Une nouvelle méthode de comparaison de gènes codant pour des protéines entières entre des données métagénomiques détecte un gradient environnemental pour le microbiote

Dans une récente étude publiée dans la revue PLOS ONEdes chercheurs japonais ont comparé des arbres phylogénétiques basés sur des données protéomiques du microbiote avec des dendrogrammes de facteurs environnementaux pour déterminer le rôle des gradients environnementaux dans l’établissement de communautés microbiennes.

Arrière-plan

Le rôle des facteurs environnementaux tels que la température, l’humidité, la teneur en carbone et en azote et le pH dans la croissance microbienne a été bien étudié. La détermination des corrélations entre l’évolution des communautés microbiennes et les gradients environnementaux peut approfondir notre compréhension de la façon dont les principaux facteurs environnementaux influencent les communautés microbiennes.

Avec l’avancement des technologies de séquençage au cours des dernières décennies et le développement d’outils bioinformatiques plus rapides et plus efficaces, des méthodes telles que le séquençage métagénomique complet peuvent être utilisées pour identifier de nouvelles espèces, des gènes fonctionnels et des voies métaboliques sont devenues réalisables.

Avec l’accès à de plus grandes quantités de données génomiques et protéomiques et à des outils phylogénétiques avancés, les similitudes et les relations entre les espèces et les communautés microbiennes et les corrélations avec les facteurs environnementaux peuvent être examinées en détail.

À propos de l’étude

La présente étude a développé une méthode appelée phylogénie métagénomique par similarité de séquence moyenne (MPASS) basée sur la similarité de séquence moyenne pour comparer les données protéomiques obtenues à partir du séquençage du fusil de chasse du génome entier.

Pour tester la précision de MPASS dans la détection des similitudes de séquence, deux ensembles de données simulées de données métagénomiques de cinq espèces bactériennes – Acidobactérie capsulatum, Bacteroides fragilis, Nitrosospira multiformis, Protée est merveilleuxet Sulfolobus islandicus — ont été analysés à l’aide de MPASS et utilisés pour construire des arbres phylogénétiques. Les relations d’ordre de ramification et les compositions des espèces bactériennes ont été observées.

La méthode a ensuite été appliquée à un ensemble de données métagénomiques de sol existant comprenant 16 échantillons provenant de biomes écologiques distincts tels que la toundra, les déserts froids, les déserts chauds, les forêts et les prairies. MPASS a également été utilisé pour analyser un ensemble de données métagénomiques aquatiques comprenant 35 échantillons provenant d’un évent hydrothermal en haute mer, d’océans, de lacs et de sources chaudes.

De plus, les branches des sources chaudes de Kirishima de l’arbre métagénomique aquatique ont été utilisées dans un programme appelé TREEDIST pour comparer quantitativement l’arbre phylogénétique basé sur le métagénome avec un dendrogramme de paramètres environnementaux. Les paramètres rapportés des sources chaudes étaient la turbidité, le pH et les concentrations de carbone organique, d’azote total et d’ions cuivre, zinc et sulfate.

En outre, le nombre de gènes et d’espèces répartis sur divers métagénomes d’une même lignée et le nombre de gènes partagés entre des métagénomes similaires ont également été analysés.

Résultats

Les résultats ont indiqué que la méthode MPASS pouvait construire avec précision des arbres métagénomiques à partir d’échantillons métagénomiques de sol et d’eau simulés et réels, avec un regroupement correct des échantillons dans l’ensemble de données.

De plus, lorsque l’arbre métagénomique a été utilisé pour déduire des corrélations entre les transitions du microbiome et les facteurs environnementaux, les ordres de ramification des échantillons des évents hydrothermaux et des grappes de sources chaudes étaient corrélés à la distance des sources de chaleur ainsi qu’à l’augmentation des températures sur les sites d’échantillonnage.

L’arbre métagénomique construit à l’aide de la méthode MPASS a pu déterminer les transitions du microbiome qui se sont produites avec l’évolution des gradients environnementaux. La topologie arborescente reflète également les niveaux fonctionnels et taxonomiques de la dynamique microbienne. Pour l’ensemble de données métagénomiques sur les microbes du sol, l’arbre phylogénétique a séparé les échantillons en trois groupes – désert chaud, désert froid et biomes verts composés de prairie, de forêt et de toundra. Conformément aux études précédentes, les grappes reflétaient des similitudes dans le pH du sol.

L’arbre a regroupé les échantillons en fonction des biomes d’eau douce et d’eau de mer pour l’ensemble de données métagénomiques aquatiques. Epsilonprotéobactéries, tel que Campylobactéries qui réduisent le soufre, ont été trouvés en abondance dans et autour des évents hydrothermaux, l’abondance diminuant avec l’augmentation de la distance des évents. Au sein du groupe d’eau de mer, il y avait trois sous-groupes basés sur l’emplacement géographique et d’autres différences de ramification en fonction de la profondeur de l’échantillon. Les échantillons d’eau douce ont été regroupés en fonction des biomes du lac et des sources chaudes.

L’arbre métagénomique était similaire aux dendrogrammes de divers facteurs environnementaux, y compris le potentiel d’oxydo-réduction, les ions vanadium, la concentration de sulfate et l’azote organique total, totalement organique, organique dissous et organique particulaire. Aérobie, métabolisant le soufre Crenarchaeota et anaérobie Aquatique ont été trouvés dans les régions très troubles ou transparentes des sources chaudes, respectivement.

conclusion

Dans l’ensemble, les résultats ont indiqué que la méthode MPASS développée dans cette étude classait avec précision les données protéomiques entières dérivées à l’aide du séquençage métagénomique du fusil de chasse basé sur la similarité des séquences. L’arbre métagénomique construit à l’aide de MPASS a été utile pour déterminer les corrélations avec les gradients environnementaux.