가중 상관 관계 네트워크에 따라 다른 서식지에서 루트 미생물의 발산
Summary
네트워크 분석은 토양, 물 및 뿌리 부와 같은 다양한 생태 미생물 공동체의 연관성을 평가하기 위해 적용되었다. 여기에 제시된 WGCNA 알고리즘을 사용하여 다양한 생태 환경으로 인해 미생물 커뮤니티에서 발생할 수 있는 상이한 동발생 네트워크를 분석하는 방법에 대한 프로토콜이 제시된다.
Abstract
뿌리 미생물군유전체는 식물 성장과 환경 적응에 중요한 역할을 합니다. 네트워크 분석은 지역 사회를 연구하기위한 중요한 도구이며, 이는 다른 환경에서 다른 미생물 종의 상호 작용 관계 또는 동발생 모델을 효과적으로 탐구 할 수 있습니다. 이 원고의 목적은 다양한 생태 환경으로 인해 미생물 공동체에서 발생할 수 있는 상이한 공존 네트워크를 분석하기 위해 가중 상관 관계 네트워크 알고리즘을 사용하는 방법에 대한 세부 정보를 제공하는 것이다. 실험의 모든 분석은 WGCNA 패키지에서 수행됩니다. WGCNA는 가중 상관 네트워크 분석을 위한 R 패키지입니다. 이러한 방법을 입증하는 데 사용되는 실험 데이터는 쌀 (Oryza sativa) 뿌리 시스템의 세 틈새 에 대한 NCBI (생명 공학 정보 센터) 데이터베이스에서 미생물 커뮤니티 데이터였다. 우리는 3개의 틈새 시장 각각에 있는 미생물 지역 사회의 공동 풍요로운 네트워크를 구축하기 위하여 가중 상관 관계 네트워크 알고리즘을 이용했습니다. 이어서, 내피, 뿌리부, 뿌리부 및 뿌리부구 토양 간의 차동 공동 풍부 네트워크가 확인되었다. 또한 네트워크의 핵심 제네라들은 네트워크 기능에서 중요한 규제 역할을 하는 “WGCNA” 패키지에 의해 획득되었습니다. 이 방법을 통해 연구자들은 미생물 네트워크의 반응을 환경 장애에 대한 분석하고 다른 미생물 생태 반응 이론을 확인할 수 있습니다. 이러한 방법의 결과는 내구, 뿌리 부평면 및 쌀의 뿌리 부구 토양에서 확인된 중요한 차동 미생물 네트워크가 있음을 보여준다.
Introduction
미생물군유전체 연구는 생태계 프로세스 를 이해하고 조작하는 데 중요한 영향을 미칩니다1,2. 미생물 인구는 환경 변화에 미생물의 반응에 영향을 미칠 수있는 생태 네트워크를 상호 작용하여 상호연결3,4. 더욱이, 이들 네트워크의 특성은 미생물 공동체의 안정성에 영향을 미치고, 토양 기능5와밀접한 관련이 있다. 가중 유전자 상관 네트워크 분석은 지금 유전자와 미생물 지역 사회 사이 관계에 대한 연구를 위해 널리 적용되었습니다6. 이전 연구는 다른 유전자 또는 인구의 네트워크와 외부 세계 7 사이의 연관성에 주로 초점을맞추고있다. 그러나, 다른 환경 조건하에서 미생물 인구에 의해 형성된 상관 관계 네트워크의 다름은 거의 조사되지 않았습니다. 이 논문에 제시된 연구의 목적은 WGCNA 알고리즘의 신속한 구현에 대한 통찰력과 세부 정보를 제공하여 다양한 환경 조건에서 수집된 미생물군유전체 샘플의 공존 네트워크를 구성하는 것입니다. 분석 결과에 기초하여, 우리는 인구의 조성및 다름을 평가하고 다른 미생물 인구 사이 관계를 더 토론했습니다. 가중치 상관 관계 네트워크 알고리즘8의 다음과 같은 기본 흐름이 적용되었습니다. 첫째, OTU(운영 분류장치) 식 프로파일 간의 Pearson 상관 계수를 계산하여 유사성 매트릭스를 구성해야 했습니다. 이어서, 인자 기능(힘 또는 시그마이드 어자능 함수)의 파라미터는 스케일 프리 토폴로지 기준으로 채택되었고, 유사성 매트릭스는 인자계 매트릭스로 변형되었고, 각 공동 발생 네트워크는 인자계 행렬에 대응하였다. 일관된 식 프로파일을 모듈로 그룹화하는 TOM 기반 유사성과 결합된 평균 연결 계층 클러스터링을 사용했습니다. 또한, 우리는 보수적 인 통계와 관련 매개 변수 분석 모듈 사이의 관계를 계산, 마지막으로 모듈의 허브 OTU를 식별. 이러한 방법은 다양한 환경 조건하에서 다양한 미생물 집단 간의 네트워크 구조의 차이 분석에 특히 적합합니다. 본 원고에서, 우리는 모듈 간의 유사점 분석, 공동 발현 네트워크 개발 방법, 모듈 간의 유사성 분석에 대해 자세히 설명하고, 다른 모듈 네트워크에서 핵심 종을 얻기 위해 적용된 절차의 단계에 대한 간략한 개요를 제공했다.
Protocol
Representative Results
Discussion
상관 관계 네트워크는 생물 정보학 응용 분야에서 점점 더 사용되고 있습니다. WGCNA는 생물학적계통(12)의다양한 원소 간의 관계를 설명분석하기 위한 시스템 생물학 방법이다. R 소프트웨어 패키지는WGCNA13,14,15의이전 작업에서 사용되었습니다. 이 패키지에는 네트워크 구성, 모듈 감지, 토폴로지 속성 계산, ?…
Declarações
The authors have nothing to disclose.
Acknowledgements
이 원고의 개발은 중국 구이저우 지방 인민 과학 연구 센터 프로젝트 (U1812401), 구이저우 사범 대학의 박사 연구 프로젝트 (GZNUD)의 국립 자연 과학 재단의 기금에 의해 지원되었다.].]. 2017]1), 구이저우성 과학기술지원사업(QKHZC[2021]YB459) 및 구이양 과학기술프로젝트(2019]2-8).
저자는 이 원고를 준비하는 동안 언어 지원에 대한 공공 데이터베이스와 TopEdit (www.topeditsci.com)의 지원에 쌀 미생물군유전체 데이터를 제공 한 Edwards J.A 외에게 감사드립니다.
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).
