17973-17978 (2006).
- Oldham, M. C., et al. Functional organization of the transcriptome in human brain. Nature Neuroscience. 11 (11), 1271-1282 (2008).
- Keller, M. P., et al. A gene expression network model of type 2 diabetes links cell cycle regulation in islets with diabetes susceptibility. Genome Research. 18 (5), 706-716 (2008).
- Weston, D., Gunter, L., Rogers, A., Wullschleger, S. Connecting genes, coexpression modules, and molecular signatures to environmental stress phenotypes in plants. BMC Systems Biology. 2 (1), 16 (2008).
- Jorda´n, F. Keystone species and food webs. Biological Sciences. 364, 1733-1741 (2009).
- Backhed, F., Ley, R. E., Sonnenburg, J. L., Peterson, D. A., Gordon, J. I. Host-Bacterial Mutualism in the Human Intestine. Science. 307, 1915-1920 (2009).
