基于加权相关网络的不同栖息地根微生物群的差异
Summary
应用网络分析来评估各种生态微生物群落（如土壤、水和岩石圈）的关联。这里介绍的是如何使用WGCNA算法来分析由于不同的生态环境而可能发生在微生物群落中的不同共生网络的协议。
Abstract
根微生物群在植物生长和环境适应中起着重要作用。网络分析是研究社区的重要工具，可以有效探索不同环境中不同微生物物种的相互作用关系或共发生模式。本文稿的目的是提供如何使用加权相关网络算法分析因不同生态环境而可能发生在微生物群落中的不同共生网络的详细信息。实验的所有分析均在 WGCNA 包中执行。WGCNA 是用于加权相关网络分析的 R 包。用于证明这些方法的实验数据是来自NCBI（国家生物技术信息中心）数据库的微生物群落数据，用于水稻（Oryza水稻）根系的三个利基。我们使用加权相关网络算法在三个利基中每个利基中构建微生物群落的共同丰度网络。然后，确定了内层、地层和日光圈土壤之间的微分共丰度网络。此外，网络的核心属是通过”WGCNA”一揽子计划获得的，它在网络功能中起着重要的调节作用。这些方法使研究人员能够分析微生物网络对环境扰动的反应，并验证不同的微生物生态反应理论。这些方法的结果表明，水稻内层、地层和稻谷圈土壤中所识别的显著微分微生物网络。
Introduction
微生物群研究对理解和操纵生态系统过程具有重要的意义。微生物种群通过相互作用的生态网络相互连接，其特征会影响微生物对环境变化的反应。此外，这些网络的特性影响微生物群落的稳定，并与土壤功能5密切相关。加权基因相关性网络分析现已被广泛应用于基因与微生物群落关系的研究。先前的研究主要集中于不同基因或种群网络与外界之间的关联。然而，微生物群在不同环境条件下形成的相关网络差异几乎没有被研究过。本文所介绍的研究旨在提供有关快速实施WGCNA算法的见解和细节，以构建在不同环境条件下收集的微生物群样本的共发生网络。根据分析结果，我们评估了种群的组成和差异，并进一步讨论了不同微生物种群之间的关系。应用了加权相关网络算法8的以下基本流。首先，需要通过计算运营分类单位 （OTU） 表达配置文件之间的 Pearson 相关系数来构建相似性矩阵。然后，采用了具有无尺度拓扑标准的邻接函数参数（功率或 sigmoid 邻接函数），将相似性矩阵转换为邻接矩阵，并且每个共发生网络对应于邻接矩阵。我们使用平均链接分层聚类，以及基于 TOM 的差异，将具有连贯表达配置文件的 OTUs 组合成模块。此外，我们计算了保守统计与相关参数分析模块之间的关系，最终确定了模块中的集线器 OTU。这些方法特别适合分析不同环境条件下不同微生物种群之间网络结构的差异。在这份手稿中，我们详细描述了共同表达网络开发的方法，分析了模块之间的差异，并简要概述了在不同模块网络中获取核心物种的程序中应用的步骤。
Protocol
Representative Results
Discussion
相关网络越来越多地用于生物信息学应用。WGCNA是一种系统生物学方法，用于描述分析生物系统12的各种元素之间的关系。R软件包用于WGCNA13、14、15的早期工作。该软件包包括网络构建、模块检测、拓扑特性计算、数据模拟、可视化和与外部软件交互的能力等功能。WGCNA被广泛应用于分析来自脑癌…
Disclosures
The authors have nothing to disclose.
Acknowledgements
该手稿的研制得到了中国贵州省人民政府喀斯特科学研究中心项目（U1812401）、贵州师范大学博士研究项目（GZNUD[201]）的资助 7[1），贵州省科技支撑项目（QKHZC[2021]YB459）和贵阳科技项目（[2019]2-8）。
作者感谢Ededs J.A等人在公共数据库中提供水稻微生物群数据，并感谢TopEdit（www.topeditsci.com）在编写这份手稿期间提供的语言援助。
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. |
References
- 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).
