Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.
* Bu yazarlar eşit katkıda bulunmuştur
Toprak, su ve rizosfer gibi çeşitli ekolojik mikrobiyal toplulukların birlikteliğini değerlendirmek için ağ analizi uygulandı. Burada sunulan, farklı ekolojik ortamlar nedeniyle mikrobiyal topluluklarda oluşabilecek farklı birlikte oluşum ağlarını analiz etmek için WGCNA algoritmasının nasıl kullanılacağına ilişkin bir protokoldür.
Kök mikrobiyomu bitki büyümesinde ve çevresel adaptasyonda önemli bir rol oynar. Ağ analizi, farklı ortamlarda farklı mikrobiyal türlerin etkileşim ilişkisini veya birlikte oluşum modelini etkili bir şekilde keşfedebilen toplulukları incelemek için önemli bir araçtır. Bu makalenin amacı, farklı ekolojik ortamlar nedeniyle mikrobiyal topluluklarda oluşabilecek farklı birlikte oluşum ağlarını analiz etmek için ağırlıklı korelasyon ağı algoritmasının nasıl kullanılacağı hakkında ayrıntılı bilgi sağlamaktır. Deneyin tüm analizi WGCNA paketinde gerçekleştirilir. WGCNA, ağırlıklı korelasyon ağı analizi için bir R paketidir. Bu yöntemleri göstermek için kullanılan deneysel veriler, pirinç (Oryza sativa) kök sisteminin üç nişi için NCBI (Ulusal Biyoteknoloji Bilgi Merkezi) veritabanından mikrobiyal topluluk verileriydi. Üç nişin her birinde mikrobiyal topluluğun ortak bolluk ağlarını oluşturmak için ağırlıklı korelasyon ağı algoritmasını kullandık. Daha sonra endosfer, rhizoplane ve rizosfer toprağı arasında diferansiyel co-bolluk ağları tespit edildi. Buna ek olarak, ağdaki çekirdek cins, ağ işlevlerinde önemli bir düzenlenmiş rol oynayan "WGCNA" paketi ile elde edilmiştir. Bu yöntemler, araştırmacıların mikrobiyal ağın çevresel bozulmaya tepkisini analiz etmelerini ve farklı mikrobiyal ekolojik yanıt teorilerini doğrulamalarını sağlar. Bu yöntemlerin sonuçları, pirincin endosfer, rizosplan ve rizosfer toprağında tanımlanan önemli diferansiyel mikrobiyal ağların.
Mikrobiyom araştırmasının ekosistem süreçlerini anlamak ve manipüle etmek için önemli etkileri vardır1,2. Mikrobiyal popülasyonlar, özellikleri mikroorganizmaların çevresel değişikliklere tepkisini etkileyebilecek ekolojik ağlarla birbirine bağlanır3,4. Ayrıca, bu ağların özellikleri mikrobiyal toplulukların stabilitesini etkiler ve toprak fonksiyonu ile yakından ilişkilidir5. Ağırlıklı gen korelasyon ağı analizi artık genler ve mikrobiyal topluluklar arasındaki ilişki üzerine araştırma için yaygın olarak uygulanmaktadır6. Önceki çalışmalar esas olarak farklı genlerin veya popülasyonların ağları ile dış dünya arasındaki ilişkilere odaklanmıştır7. Bununla birlikte, mikrobiyal popülasyonların farklı çevresel koşullar altında oluşturduğu korelasyon ağlarındaki farklılıklar çok az araştırılmıştır. Bu makalede sunulan araştırmanın amacı, farklı çevresel koşullar altında toplanan mikrobiyom örneklerinden oluşan bir ortak oluşum ağı oluşturmak için WGCNA algoritmasının hızlı bir şekilde uygulanması hakkında içgörüler ve ayrıntılar sağlamaktır. Analiz sonuçlarına dayanarak, popülasyonun bileşimini ve farklılıklarını değerlendirdik ve farklı mikrobiyal popülasyonlar arasındaki ilişkiyi daha da tartıştık. Aşağıdaki temel ağ algoritması8 ağırlıklı korelasyon ağı algoritması uygulandı. İlk olarak, Operasyonel Taksonomik Birimler (OTU) ifade profilleri arasındaki Pearson korelasyon katsayısı hesaplanarak bir benzerlik matrisinin oluşturulması gerekiyordu. Daha sonra, bitişiklik işlevlerinin parametreleri (güç veya sigmoid bitişiklik işlevleri) ölçeksiz bir topoloji kriteri ile benimsendi, benzerlik matrisi bir bitişiklik matrisine dönüştürüldü ve her birlikte oluşum ağı bir bitişiklik matrisine karşılık geldi. Tutarlı ifade profillerine sahip OPU'ları modüller halinde gruplandırmak için TOM tabanlı benzerlik ile birlikte ortalama bağlantı hiyerarşik kümeleme kullandık. Ayrıca, muhafazakar istatistikler ve ilgili parametre analiz modülleri arasındaki ilişkiyi hesapladık ve sonunda modüldeki hub OTU'yu tanımladık. Bu yöntemler özellikle farklı çevresel koşullar altında çeşitli mikrobiyal popülasyonlar arasındaki ağ yapılarındaki farklılıkların analizi için uygundur. Bu yazıda, ortak ifade ağı geliştirme yöntemini, modüller arasındaki benzerliklerin analizini ayrıntılı olarak anlattık ve farklı modül ağlarındaki çekirdek türleri elde etmek için uygulanan prosedürdeki adımlara kısa bir genel bakış sağladık.
1. Veri İndirme
2. Optimum güç değeri belirleme
NOT: WGCNA paketi aşağıdaki işlev parametrelerinin tümlerini içerir. WGCNA, ağırlıklı korelasyon ağı analizi için bir R paketidir. Anahtar komut satırları Ek S1'e başvurur.
3. Ortak ifade ağının ve modül tanımlamasının inşası
NOT: Yukarıdaki hesaplanan güç değerine bağlı olarak, birlikte oluşum ağı oluşturulur. Anahtar komut satırları Ek S2'ye başvurur.
4. Modül karşılaştırması
NOT: Bu yöntem, iki ekolojik mikrobiyal topluluğun ağ modüllerini karşılaştırmak için kullanılabilir. Bu makalede, mikrobiyal ağ modüllerinin endosfer ve rhizoplane, endosfer ve rizosfer, rizosfer ve rhizosplane arasındaki farklarını karşılaştırın.
5. Mikrobiyal diferansiyel ağ modülünün analizi
Bu makaledeki temsili sonuçlar NCBI veritabanındaki 2014 Kaliforniya Abaker pirinç kökü mikrobiyom verilerinden indirildi (PRJNA386367)9. Veriler, su altında kalan bir pirinç tarlasında 14 hafta boyunca yetiştirilen pirinç bitkilerinden alınan rizosfer, rhizoplane ve endosfer mikrobiyom örneklerini içerir. WGCNA algoritmasını, ölçeksiz ağa yakın olan üç ağı karşılayan güç değerini seçmek için kullandık (Şekil 1) ve üç ortak ifade ağ?...
Korelasyon ağları biyoinformatik uygulamalarında giderek daha fazla kullanılmaktadır. WGCNA, biyolojik sistemin çeşitli unsurları arasındaki ilişkilerin açıklayıcı analizi için bir sistem biyolojisi yöntemidir12. R yazılım paketi WGCNA13 , 14,15üzerinde daha önceki çalışmalarda kullanılmıştır. Paket, ağ oluşturma, modül algılama, topolojik özelliklerin hesaplanması, veri s...
Yazarların açıklayacak bir şeyi yok.
Bu makalenin geliştirilmesi, Çin Ulusal Doğa Bilimleri Vakfı-Guizhou İl Halk Hükümeti Karst Bilim Araştırma Merkezi Projesi (U1812401), Guizhou Normal Üniversitesi Doktora Araştırma Projesi (GZNUD[201) tarafından desteklenmiştir.7]1), Guizhou Eyaleti Bilim ve Teknoloji Destek Projesi (QKHZC[2021]YB459) ve Guiyang Bilim ve Teknoloji Projesi([2019]2-8).
Yazarlar Edwards J.A ve arkadaşlarına kamuya açık veritabanlarında pirinç mikrobiyom verileri sağladıkları ve topedit'ten (www.topeditsci.com) bu makalenin hazırlanması sırasındaki dilsel yardımı için destek sağladıkları için teşekkür etmek istiyor.
Name | Company | Catalog Number | Comments |
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. |
Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi
Izin talebiDaha Fazla Makale Keşfet
This article has been published
Video Coming Soon
JoVE Hakkında
Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır