重み付け相関ネットワークに基づく異なる生息地における根内微生物叢の発散
Summary
ネットワーク解析を行い、土壌、水、根層圏などの様々な生態微生物群集の関連を評価しました。WGCNA アルゴリズムを使用して、環境環境の異なる微生物群集で発生する可能性のある、異なる共発生ネットワークを解析する方法に関するプロトコルを紹介します。
Abstract
根マイクロバイオームは、植物の成長と環境適応に重要な役割を果たしています。ネットワーク解析は、異なる環境で異なる微生物種の相互作用関係または共発生モデルを効果的に探求することができるコミュニティを研究するための重要なツールです。この原稿の目的は、加重相関ネットワークアルゴリズムを使用して、異なる生態学的環境に起因する微生物群集で発生する可能性のある異なる共発生ネットワークを分析する方法の詳細を提供することです。実験の全ての分析はWGCNAパッケージで行われる。WGCNA は重み付け相関ネットワーク分析のための R パッケージです。これらの方法を実証するために使用された実験データは、米(Oryza sativa)ルートシステムの3つのニッチのためのNCBI(国立バイオテクノロジー情報センター)データベースからの微生物群集データであった。加重相関ネットワークアルゴリズムを用いて、3つのニッチのそれぞれに微生物群集の共存在ネットワークを構築しました。その後、エンドスフィア、根葉面、根球土間の差動共存在ネットワークが同定された。また、ネットワーク機能において重要な規制の役割を果たす「WGCNA」パッケージにより、ネットワーク内のコア属が得られました。これらの方法により、環境障害に対する微生物ネットワークの応答を分析し、異なる微生物生態学的応答理論を検証することができます。これらの方法の結果は、米のエンドスフィア、根葉面および根層圏土壌で同定された有意な微分微生物ネットワークを示す。
Introduction
マイクロバイオーム研究は、生態系プロセス1,2を理解し、操作する上で重要な意味を持つ。微生物集団は、環境変化に対する微生物の応答に影響を与える特性を持つ生態学的ネットワークを相互作用することによって相互接続される3,4.さらに、これらのネットワークの特性は、微生物群集の安定性に影響を及ぼし、土壌機能5と密接に関連している。重み付き遺伝子相関ネットワーク解析は、遺伝子群と微生物群集の関係に関する研究に広く応用されている。これまでの研究では、主に異なる遺伝子または集団のネットワークと外界との関連に焦点を当ててきた7.しかし、環境条件の異なる微生物集団によって形成される相関ネットワークの違いはほとんど調査されていない。本論文では、WGCNAアルゴリズムの迅速な実施に関する洞察と詳細を提供し、異なる環境条件下で収集したマイクロバイオームサンプルの共発生ネットワークを構築することを目的としています。分析結果に基づき、集団の組成と差を評価し、異なる微生物集団間の関係についてさらに議論した。加重相関ネットワークアルゴリズム8の以下の基本流れが適用された。まず、類似度行列は、操作分類単位(OTU)式プロファイル間のピアソン相関係数を計算することによって構築する必要があります。次に、隣接関係関数のパラメータ(パワーまたはシグモイド隣接関数)をスケールフリートポロジ基準で採用し、類似行列を隣接行列に変換し、各共発生ネットワークは隣接行列に対応した。TOM ベースの非類似性と結合した平均リンケージ階層クラスタリングを使用して、一貫した発現プロファイルを持つグループ OTUs をモジュールに組み込んだ。さらに、保守的な統計と関連するパラメータ分析モジュールとの関係を計算し、最終的にモジュール内のハブOTUを特定した。これらの方法は、環境条件の異なる様々な微生物群のネットワーク構造の違いを分析するのに特に適している。本稿では、共発現ネットワーク開発の方法、モジュール間の類似性の分析、及び異なるモジュールネットワークでコア種を得るために適用される手順の手順の概要を詳細に説明した。
Protocol
Representative Results
Discussion
相関ネットワークはバイオインフォマティクスアプリケーションでますます使用されています。WGCNAは、生物系12の様々な要素間の関係を記述的に分析するためのシステム生物学法である。R ソフトウェア パッケージは、WGCNA13、 14、15の以前の作業で使用されていました。このパッケージには、ネットワ?…
Declarações
The authors have nothing to disclose.
Acknowledgements
この原稿の開発は、中国・貴州省人民政府カルスト科学研究センタープロジェクト(U1812401)、貴州師範大学博士研究プロジェクト(GZNUD[GZNUD)の資金によって支援されました[ 2017年)、貴州省の科学技術支援プロジェクト(QKHZC[2021]YB459)、貴陽の科学技術プロジェクト([2019]2-8)。
著者らは、公開データベースで米のマイクロバイオームデータを提供し、この原稿の準備中にTopEdit(www.topeditsci.com)からの言語援助を支援してくれたエドワーズJ.Aららに感謝したいと考えています。
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).
