Сетевой анализ был применен для оценки ассоциации различных экологических микробных сообществ, таких как почва, вода и ризосфера. Здесь представлен протокол о том, как использовать алгоритм WGCNA для анализа различных сетей совместного возникновения, которые могут возникать в микробных сообществах из-за различных экологических сред.
Корневой микробиом играет важную роль в росте растений и адаптации к окружающей среде. Сетевой анализ является важным инструментом для изучения сообществ, который может эффективно исследовать взаимосвязь или модель совместного возникновения различных микробных видов в разных средах. Целью этой рукописи является предоставление подробной информации о том, как использовать алгоритм взвешенной корреляционной сети для анализа различных сетей совместного возникновения, которые могут возникать в микробных сообществах из-за различных экологических сред. Весь анализ эксперимента выполняется в пакете WGCNA. WGCNA представляет собой R-пакет для взвешенного корреляционного сетевого анализа. Экспериментальные данные, использованные для демонстрации этих методов, были данными микробного сообщества из базы данных NCBI (Национальный центр биотехнологической информации) для трех ниш корневой системы риса (Oryza sativa). Мы использовали алгоритм взвешенной корреляционной сети для построения сетей совместного изобилия микробного сообщества в каждой из трех ниш. Затем были выявлены дифференциальные сети совместного изобилия между эндосферой, ризопланом и ризосферой почвы. Кроме того, основные роды в сети были получены пакетом «WGCNA», который играет важную регулируемую роль в сетевых функциях. Эти методы позволяют исследователям анализировать реакцию микробной сети на нарушение окружающей среды и проверять различные теории микробного экологического ответа. Результаты этих методов показывают, что значимые дифференциальные микробные сети выявлены в эндосфере, ризоплане и ризосфере почвы риса.
Исследования микробиома имеют важные последствия для понимания и манипулирования экосистемными процессами1,2. Микробные популяции взаимосвязаны взаимодействующими экологическими сетями, характеристики которых могут влиять на реакцию микроорганизмов на изменения окружающей среды3,4. Кроме того, свойства этих сетей влияют на стабильность микробных сообществ и тесно связаны с функцией почвы5. Взвешенный анализ корреляционной сети генов в настоящее время широко применяется для исследований взаимосвязи между генами и микробными сообществами6. Предыдущие исследования были сосредоточены в основном на ассоциациях между сетями различных генов или популяций и внешним миром7. Однако различия в корреляционных сетях, сформированных микробными популяциями в различных условиях окружающей среды, практически не исследовались. Цель исследования, представленного в этой статье, состоит в том, чтобы предоставить информацию и подробную информацию о быстрой реализации алгоритма WGCNA для построения сети совместного возникновения образцов микробиома, собранных в различных условиях окружающей среды. На основе результатов анализа мы оценили состав и различия популяции и далее обсудили взаимосвязь между различными микробными популяциями. Применен следующий базовый поток взвешенной корреляционной сетиалгоритма 8. Во-первых, необходимо было построить матрицу подобия путем вычисления коэффициента корреляции Пирсона между профилями выражений операционных таксономических единиц (OTU). Затем параметры функций смежности (степенные или сигмовидные функции смежности) были приняты с критерием топологии без шкалы, матрица подобия была преобразована в матрицу смежности, и каждая сеть совместного возникновения соответствовала матрице смежности. Мы использовали среднюю иерархическую кластеризацию связей в сочетании с непохожестью на основе TOM для группировки OTUs с когерентными профилями выражений в модули. Далее мы рассчитали взаимосвязь между консервативной статистикой и соответствующими модулями анализа параметров, окончательно определив хаб OTU в модуле. Эти методы особенно подходят для анализа различий в сетевых структурах между различными микробными популяциями в различных условиях окружающей среды. В этой рукописи мы подробно описали метод развития сети коэкспрессии, анализ несходств между модулями и предоставили краткий обзор этапов процедуры, применяемой для получения основных видов в различных модульных сетях.
Корреляционные сети все чаще используются в приложениях биоинформатики. WGCNA – это метод системной биологии для описательного анализа отношений между различными элементами биологической системы12. Программный пакет R использовался в более ранних работах над WGCNA13,<…
The authors have nothing to disclose.
Разработка этой рукописи была поддержана средствами Национального фонда естественных наук Провинции Китай-Гуйчжоу провинциального народного правительства Карстовый исследовательский центр проекта (U1812401), Докторского исследовательского проекта Гуйчжоуского педагогического университета (GZNUD[2017]1), Проекта поддержки науки и техники провинции Гуйчжоу (QKHZC[2021]YB459) и Научно-технического проекта Гуйяна ([2019]2-8).
Авторы хотели бы поблагодарить Edwards J.A et al за предоставление данных о микробиоме риса в общедоступных базах данных и поддержку со стороны TopEdit (www.topeditsci.com) за лингвистическую помощь во время подготовки этой рукописи.
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. |