סטייה של מיקרוביוטה שורש בבתי גידול שונים המבוססת על רשתות מתאם משוקללים
Summary
ניתוח רשת הוחל כדי להעריך את הקשר של קהילות מיקרוביות אקולוגיות שונות, כגון אדמה, מים וריזוספירה. מוצג כאן פרוטוקול כיצד להשתמש באלגוריתם WGCNA כדי לנתח רשתות שונות של התרחשות משותפת שעלולות להתרחש בקהילות המיקרוביות עקב סביבות אקולוגיות שונות.
Abstract
למיקרוביום השורש יש תפקיד חשוב בצמיחת הצמחים ובהסתגלות סביבתית. ניתוח רשת הוא כלי חשוב לחקר קהילות, אשר יכול לחקור ביעילות את יחסי הגומלין או את מודל ההתרחשות המשותפת של מינים מיקרוביאליים שונים בסביבות שונות. מטרת כתב יד זה היא לספק פרטים על אופן השימוש באלגוריתם רשת המתאם המשוקלל כדי לנתח רשתות שונות של התרחשות משותפת שעלולות להתרחש בקהילות מיקרוביות עקב סביבות אקולוגיות שונות. כל הניתוח של הניסוי מבוצע בחבילת WGCNA. WGCNA היא חבילת R לניתוח רשת מתאם משוקלל. הנתונים הניסיוניים ששימשו להדגמת שיטות אלה היו נתונים קהילתיים מיקרוביאליים ממסד הנתונים של NCBI (המרכז הלאומי למידע ביוטכנולוגיה) עבור שלוש נישות של מערכת השורשים של האורז (Oryza sativa). השתמשנו באלגוריתם רשת המתאם המשוקלל כדי לבנות רשתות שפע משותף של קהילה מיקרוביאלית בכל אחת משלוש הגומחות. לאחר מכן, זוהו רשתות שפע דיפרנציאליות בין אנדוספירה, ריזופלן ואדמה ריזוספירה. בנוסף, ג’נרי הליבה ברשת הושגו על ידי חבילת “WGCNA”, הממלאת תפקיד מוסדר חשוב בפונקציות הרשת. שיטות אלה מאפשרות לחוקרים לנתח את התגובה של רשת מיקרוביאלית להפרעות סביבתיות ולאמת תיאוריות תגובה אקולוגיות מיקרוביאליות שונות. התוצאות של שיטות אלה מראות כי רשתות מיקרוביאליות דיפרנציאליות משמעותיות שזוהו באנוספירה, בריזופלן ואדמה ריזוספירה של אורז.
Introduction
למחקר מיקרוביום יש השלכות חשובות על הבנה ומניפולציה של תהליכים אקולוגיים1,2. אוכלוסיות מיקרוביות מחוברות על ידי רשתות אקולוגיות אינטראקציה, שמאפייניהן יכולים להשפיע על התגובה של מיקרואורגניזמים לשינויים סביבתיים3,4. יתר על כן, המאפיינים של רשתות אלה משפיעים על היציבות של קהילות מיקרוביות, והם קשורים קשר הדוק עם פונקציית הקרקע5. ניתוח רשת מתאם גנים משוקלל מיושם כעת באופן נרחב למחקר על הקשר ביןגניםוקהילות מיקרוביאליות 6 . מחקרים קודמים התמקדו בעיקר בקשרים בין רשתות של גנים או אוכלוסיות שונות לבין העולם החיצון7. עם זאת, ההבדלים ברשתות המתאם שנוצרו על ידי אוכלוסיות מיקרוביות בתנאים סביבתיים שונים נחקרו בקושי. מטרת המחקר המוצג במאמר זה היא לספק תובנות ופרטים על היישום המהיר של אלגוריתם WGCNA כדי לבנות רשת מופע משותף של דגימות מיקרוביום שנאספו בתנאים סביבתיים שונים. בהתבסס על תוצאות הניתוח, הערכנו את הרכב האוכלוסייה וההבדלים ודנו עוד יותר ביחסים בין אוכלוסיות מיקרוביות שונות. הזרימה הבסיסית הבאה של אלגוריתם רשת מתאם משוקלל8 הוחלה. ראשית, היה צורך לבנות מטריצת דמיון על-ידי חישוב מקדם המתאם של פירסון בין פרופילי הביטויים של יחידות טקסונומיות תפעוליות (OTU). לאחר מכן, הפרמטרים של פונקציות ההדחה (הכוח או פונקציות ההדחה הסיגמואידית) אומצו עם קריטריון טופולוגי ללא קנה מידה, מטריצת הדמיון הפכה למטריצת סמיכות, וכל רשת מופע משותף התאימה למטריצת סמיכות. השתמשנו באשכולות הירארכיים של הצמדה ממוצעת בשילוב עם השוני מבוסס TOM כדי לקבץ OTUs עם פרופילי ביטוי קוהרנטיים למודולים. יתר על כן, חישבנו את הקשר בין סטטיסטיקה שמרנית לבין מודולי ניתוח הפרמטרים הקשורים, ולבסוף זיהינו את הרכזת OTU במודול. שיטות אלה מתאימות במיוחד לניתוח ההבדלים במבני הרשת בין אוכלוסיות מיקרוביאליות שונות בתנאים סביבתיים שונים. בכתב יד זה תיארנו בפירוט את שיטת פיתוח רשת הביטוי המשותף, ניתוח השונים בין המודולים, וסיפקנו סקירה קצרה של השלבים בהליך החלים להשגת מיני הליבה ברשתות מודול שונות.
Protocol
Representative Results
Discussion
רשתות מתאם שימשו יותר ויותר ביישומי ביואינפורמטיקה. WGCNA היא שיטה ביולוגית של מערכות לניתוח תיאורי של היחסים בין אלמנטים שונים של מערכת ביולוגית12. חבילת תוכנה R שימשה בעבודה קודמת על WGCNA13,14,15. החבילה כוללת פונקציות לבניית רשת, ?…
Declarações
The authors have nothing to disclose.
Acknowledgements
פיתוח כתב יד זה נתמך על ידי כספים מהקרן הלאומית למדעי הטבע של סין-גוויג’ואו מחוזי של המדינה קארסט פרויקט המרכז לחקר המדע (U1812401), פרויקט מחקר דוקטורט של אוניברסיטת גוויג’ואו נורמלי (GZNUD[2017]1), פרויקט תמיכה במדע וטכנולוגיה של מחוז גוויג’ואו (QKHZC[2021]YB459) ופרויקט המדע והטכנולוגיה של Guiyang([2019]2-8).
המחברים מבקשים להודות לאדוארדס J.A.A ואח ‘ על אספקת נתוני מיקרוביום אורז במאגרי מידע ציבוריים ותמיכה מ- TopEdit (www.topeditsci.com) על הסיוע הלשוני שלה במהלך הכנת כתב יד זה.
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. |
Referências
- 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).
