方法文章

多靶点分析有助于微生物生态学研究

2022年9月15日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

文章讨论:

Yarimizu, K. et al.通过元条形码分析监测智利有害藻华的标准化程序。可视化实验杂志。(174),e62967 (2021)。

Pioli, R., Stocker, R., Isa, L., Secchi, E. 通过连续毛细管辅助组装对微生物和微粒进行图案化。可视化实验杂志。(177),e63131 (2021)。

Masters-Clark, E., Clark, AJ, Stanley, CE 用于在细胞水平探测真菌-微生物相互作用的微流体工具。可视化实验杂志。(184),e63917 (2022)。

Vieira, J. et al. 设计和开发一个模型来研究补充氧气对囊性纤维化气道微生物组的影响。可视化实验杂志。(174),e62888 (2021)。

Berni, M., Pongolini, S., Tambassi, M. 使用 ImageJ 自动分析沙门氏菌的细胞内表型。可视化实验杂志。(186),e64263 (2022)。

社论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

目前对微生物在自然界、健康和疾病中的作用的理解仍然主要基于纯培养物的研究。然而,这一研究领域要复杂得多,因为大多数细菌在实验室条件下都无法培养,这给我们带来了一个哲学问题,即如果我们甚至不知道大部分天然微生物群的生长需求,如何揭示微生物功能。从复杂环境(即土壤、痰液、食物基质)中回收微生物在很大程度上取决于对非生物因素的了解,例如湿度、水分活度、pH 值、盐度、大气成分、温度和营养来源 1,2。此外,在复杂的基质中,微生物相互作用(即竞争、拮抗)也至关重要。因此,微生物生态学研究最稳健的模型应同时考虑非生物和生物因素,以更好地模拟本土群落。

基于组学的技术的进步,如宏分类学、宏基因组学、宏转录组学、代谢组学和微生物群落的单细胞基因测序,为微生物生态系统的代谢和分类学特征提供了更深入的描述,生成了有关可培养和不可培养微生物群的数据1,3.此外,这些新技术还揭示了来自食物、人类、动物、土壤和植物微生物组的微生物之间的复杂关系。同时,微生物生态学中另一个有趣的范式是培养组学,这是由Lazier等人引入的术语4,它代表使用高通量培养方法和MALDI-TOF质谱分类学鉴定从人类肠道中回收以前被忽视的细菌物种4,5。基本上,通过这种方法,将样品分区并加工到不同的培养基中,并在不同的温度、压力或其他非生物因素条件下孵育,以增加从复杂样品中分离细菌的可能性5。总体而言,基于组学的方法和培养组学允许访问有关细菌所需的非生物和生物因子的信息,以便在实验室条件下模拟其原始生态系统。

在这个方法集中,来自不同国家的不同研究小组报告了与基于组学的方法和文化组学相关的微生物生态学研究的进展。使用宏分类学(也称为元条形码)的研究对于监测复杂环境和在不同生态位中组装可培养和不可培养的微生物谱至关重要。Yarimizu 等人 6 提供了一种强大的方法来评估海洋生态系统中的藻华,并通过描述充分的采样和数据分析策略来解决微生物生态学中的一个重要问题,以使研究具有可重复性。结合显微镜和理化技术,作者验证了一种筛选海水样品的方法,以检测在商业鱼产品水产养殖中涉及经济损失的潜在藻类物种。

生态学中的另一个基本问题是微生物的划分(即它们的组合分布)。Pioli等人7大肠杆菌为例,提出了一种基于聚合物基质聚二甲基硅氧烷(PDMS)的几何构建的微流体平台来捕获细菌。作者表明,受控条件下的空间动力学有助于理解微生物相互作用和单微生物生理学。此外,Masters-Clark等人8还展示了基于PDMS的微流体平台在受控环境中研究真菌-真菌和真菌-细菌相互作用的应用。协议之间的主要区别在于通道的设计以容纳微生物,考虑到为了再现土壤几何形状并避免基质中真菌的极端生长,必须在Master-Clark等人的方案中仔细评估通道6,而在Pioli等人的方案中5,提出在微流控基体设计中使用胶体图案来标定和生成复杂的多材料图案。这些研究为设计实验提供了优雅的协议,以模拟有效和基本的生态位,这意味着生物体在现实生活中与其他生物体接触的生存能力以及生物体在理想条件下生长的生物潜力,分别9

表征微生物组微生物功能以及在实验室条件下模拟微生物复合物的另一种方法是开发合成基质。在此背景下,Vieira等人10 提出了一种模拟囊性纤维化患者痰液的新方法,旨在预测氧合对受影响患者微生物组成和临床结果的影响。

最后,Berni等人15的论文表明,应用具有特定脚本的专用图像处理软件可能有助于评估细菌和真核细胞间的相互作用11,12,13,14。这些作者描述了一种基于携带荧光报告质粒的沙门氏菌菌株的方案,用于描述与上皮细胞接触的细菌致病行为,并展示它如何在胞质环境中积累和超复制。

作为客座编辑,我们很高兴通过这个合集,我们分享了非常成功的协议来探索微生物生态学的当前范式和需求,提醒我们单一方法不足以获取微生物世界中的大量信息,有必要使用尽可能多的协议来回答生态问题。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有什么可透露的。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

O.G.G.A. 感谢 FAPESP 的博士奖学金(流程 # 17/13759-6 和 # 18/26719-5)。E.C.P.D.M. 感谢 CNPq 的研究员奖学金 (PQ-2, Proc.# 306330/2019-9)。这项研究部分由 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Brasil (CAPES) – Finance Code 001 资助。

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Almeida, O. G. G., De Martinis, E. C. P. Bioinformatics tools to assess metagenomic data for applied microbiology. Applied Microbiology and Biotechnology. 103 (1), 69-82 (2019).
  2. Bottos, E. M., et al. Abiotic factors influence patterns of bacterial diversity and community composition in the Dry Valleys of Antarctica. FEMS Microbiology Ecology. 96 (5), 1-12 (2020).
  3. Sharma, A., Vashistt, J., Shrivastava, R. Next-Generation Omics Technologies to Explore Microbial Diversity. Microbes in Land Use Change Management. Singh, J. S., Tiwari, S., Singh, C., Sing, A. K. , Elsevier Science. (2021).
  4. Lagier, J. C., et al. Microbial culturomics: Paradigm shift in the human gut microbiome study. Clinical Microbiology and Infection. 18 (12), 1185-1193 (2012).
  5. Lagier, J. C., et al. Culturing the human microbiota and culturomics. Nature Reviews Microbiology. 16 (9), 540-550 (2018).
  6. Yarimizu, K., et al. A standardized procedure for monitoring harmful algal blooms in Chile by metabarcoding analysis. Journal of Visualized Experiments. (174), e62967(2021).
  7. Pioli, R., Stocker, R., Isa, L., Secchi, E. Patterning of microorganisms and microparticles through sequential capillarity-assisted assembly. Journal of Visualized Experiments. (177), e63131(2021).
  8. Masters-Clark, E., Clark, A. J., Stanley, C. E. Microfluidic tools for probing fungal-microbial interactions at the cellular level. Journal of Visualized Experiments. (184), e63917(2022).
  9. Peterson, A. T., Soberón, J. Integrating fundamental concepts of ecology, biogeography, and sampling into effective ecological niche modeling and species distribution modeling. Plant Biosystems. 146 (4), 789-796 (2012).
  10. Vieira, J., et al. Design and development of a model to study the effect of supplemental oxygen on the cystic fibrosis airway microbiome. Journal of Visualized Experiments. (174), e62888(2021).
  11. Sansonetti, P. Host-pathogen interactions: The seduction of molecular cross talk. Gut. 50, Suppl. 3 2-8 (2002).
  12. Garai, P., Gnanadhas, D. P., Chakravortty, D. Salmonella enterica serovars Typhimurium and Typhi as model organisms: Revealing paradigm of host-pathogen interactions. Virulence. 3 (4), 377-388 (2012).
  13. Braga, R. M., Dourado, M. N., Araújo, W. L. Microbial interactions: Ecology in a molecular perspective. Brazilian Journal of Microbiology. 47, Suppl. 1 86-98 (2016).
  14. Mondino, S., Schmidt, S., Buchrieser, C. Molecular mimicry: A paradigm of host-microbe coevolution illustrated by Legionella. mBio. 11, 01201-01220 (2020).
  15. Berni, M., Pongolini, S., Tambassi, M. Automated analysis of intracellular phenotypes of Salmonella using ImageJ. Journal of Visualized Experiments. (186), e64263(2022).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

Harmful Algal BloomsMetabarcoding AnalysisMicroorganismsMicroparticlesCapillarity assisted AssemblyMicrofluidic ToolsFungal microbial InteractionsCystic Fibrosis Airway MicrobiomeIntracellular PhenotypesSalmonellaAutomated Analysis

相关文章