Summary

Tick Microbiome karakterisering av neste generasjons 16S rRNA Amplicon sekvenser

Published: August 25, 2018
doi:

Summary

Her presenterer vi en neste generasjons sekvensering protokoll for 16S rRNA sekvensering som gjør identifisering og karakterisering av mikrobielle samfunn i vektorer. Denne metoden innebærer DNA utvinning, forsterkning og barcoding av prøver gjennom PCR, sekvensering flyt-celle og bioinformatikk å matche sekvens data til phylogenetic informasjon.

Abstract

I de siste tiårene, har vektor-sykdommer igjen dukket opp og utvidet på urovekkende priser, forårsaker betydelig sykelighet og dødelighet verden. Effektiv og lett tilgjengelige vaccines mangler for et flertall av disse sykdommer, nødvendiggjør utviklingen av Roman sykdom forminskingsmodulen strategier. Dette innebærer en lovende avenue sykdom kontroll målretting vektor microbiome, fellesskapet av mikrober som bor vektoren. Vector microbiome spiller en sentral rolle i patogen dynamics og manipulering av microbiome har ført til redusert vektor overflod eller patogen overføring for en håndfull vektor-sykdommer. Men krever oversette disse funnene i sykdom kontroll programmene en grundig forståelse av vektor microbial ecology, historisk begrenset av utilstrekkelig teknologi på dette området. Bruk av neste generasjons sekvensering metoder har aktivert rask, svært parallelle sekvenser av ulike mikrobielle samfunn. Målretting svært bevart 16S rRNA genet har muliggjort characterizations av mikrober stede i vektorer under varierende økologiske og eksperimentelle forhold. Denne teknikken innebærer forsterkning av 16S rRNA genet, prøve barcoding via PCR, lasting eksempler på en flyt for sekvensering, og bioinformatikk tilnærminger tilsvarer sekvens databehandling Fylogenetiske informasjon. Art eller slekt nivå identifikasjon for et høyt tall av replikat kan vanligvis oppnås gjennom denne metoden, og dermed omgå utfordringene i lav oppdagelsen, oppløsning og utdata fra tradisjonelle dyrking, mikroskopi eller histologiske flekker teknikker. Derfor denne metoden er velegnet for å karakterisere vektor mikrober under ulike forhold, men for tiden gir ikke informasjon om mikrobiell funksjon, sted vektor, eller svar på antibiotikabehandling. Total, 16S neste generasjons sekvensering er en kraftfull teknikk for å bedre forstå identitet og rollen av vektor mikrober i sykdom dynamics.

Introduction

Fremveksten og spredningen av vektor-sykdommer i de siste tiårene utgjør en alvorlig trussel mot global menneske og dyr helse. Effektive vaksiner mangler for et flertall av disse sykdommene, og kontroll innsats er hindret av komplekse biologiske natur vektorer og vektor-vert interaksjoner. Forståelsen av mikrobielle interaksjoner i en vektor i patogen overføring kan tillate utviklingen av romanen strategier som omgå disse utfordringene. Spesielt kan interaksjoner mellom vektor-assosiert mikrobiell commensals og symbionter patogener, kalles microbiome, ha viktige konsekvenser for patogen overføring. Overveldende bevis nå støtter denne påstanden, med eksempler som demonstrerer et koblingen mellom vektor microbiome og kompetanse for sykdommer som malaria og Zika virus Lyme sykdom1,2,3. Oversette disse funnene i strategier for Skadekontroll krever imidlertid en langt mer detaljert forståelse av strukturen, funksjon og opprinnelsen til vektor microbiomes. Identifikasjon og karakterisering av vektor mikrobiell samfunnet under varierende økologiske og eksperimentelle forhold utgjør et viktig vei fremover i dette feltet.

En prosedyre for å identifisere mikrobiell innbyggerne i en patogen vektor tilbys her ved å bruke Western black legged kryss, Ixodes pacificus, vector art av patogen Lyme sykdom Borrelia burgdorferi. Mens flått havn flere typer mennesker enn noen andre leddyr, er relativt lite kjent om biologi og samfunnet økologi tick microbiomes4. Det er tydelig at flått havn en variert utvalg av virus, bakterier, sopp og protozoans inkluderer commensals, endosymbionts og forbigående mikrobiell beboere5,4. Tidligere arbeid har vist sterk variasjoner i Ixodes microbiomes forbundet med geografi, arter, sex, liv Stadium og blod måltid kilde6,7,8. Imidlertid mekanismene bak denne varianten er fortsatt ukjent og garanterer mer detaljerte undersøkelser av opprinnelsen og montering av disse mikrobielle samfunn. Flått kan skaffe mikrober gjennom vertikal overføring, kontakt med verter og opptak fra miljøet gjennom voksne, munn og anal pore9. Forstå faktorer forme første dannelsen og utviklingen av tick microbiome, er spesielt relative bidrag loddrett og miljømessige overføring, viktig for å forstå den naturlige mønstre og variasjoner i kryss Microbiome mangfold og hvordan disse samfunnene samhandle i patogen overføring, med mulige programmer sykdom eller vektor.

Kraftig molekylær teknikker, som neste generasjons sekvensering, nå eksisterer for å identifisere mikrobielle samfunn og kan brukes til å karakterisere vektor microbiomes under ulike miljømessige eller eksperimentelle forhold. Før ankomsten av disse høy gjennomstrømming sekvensering tilnærminger avhengig identifikasjon av mikrober hovedsakelig mikroskopi og kultur. Mikroskopi er en rask og enkel teknikk, er morfologiske metoder for å identifisere mikrober iboende subjektiv og grov og begrenset av lav sensitivitet og gjenkjenning10. Kultur-baserte metoder brukes generelt for mikrobiell identifisering og kan brukes til å bestemme mottakelighet av mikrober til narkotika behandlinger11. Men lider denne metoden også av lav følsomhet, som det har blitt anslått at færre enn 2% av miljømessige mikrober kan kultivert i et laboratorium sette12. Histologiske flekker tilnærminger har også vært ansatt å oppdage og lokalisere bestemt mikrober innen vektorer, aktiverer undersøkelser av ulike taxa distribusjoner i haken og studere hypoteser om mikrobiell interaksjoner. Forkunnskaper mikrobiell identitet er imidlertid nødvendig for å velge riktig flekker, gjør denne tilnærmingen dårlig tilpasset for mikrobiell karakterisering og identifikasjon. Videre histologiske flekker er en svært tidkrevende, arbeidskrevende prosess og skalere ikke godt for store. Tradisjonelle molekylær tilnærminger som Sanger sekvensering er tilsvarende begrenset i sin følsomhet og påvisning av ulike mikrobielle samfunn.

Neste generasjons sekvensering tillater rask identifisering av mikrober fra mange eksempler. Standard markør gener og referanse databaser ytterligere muliggjør forbedret taksonomisk oppløsning, ofte til slekten eller arter. Liten delenhet ribosomal RNAs brukes ofte til å oppnå dette målet, med 16S rRNA er den vanligste av bevarte og variable regioner i genet, slik at etableringen av universell primere med unik amplicons for hver bakteriell Art13,14. Denne rapporten viser en prosedyre for å identifisere taxa i kryss microbiome gjennom 16S rRNA neste generasjons sekvensering. Spesielt understreker denne protokollen trinnene involvert i forbereder prøver sekvensering. Mer generalisert informasjon om sekvensering og bioinformatikk trinnene vises, som det er en rekke sekvensering plattformer og analyse programmer tilgjengelig, med omfattende eksisterende dokumentasjon. Generelle muligheten for denne neste generasjons sekvensering er demonstrert ved å bruke det på en undersøkelse av mikrobielle samfunn montering i en nøkkel sykdom vektor.

Protocol

1. sjekke innsamling og overflaten sterilisering Samle flått ved å dra en 1 m2 hvit klut over et kryss-assosiert habitat, fjerne flått knyttet til verten arter, eller oppdrett flått i lab15,16. Bruke fine tang manipulere flått og lagre dem på-80 ° C. Plasser flått i individuelle PCR rør og fjerne overflaten smuss ved vortexing for 15 s suksessivt med 500 μL hydrogenperoksid (H2O2), 70% etanol og ddH<s…

Representative Results

Totalt 42 flått fra tre separate egg clutches og to miljømessige eksponering perioder, 0 og 2 uker i jord, ble behandlet for microbiome sekvensering. Hver behandlingsgruppe, anses å være en enkelt clutch og eksponering tid, inneholdt 6-8 gjenskape tick prøver. Disse behandlet tick ekstrakter var lastet inn en neste generasjons sequencer og gitt 12,885,713 sammen-end leser passerer filteret. Inkludert i dette løpet var 3 negative kontroller fra utvinning trinn, gir totalt 211,214 les…

Discussion

Neste generasjons sekvensering av 16S rRNA har blitt en standard tilnærming for mikrobiell identifikasjon og aktivert studiet av hvordan vektor microbiomes påvirker patogen overføring. Protokollen skissert her viser bruk av denne metoden å undersøke mikrobiell samfunnet montering i I. pacificus, vector art for Lyme sykdom; men kan det lett brukes for å studere andre kryss arter eller leddyr vector art.

Faktisk, 16S rRNA sekvenser for microbiome analyse er brukt grovt å studere …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbeidet ble støttet av National Science Foundation gir AS (DEB #1427772, 1745411, 1750037).

Materials

Item Name of Material/Equipment Company Catalog #
1 DNeasy Blood & Tissue Kit Qiagen 69504
2 Qubit 4 Fluorometer ThermoFisher Scientific Q3326
3 NanoDrop 8000 Spectrophotometer ThermoFisher Scientific ND-8000-GL
4 2x KAPA HiFi HotStart ReadyMix Kapa Biosystems KK2501
5 AMPure XP beads Agen Court A63880 
6 Magnetic Rack ThermoFisher Scientific MR02
6 TE buffer Teknova T0223
7 Nextera Index Kit Illumina FC-121-1011
8 KAPA Library Quantification Kit Roche KK4824
9 MiSeq System Illumina SY-410-1003
10 MiSeq Reagent Kit v3  Illumina MS-102-3001
11 10 mM Tris-HCl with 0.1% Tween 20 Teknova T7724

References

  1. Dong, Y., Manfredini, F., Dimopoulos, G. Implication of the mosquito midgut microbiota in the defense against malaria parasites. Public Library of Science Pathogens. 5 (5), (2009).
  2. Aliota, M. T., Peinado, S. A., Velez, I. D., Osorio, J. E. The wMel strain of Wolbachia reduces transmission of Zika virus by Aedes aegypti. Scientific Reports. 6 (July), 1-7 (2016).
  3. Narasimhan, S., et al. Gut microbiota of the tick vector Ixodes scapularis modulate colonization of the Lyme disease spirochete. Cell Host and Microbe. 15 (1), 58-71 (2014).
  4. Clay, K., Fuqua, C. The Tick Microbiome: Diversity, Distribution and Influence of the Internal Microbial Community for a Blood-Feeding Disease Vector. Critical Needs and Gaps in Understanding Prevention, Amelioration, and Resolution of Lyme and Other Tick-Borne Diseases: The Short-Term and Long-Term Outcomes. , 1-22 (2010).
  5. Noda, H., Munderloh, U. G., Kurtti, T. J. Endosymbionts of Ticks and Their Relationship to Wolbachia spp. and Tick-Borne Pathogens of Humans and Animals. Applied and Environmental Microbiology. 63 (10), 3926-3932 (1997).
  6. van Treuren, W., et al. Variation in the microbiota of Ixodes ticks with regard to geography, species, and sex. Applied and Environmental Microbiology. 81 (18), 6200-6209 (2015).
  7. Swei, A., Kwan, J. Y. Tick microbiome and pathogen acquisition altered by host blood meal. The ISME Journal: Multidisciplinary Journal of Microbial Ecology. 11 (3), 813-816 (2017).
  8. Kwan, J. Y., Griggs, R., Chicana, B., Miller, C., Swei, A. Vertical vs. horizontal transmission of the microbiome in a key disease vector, Ixodes pacificus. Molecular Ecology. 26 (23), 6578-6589 (2017).
  9. Narasimhan, S., Fikrig, E. Tick microbiome: The force within. Trends in Parasitology. 31 (7), 315-323 (2015).
  10. Houpikian, P., Raoult, D. Traditional and molecular techniques for the study of emerging bacterial diseases: One laboratory’s perspective. Emerging Infectious Diseases. 8 (2), 122-131 (2002).
  11. Kotsilkov, K., Popova, C., Boyanova, L., Setchanova, L., Mitov, I. Comparison of culture method and real-time PCR for detection of putative periodontopathogenic bacteria in deep periodontal pockets. Biotechnology and Biotechnological Equipment. 29 (5), 996-1002 (2015).
  12. Wade, W. Unculturable bacteria – The uncharacterized organisms that cause oral infections. Journal of the Royal Society of Medicine. 95 (2), 81-83 (2002).
  13. Klindworth, A., et al. Evaluation of general 16S ribosomal RNA gene PCR primers for classical and next-generation sequencing-based diversity studies. Nucleic Acids Research. 41 (1), 1-11 (2013).
  14. Janda, J. M., Abbott, S. L. 16S rRNA gene sequencing for bacterial identification in the diagnostic laboratory: Pluses, perils, and pitfalls. Journal of Clinical Microbiology. 45 (9), 2761-2764 (2007).
  15. Falco, R. C., Fish, D. A comparison of methods for sampling the deer tick, Ixodes dammini, in a Lyme disease endemic area. Experimental & Applied Acarology. 14 (2), 165-173 (1992).
  16. Patrick, C. D., Hair, J. A. Laboratory rearing procedures and equipment for multi-host ticks (Acarina: Ixodidae). Journal of Medical Entomology. 12 (3), 389-390 (1975).
  17. Köchl, S., Niederstätter, H., Parson, W. DNA extraction and quantitation of forensic samples using the phenol-chloroform method and real-time PCR. Methods in Molecular Biology. 297, 13-30 (2005).
  18. Wallace, D. M., Berger, S. L., Kimmel, R. Large- and small- scale phenol extractions. Guide to molecular cloning techniques. 18, 33-41 (1987).
  19. Zeugin, J. A., Hartley, J. L. Ethanol Precipitation of DNA. Focus. 7 (4), 1-2 (1985).
  20. Walsh, P. S., Metzger, D. A., Higuchi, R. Chelex 100 as a medium for simple extraction of DNA for PCR-based typing from forensic material. BioTechniques. 10, 506-518 (1991).
  21. Gariepy, T. D., Lindsay, R., Ogden, N., Gregory, T. R. Identifying the last supper: utility of the DNA barcode library for bloodmeal identification in ticks. Molecular Ecology Resources. 12, 646-652 (2012).
  22. Ammazzalorso, A. D., Zolnik, C. P., Daniels, T. J., Kolokotronis, S. O. To beat or not to beat a tick: comparison of DNA extraction methods for ticks (Ixodes scapularis). PeerJ. 3, 1-14 (2015).
  23. Desjardins, P., Conklin, D. NanoDrop microvolume quantitation of nucleic acids. Journal of Visualized Experiments. , (2010).
  24. TaKara Bio. . Library Quantification Kit: User Manual. , (2018).
  25. Genohub. . Cluster density optimization on Illumina sequencing instruments. , (2018).
  26. Fadrosh, D. W., et al. An improved dual-indexing approach for multiplexed 16S rRNA gene sequencing on the Illumina MiSeq platform. Microbiome. 2 (6), (2014).
  27. Caporaso, G. J., et al. QIIME allows analysis of high-throughput community sequencing data. Nature Methods. 7, 335-336 (2010).
  28. Schloss, P. D., et al. Introducing mothur: open-source, platform-independent, community-supported software for describing and comparing microbial communities. Applied and Environmental Microbiology. 75, 7537-7541 (2009).
  29. Duguma, D., et al. Developmental succession of the microbiome of Culex mosquitoes Ecological and evolutionary microbiology. BMC Microbiology. 15 (1), 1-13 (2015).
  30. Fagen, J. R. Characterization of the Relative Abundance of the Citrus Pathogen Ca. Liberibacter Asiaticus in the Microbiome of Its Insect Vector, Diaphorina citri, using High Throughput 16S rRNA Sequencing. The Open Microbiology Journal. 6 (1), 29-33 (2012).
  31. Geiger, A., et al. First isolation of Enterobacter, Enterococcus, and Acinetobacter spp. as inhabitants of the tsetse fly (Glossina palpalis palpalis) midgut. Infection, Genetics and Evolution. 9 (6), 1364-1370 (2009).
  32. Salter, S. J., et al. Reagent and laboratory contamination can critically impact sequence-based microbiome analyses. BMC Biology. 12 (1), 1-12 (2014).
  33. Rand, K. H., Houck, H. Taq polymerase contains bacterial DNA of unknown origin. Molecular and Cellular Probes. 4, 445-450 (1990).
  34. Grahn, N., Olofsson, M., Ellnebo-Svedlund, K., Monstein, H. J., Jonasson, J. Identification of mixed bacterial DNA contamination in broad-range PCR amplification of 16S rDNA V1 and V3 variable regions by pyrosequencing of cloned amplicons. FEMS Microbiology Letters. 219, 87-91 (2003).
  35. Mohammadi, T., Reesink, H. W., Vandenbroucke-Grauls, C. M., Savelkoul, P. H. Removal of contaminating DNA from commercial nucleic acid extraction kit reagents. Journal of Microbiological Methods. 61, 285-288 (2005).
  36. Weiss, S., Amir, A., Hyde, E. R., Metcalf, J. L., Song, S. J., Knight, R. Tracking down the sources of experimental contamination in microbiome studies. Genome Biology. 15, 564 (2014).
  37. Paulson, J. N., Stine, O. C., Bravo, H. C., Pop, M. Differential abundance analysis for microbial marker-gene surveys. Nature Methods. 10 (12), 1200-1202 (2013).
  38. Weiss, S., et al. Normalization and microbial differential abundance strategies depend upon data characteristics. Microbiome. 5 (1), 1-18 (2017).
  39. McMurdie, P. J., Holmes, S. Waste Not, Want Not: Why Rarefying Microbiome Data Is Inadmissible. Public Library of Science Computational Biology. 10 (4), (2014).
  40. Edmonds, K., Williams, L. The role of the negative control in microbiome analyses. The Federation of American Societies for Experimental Biology Journal. 23 (Suppl 1), (2017).
  41. Gall, C. A., et al. The bacterial microbiome of Dermacentor andersoni ticks influences pathogen susceptibility. The ISME Journal: Multidisciplinary Journal of Microbial Ecology. 10, 1846-1855 (2016).
  42. Gofton, A. W., et al. Inhibition of the endosymbiont "Candidatus Midichloria mitochondrii" during 16S rRNA gene profiling reveals potential pathogens in Ixodes ticks from Australia. Parasites & Vectors. , 1-11 (2015).
  43. Pruesse, E., et al. SILVA: a comprehensive online resource for quality checked and aligned ribosomal RNA sequence data compatible with ARB. Nucleic Acids Research. 35, 7188-7196 (2007).
  44. DeSantis, T. Z., et al. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB. Applied and Environmental Microbiology. 72, 5069-5072 (2006).
  45. Cole, J. R., et al. The Ribosomal Database Project: improved alignments and new tools for rRNA analysis. Nucleic Acids Research. 37, D141-D145 (2009).
  46. Benson, D. A., Karsch-Mizrachi, I., Lipman, D. J., Ostell, J., Wheeler, D. L. GenBank. Nucleic Acids Research. 34, D16-D20 (2006).
  47. Schloss, P. D. The effects of alignment quality, distance calculation method, sequence filtering, and region on the analysis of 16S rRNA gene-based studies. Public Library of Science Computational Biology. 6 (7), 19 (2010).
  48. Balvočiute, M., Huson, D. H., SILVA, R. D. P. Greengenes, NCBI and OTT – how do these taxonomies compare?. BMC Genomics. 18 (Suppl 2), 1-8 (2017).
  49. Langille, M. G., et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences. Nature Biotechnology. 31 (9), 814-821 (2013).
check_url/58239?article_type=t

Play Video

Cite This Article
Couper, L., Swei, A. Tick Microbiome Characterization by Next-Generation 16S rRNA Amplicon Sequencing. J. Vis. Exp. (138), e58239, doi:10.3791/58239 (2018).

View Video