Summary
免疫組織化学染色と16SリボソームRNA遺伝子(16S rRNA遺伝子)シーケンシングを行い、癌性および非癌性卵巣組織の細菌を発見し、その場で区別した。バクテリアの組成と機能の違いは、未観測状態の再構築によるBugBaseおよび系統的なコミュニティの調査(PICRUSt)を用いて予測した。
Abstract
「無菌」の女性の上部生殖管の理論は、細菌検出の進歩のためにますます反対に遭遇しています。しかし、卵巣に細菌が含まれているかどうかはまだ確認されていません。本明細書では、卵巣組織における細菌を検出する実験が導入された。我々は、癌群の卵巣癌患者と対照群の非癌性患者を選んだ。16S rRNA遺伝子シーケンシングは、卵巣組織の細菌を癌および対照群と区別するために使用された。さらに、BugBaseおよびPICRUStを用いて、同定された細菌の機能組成を予測した。近年、多くの臓器が細菌を収容することが証明されているので、この方法は他の内臓や組織にも使用することができます。内臓および組織における細菌の存在は、科学者が癌および正常組織を評価するのに役立ち、癌の治療に役立つ可能性がある。
Introduction
近年、腎臓、脾臓、肝臓、卵巣1、2などの腹部固形内臓内に細菌の存在を証明する記事が増えている。Gellerら.膵臓腫瘍に細菌が見つかり、これらの細菌は化学療法薬2であるゲムシタビンに耐性があった。S. マンフレド・ヴィエイラら. エンテロコッカスガリナルムはリンパ節、肝臓および脾臓に移植可能であり、自己免疫を駆動することができると結論付けた。
子宮頸部は防御体としての役割を果たすため、子宮、卵管、卵巣を含む上部の女性生殖管内の細菌は最小限に研究されてきた。しかし、近年、いくつかの新しい理論が確立されています。細菌は、月経周期の間に、ムチン4,5の変化により子宮腔にアクセスできる。さらに、ツェルボマノラキスらは、子宮が卵管と共に、卵巣の内分泌系によって制御される蠕動性ポンプであることを確認し、この配置により細菌が子宮内膜、卵管、および卵巣6に入ることを可能にする。
細菌検出法の開発により、上部の生殖管はもはや謎ではありません。Verstraelenら.バーコード付き対端シーケンシング法を用いて、16S RNA遺伝子7のV1-2超可変領域を標的にして子宮細菌を発見した。Fangら.子宮内膜ポリープ患者にバーコードシーケンシングを採用し、多様な子宮内細菌8の存在を明らかにした。さらに、16S RNA遺伝子を用いることによって、Miles et al.と Chenら.それぞれ5,9 サルピンゴ卵巣摘出術と子宮摘出術を受けた女性の生殖器系に細菌が見つかった。
近年、腫瘍組織の細菌が注目を集めています。Banerjeeら.マイクロバイオームシグネチャが卵巣癌患者とコントロール10の間で異なっていることを発見した。ノキシナトロナムシビリカムは腫瘍期に関連しており、卵巣癌11の診断にはメサノサルシナ・バクオラタが用いられる。卵巣癌に加えて、胃、肺、前立腺、乳房、子宮頸部、および子宮内膜などの他の癌は、細菌12、13、14、15、16、17、18と関連することが証明されている。Pooreらは、初期段階の癌スクリーニング19を予見して、微生物に基づく腫瘍学診断の新しいクラスを提案した。本プロトコルでは、これら2つの組織における細菌の組成と機能を比較することにより、癌性と正常な卵巣組織の違いを調べた。
免疫体化学染色および16S rRNA遺伝子シーケンシングを行い、卵巣内の細菌の存在を確認した。癌性および非癌性卵巣組織における卵巣細菌の差異および予測機能を研究した。結果は、卵巣組織における細菌の存在を示した。 アノキシナトロナムシビリカム と メサノサルシナ・バクオラタ は、それぞれ卵巣癌の段階および診断に関連していた。両群に存在していた46個の有意に異なるKEGG経路を比較した。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
この研究は、西安交通大学第一附属病院の医療制度倫理委員会によって承認されました(No.XJTUIAF2018LSK-139)。インフォームド・コンセントは、すべての在籍患者から得られました。
1. がん群及び対照群に入る基準
- 癌群については、主に卵巣癌と診断された患者を登録し、腹腔摘出術後、病理学的所見によって漿液性卵巣癌を有することが証明される。
- 対照群については、卵巣状態を呈さずに子宮筋腫または子宮腺筋症と主に診断された患者と、子宮摘出術およびサルピンゴ卵巣摘出術を受けた患者を登録する。
注: この標準は明確ではありません。子宮摘出術やサルピンゴ卵巣摘出術を受ける卵巣に影響を与えない疾患を有する患者も登録することができる。 - 以下の基準の1つ以上の患者を除外する:
妊娠中または授乳中の女性。
手術の2ヶ月前に抗生物質を服用する。
発熱または炎症マーカーの上昇を有する。
あらゆる種類の炎症を有する。
ネオアジュバント化学療法を受けた。
2. サンプルを収集する
- 手術中に、切除された卵巣を無菌チューブに入れ、チューブを液体窒素に入れ、輸送します。手順全体を通して他の何かに触れないようにしてください。
- 卵巣を層流キャビネットの下に新しい滅菌ピンセットで約1cmの厚い組織サンプルに分けます。分離後、-80°Cでサンプルを保存します。
注:サンプルを収集するためのすべての手順は、卵巣を分離することを含む無菌です。
3. 16S rRNA遺伝子の配列
- DNAを抽出します。
- 2 mL 遠心分離管に1.2 mLの阻害EXバッファーを加えます。その後、180-220 mgのサンプルをチューブに加えます。サンプルを完全に混合させてください(70°C水浴5分間、渦を15s)。
- 600 x gで1分間チューブを遠心分離します。
- 上清の550 μLを新しい1.5 mLチューブに、遠心分離機を600 x gで1分間配置します。
- 30 μLのプロテナーゼKを用いて400μLの上清を別の1.5 mLチューブに移します。
- 400 μLのバッファー AL を追加し、15 秒のボルテックスミキサーを使用します。
- 70°Cで10分間インキュベートします。
- 96~100%のアルコールを400μL加えます。15 s のボルテックス ミキサーを使用します。
- 600 μL の混合物を吸収カラムに移し、遠心分離機を 13700 g で 1 分間転送します。下のチューブを交換します。この手順を 11 回繰り返します。
- バッファーAW1を500μL、13,700 x gで1分間遠心分離機を加え、下のチューブを交換します。
- バッファーAW2を500μL、13,700 x gで3分間遠心分離機を加え、下のチューブを交換します。
- 遠心分離機 13,700 x g で 3 分間
- 混合物を新しい1.5 mLチューブに移し、200 μLのバッファーATEを加え、室温で5分間インキュベートし、遠心分離機を13,700 x gで1分間インキュベートします。
- 品質テスト。1%セファロースゲル電気泳動を使用して品質をテストします。サンプル400ng、120 V、30分を加えます。理想的な結果:DNA濃度:≥10 ng/μL、DNA純度:A260/A280= 1.8-2.0、総DNA:≥300 ng。
- メーカーのプロトコルに従って、16Sメダゲノムシーケンシングキットを使用してライブラリを準備します。
- PCR を実行します。簡単に言えば、各25 μL PCR反応には、入力として12.5ngのサンプルDNA、2x KAPA HiFi HotStart ReadyMixの12.5 μL、1μMの各プライマーの5 μLが含まれています。
- 次のプロトコルを使用して PCR を実行する: 3 分間 95°C で行われた最初の変性ステップに続いて 25 サイクルの変性 (95°C, 30 s) 、アニーリング (55°C, 30 s) および延長 (72°C, 30 s) と 72°C で 5 分の最終的な伸長.
- メーカーの指示を使用して、磁気ビーズとの反応ミックスからPCR製品をクリーンアップします。
- ステップ 3.3.1 と 3.3.2 を繰り返します。
- 品質テスト。ステップ3.2を参照してください。
- ステップ 3.3.3 を繰り返します。
- 品質テスト。1%のセファロースゲル電気泳動を使用して不純物をテストし、分光光度計を使用して純度をテストし、濃度をテストするフルオロメーター、および完全性をテストするためのRNAアッセイキットを使用します。製造元のプロトコルに従います。ライブラリを正規化してプールします。600サイクルV3標準フローセルを使用したシーケンス(2 x 300 bpペアエンドリード設定)を使用して、約100,000ペアエンド2 x 300ベース読み取りを生成します。
注:全長プライマー配列:16Sアンプリコンポリメラーゼ連鎖反応(PCR)フォワードプライマー:5' TCGTCGGCGCGTCAGATGTGTGTGTATAAGAGACAG-[CCTACGG] GNGGCWGCAG]および16SアンプリコンPCRリバースプライマー:5' GTCTCGTGGGGGCGcCGGAGATGTGTGTATAAGAGACAG-[ガクタッハVGGGTATCTAATCC]。
4. 16S rRNA遺伝子シーケンシングデータの解析
- ソフトウェアパッケージQIIME 2-20180220でシーケンス品質に基づいて、すべてのサンプルの生の読み取りをフィルタリングします。
- ディレクトリに 3 つのファイルをコピーします: emp ペアエンドsequences_01
1 つの forward.fastq.gz ファイルには、順方向シーケンス読み取りが含まれています。
逆シーケンス読み取りを含む 1 つの reverse.fastq.gz ファイル
関連付けられたバーコード読み取りを含む 1 つのバーコード .fastq.gz ファイル - 実行する
qiime ツールのインポート \
--タイプ EMP ペアドエンドシーケンス \
--入力パス emp ペアエンドsequences_01 \--出力パス emp ペア エンドsequences_02.qza
- ディレクトリに 3 つのファイルをコピーします: emp ペアエンドsequences_01
- プライマーとアダプターシーケンスを削除します。
qiime カットアダプトトリムペア \
--i-デマルチプレックスシーケンス逆多重化seqs_02.qza \
--p-フロントf GCTACGGGGGG \
--p-フロント-r GCTACGGGG
--p エラー率 0 \
--品質カットオフ 25 \
--o トリミングシーケンストリム-seqs_03.qza \
--冗長 - 両方のペアエンド品質が 25 より低いシーケンス読み取りを短縮します。上記を参照してください --品質カットオフ 25
- シーケンスデータを分析します。
- 97%で類似性カットオフを持つ運用分類単位 (OTUs) を形成するシーケンスを収集します。
qiime vsearch デレプリケートシーケンス \
--i シーケンストリム-seqs_03.qza \
--o-レプリケート解除テーブル table_04.qza \
--o デレプリケートされたシーケンス rep-seqs_04.qza
qiime vsearch クラスター機能 -クローズリファレンス \
--i テーブル table_04.qza \
--i シーケンス rep-seqs_04.qza \
--i-参照シーケンス97_otus.qza \
--p-perc-ID 0.97 \
--o-クラスター化テーブルテーブル-cr-97.qza \
--o クラスター化シーケンス rep-seqs-cr-97.qza \
--o 比類のないシーケンスは一致しない-cr-97.qza - OTUs の場合、各サンプルの相対的な量を計算します。豊富な情報はテーブル cr-97.qza にあります。
- 97%で類似性カットオフを持つ運用分類単位 (OTUs) を形成するシーケンスを収集します。
- ネイティブベイジアン分類器を使用して、RDP トレーニングセット (バージョン 9; http://sourceforge.net/projects/rdp-classifier/) を対象とし、すべてのシーケンスを並べ替えます。マップされたタクソン情報はテーブル cr-97.qza にあります
- 指定された OTU 内で、シーケンスの主要な一貫性を反映する分類を OTUs に割り当てます。次に、OTUs を整列します。テーブル cr-97.qza と rep-seqs-cr-97.qza を参照してください。
- サンプルグループ情報に基づいて、アルファ多様性(チャオ1、ACE、シャノン、シンプソン、エネス指数を含む)とUniFracベースの主座標分析(PCoA)を実行します。
qiime ツールのエクスポート \
--入力パス テーブル-cr-97.qza \
--出力パスエクスポートフィーチャーテーブル
エクスポートフィーチャーテーブル
qiime ダイバーシティアルファ \
--i テーブル テーブル-cr-97.qza \
--p-メートル法observed_otus \
--o-アルファ多様性observed_otus_vector.qza
qiime ダイバーシティベータ \
--i テーブル テーブル-cr-97.qza \
--p メトリック ブレイカーティス \
--o-距離マトリックスunweighted_unifrac_distance_matrix.qza
5. 細菌機能の予測
- 細菌の特性の関連表現を予測するには、 BugBase21を使用します。BugBase の入力 OTU テーブルは、次のコマンドを使用して作成されます。
バイオム変換 -i otu_table.biom -o otu_table.txt --to-tsv
バイオム変換 -i otu_table.txt -o otu_table_json.biom --table-type="OTU テーブル" --to-json
注:予測は、6つの表現型カテゴリ(非公表 )(https://bugbase.cs.umn.edu/):グラム染色、酸素耐性、バイオフィルムを形成する能力、移動要素含有量、病原性、酸化ストレス耐性に基づいています。 - PICRUStによるメタゲノムの機能組成を、マーカー遺伝子データの利用と参照ゲノム22を含むデータベースを予測する。
make_otu_table.py -i microbiome_97/uclust_ref_picked_otus/test_paired_otus.txt -t /mnt/nas_bioinfo/ref/qiime2_ref/97_otu_taxonomy.txt -o otu_table.biom &
normalize_by_copy_number.py -i otu_table.biom -o normalized_otus.biom
predict_metagenomes.py -i normalized_otus.biom -o metagenome_predictions.biom
categorize_by_function.py -i metagenome_predictions.biom -c "KEGG_Pathways" -l 1 -o picrust_L1.biom
categorize_by_function.py -f -i metagenome_predictions.biom -c KEGG_Pathways -l 1 -o metagenome_predictions。L1.txt - STAMP23,24の助けを借りて、各グループ間の関数の違いを分析します。ソフトウェアを操作するには、引用文献を参照してください。
6. データ
- 統計ソフトウェアを使用して、調査結果の有意性を計算します。統計的有意性の指標は 、P < 0.05 として設定する必要があります。
- 学生のt検定で年齢とパリティの違いを評価します。チア二乗試験により更年期状態、高血圧および糖尿病の歴史の違いを評価する。マン・ホイットニーU検定による卵巣細菌分類法の数の差を評価する。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
患者
合計16人の有資格患者が研究に含まれていた。対照群には、良性子宮腫瘍の診断を受けた10人の女性が含まれていた(その中で、3人の患者が子宮筋腫と診断され、7人の患者が子宮腺筋症と診断された)。一方、癌群には漿液性卵巣癌の診断を受けた6人の女性が含まれていた(その中で、2人の患者がステージIIと診断され、そのうち2人がステージIIIと診断された)。以下の特徴は、対照群の患者と癌群の間に違いは見えなかった:年齢、更年期状態、パリティ、高血圧の既往歴、および糖尿病の既往歴(表1))。
表1:患者統計この 表をダウンロードするには、ここをクリックしてください。
両群の卵巣細菌種の豊かさと多様性
免疫検査染色を用いた細菌の存在を図1に示した。微生物のアルファ多様性を、卵巣細菌種の豊かさおよび多様性を検出する方法として分析した。卵巣癌組織で観察された種の数は、対照群のそれよりも少なく、有意な差はなかった。細菌種の豊かさ(チャオ1およびACE指数で表される)と多様性(シャノン、シンプソン、および均一性指数で表される)は、癌群と対照群の間で有意に異ならなかった(図2)。
図2:16S rRNA遺伝子シーケンシングは、細菌の豊かさと多様性における癌群と対照群の間の違いを示している。(A) 観察された種指数(P = 0.06、マン・ホイットニーU検定);(B) チャオ1指数(P = 0.06、 マン・ホイットニーU検定);(C) ACE指数(P = 0.06、マン・ホイットニーU検定);(D) シャノン指数(P = 0.32, マン・ホイットニーU検定;E. 均一性指数(P = 0.48、マン・ホイットニー U検定);(F)シンプソン指数(P = 0.46、マンホイットニーUテスト)。以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
卵巣細菌の説明
V3-V4 16S rRNA遺伝子領域の深いシーケンシングは、卵巣細菌のより良い理解を得るためにすべてのサンプルに対して行われた。その結果 、プロテオバクテリア が最も豊富なフィラム(対照群で67.10%、癌群で67.20%)、 フィルミキューツ が2番目に豊富なフィラム(対照群で23.77%、癌群で23.82%)であり、3番目に豊富なフィラムは バクテロイデス (対照群では3.26%)であった。対照群の種を分析する場合、主な組成は ハロバクテロイドハロビオス (14.53%)、 次いでゲムマタオブスクリグロブス (11.07%)および メチロプロファンダス沈殿 (10.69%)であった。がん群の場合、 ジェムマタ・オブスクリグロブス がクラスター内で最も裕福であった(13.89%)、 ハロバクテロイデスハロビウス (11.99%)、 メチロプロファンダス堆積 (図3%)が続いた。
図3:卵巣サンプル中のフィラ(>1%)と上位12種の相対的存在量。 (A) 対照群の患者の卵巣におけるフィラの相対的な存在量(>1%)。(B)卵巣癌患者の卵巣におけるフィラの相対的な存在量(>1%)。(C)対照患者の卵巣における12種の最も豊富な細菌種の相対的な存在量。(D)卵巣癌患者の卵巣における12の最も豊富な細菌種の相対的な豊富さ。以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
2つのグループ間の卵巣細菌の異なる組成
異なる細菌群集の比較は、PERMANOVAを用いてPCoAによって行われた。結果は、対照群の細菌が癌群の細菌と異なっていることを示した、P<0.05(図4)。
図4:PCoAは、PCoAを用いて群集を検出し、アノキシナトロナム・シビリカムとメサノサルシナ・バクオラタの相対的な存在を検出 した。PC1 と PC2 は、x 軸と y 軸にプロットされます。赤いブロックは、卵巣癌群のサンプルを示す。青い円は、コントロールグループ内のサンプルを示します。卵巣癌群からのサンプルを対照群の他のサンプルから分離した。(B) PCoA を使用してクラスター化されたコミュニティ。PC1 と PC2 は、x 軸と y 軸にプロットされます。赤いブロックは、卵巣癌群のサンプルを示す。青い固体円は子宮筋腫の患者からのサンプルを示し、青い中空円は子宮腺筋症の患者のサンプルに等しい。(C) アノキシナトロナムシビリカム の相対的な存在量(対照群:n=10、癌群:n=6、P=0.034、マン・ホイットニーU試験)。 (D) メサノサルシナ・バクオラタ の相対的な存在量(対照群:n=10、癌群:n=6、P=0.001、マン・ホイットニーU検定)。 以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
異なる視点から見た癌群および対照群における卵巣細菌組成
卵巣細菌組成物の分析は、同定された卵巣細菌の差をさらに検出するために異なる視点から行った。表2では、系統、クラス、順序、家族、属、および種のレベルが考慮され、統計がチャートに示されています。特に、アノキシナトロナムシビリカムの相対的存在量と腫瘍の段階との間に関連があり、卵巣癌を診断する際に特定の徴候であったメサノサルシナ・バクオラタ(表2)。
予測機能に基づく2群の卵巣細菌のフェノール類保存
癌群では、潜在的に病原性および酸化ストレス耐性表現型に関連する遺伝子の発現が対照群のそれと比較して増加した(ウィルコクソン符号付きランク検査、P=0.02およびP=0.002)。 好気性、嫌気性、気性、好気性、グラム陽性、グラム陰性菌のフェノタイプの卵巣癌と対照群の間に有意な差は見つからなかった。モバイル要素。そして卵巣細菌のバイオフィルム形成(図5)。癌と対照群の卵巣の細菌間の46の変異型KEGG経路が決定された。癌群の卵巣は26の増加経路を示した。その中で最も関連性の高い経路はトランスポーターでした。一方、卵巣癌組織の細菌は、20の減少経路を示した。最も関連性の高い関数は、分泌系、未知の関数、2成分システムです。残りの経路を図 6に示します。
図1:卵巣におけるLPS免疫学的発現 (A)対照群(10x)。スケールバー、200 μm(B)コントロールグループ(40 x)。スケールバー、50 μm(C)癌群(10x)。スケールバー、200 μm(D)がん群(40 x)。スケールバー、50 μm。矢印は卵巣組織におけるLPS染色を指す。以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
図5: BugBaseが分析した予測メタゲノム がん群の一部の遺伝子の発現は、対照群のそれと比較して増加した。これらの遺伝子は、潜在的に病原性(ウィルコクソン署名ランク検査 、P = 0.02)および卵巣の酸化ストレス耐性型に関連していた。(ウィルコクソン署名ランクテスト 、P = 0.002)。以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
図6:がん群と対照群との間の異なるKEGG経路のPICRUSt分析 以前の出版社から転載許可を得た。この図は、Wangら11から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。
表2:細菌種の豊かさ(チャオ1とACE指数で表される)と多様性(シャノン、シンプソン、および偶数指数で表される)は、こちらをクリックしてこの表をダウンロードしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
卵巣癌は女性の生殖能力に顕著な影響を及ぼす 25.ほとんどの卵巣癌患者は後期段階で診断され、5年生存率は30%未満である18.肝臓、膵臓、脾臓を含む腹部固形内臓の細菌の確認が発表されている。子宮頸部が2、3、4、5を囲んでいないために、上の女性の生殖管に細菌が存在することが起こる。しかし、腹部固形内臓である卵巣が無菌か否かはまだ決定されていない。さらに、卵巣の細菌が卵巣癌に関連しているかどうかも重要な問題です。
我々が見つけた細菌の有意な違いは、異なるグループ間で比較された。上記の手順はすべて、器具、試薬、装置、およびプロトコル全体の動作を含む、厳密に無菌であった。さらに重要なことは、良性子宮疾患の患者からの卵巣を対照群として使用し、汚染の可能性に対抗した。しかし、このプロトコルでは、汚染を回避することはできません。このように、がん群と対照群を同じ実験環境で解析したので、これら2つの群の違いを比較するだけで、卵巣癌の微生物学的起源に関する一次証拠を得ることができた。
卵巣組織の細菌の知見は、卵巣癌に影響を与える細菌を調査する新しい分野を開始するかもしれない。さらに、癌性卵巣組織における細菌のユニークな存在と組成は、卵巣癌の発癌、および細菌の治療および予後標的を導く可能性がある。46個のKEGG経路のうち、バンコマイシン群抗生物質の生合成に関連する機能が特に注目を集めた。これは、卵巣癌のさらなる治療オプションを提供することができます.
しかし、プロトコルにはいくつかの制限がありました。第一に、倫理的な理由から健康な人々からサンプルを収集することができませんでした。対照群は、良性子宮疾患(子宮筋腫および腺筋症を含む)を有する患者の卵巣であった。次に、サンプルの数を大きくする必要があります。研究のサンプルサイズが限られていると、結果の精度が低下する可能性があります。第三に、がん群と対照群は同じ状態であったが、陰性または陽性の対照はなかった。また、汚染を回避できませんでした。現在までに、卵巣癌患者における卵巣細菌の研究はまだ初期段階にある。より多くのサンプルを含む大規模なスタディが必要です。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは開示するものは何もない。
Acknowledgments
この研究は、中国西安交通大学第一付属病院臨床研究賞(XJTU1AF-2018-017、XJTU1AF-CRF-2019-002)、陝西省科学技術部自然科学の主要基礎研究プロジェクト(2018JM7073、 2017ZDJC-11)、陝西省科学技術部の主要研究開発プロジェクト(2017ZDXM-SF-068、2019QYPY-138)、陝西省共同技術イノベーションプロジェクト(2)017XT-026、2018XT-002)、西安社会開発誘導計画の医学研究プロジェクト(2017117SF/YX011-3)。資金提供者は、研究デザイン、データ収集と分析、出版の決定、原稿の作成に何の役割も持っていませんでした。
西安交通大学第一付属病院婦人科の同僚がサンプル収集に貢献してくれたことに感謝します。
Materials
Name | Company | Catalog Number | Comments |
2200 TapeStation Software | Agilgent United States |
||
AmpliSeq for Illumina Library Prep, Indexes, and Accessories | Illumina | ||
Image-pro plus 7 | Media Cybernetics | ||
Leica ASP 300S | Leica Biosystems Division of Leica Microsystems | ||
Leica EG 1150 | Leica Biosystems Division of Leica Microsystems | ||
Leica RM2235 | Leica Biosystems Division of Leica Microsystems | ||
LPS Core monoclonal antibody, clone WN1 222-5 | Hycult Biotech | ||
Mag-Bind RxnPure Plus magnetic beads | Omega Biotek | M1386-00 | |
Mag-Bind Universal Pathogen 96 Kit | Omega Biotek | M4029-01 | |
MiSeq | Illumina | SY-410-1003 | |
Silva database | Max Planck Institute for Marine Microbiology and Jacobs University | ||
the QuantiFluor dsDNA System | Promega | E2670 | |
Trimmomatic | Björn Usadel | ||
ZytoChem Plus (HRP) Anti-Rabbit (DAB) Kit | Zytomed Systems | HRP008DAB-RB |
References
- Manfredo Vieira, S., et al. Translocation of a gut pathobiont drives autoimmunity in mice and humans. Science. 359 (6380), 1156-1161 (2018).
- Geller, L. T., et al. Potential role of intratumor bacteria in mediating tumor resistance to the chemotherapeutic drug gemcitabine. Science. 357 (6356), 1156-1160 (2017).
- Manfredo, V. S., et al. Translocation of a gut pathobiont drives autoimmunity in mice and humans. Science. 359 (6380), 1156-1161 (2018).
- Brunelli, R., et al. Globular structure of human ovulatory cervical mucus. FASEB J. 21 (14), 3872-3876 (2007).
- Chen, C., et al. The microbiota continuum along the female reproductive tract and its relation to uterine-related diseases. Nature Communications. 8 (1), 875 (2017).
- Zervomanolakis, I., et al. Physiology of upward transport in the human female genital tract. Annals of the New York Academy of Sciences. 1101, 1-20 (2007).
- Verstraelen, H., et al. Characterisation of the human uterine microbiome in non-pregnant women through deep sequencing of the V1-2 region of the 16S rRNA gene. PeerJ. 4, 1602 (2016).
- Fang, R. L., et al. Barcoded sequencing reveals diverse intrauterine microbiomes in patients suffering with endometrial polyps. American Journal of Translational Research. 8 (3), 1581-1592 (2016).
- Miles, S. M., Hardy, B. L., Merrell, D. S. Investigation of the microbiota of the reproductive tract in women undergoing a total hysterectomy and bilateral salpingo-oopherectomy. Fertil Steril. 107 (3), 813-820 (2017).
- Banerjee, S., et al.
The ovarian cancer oncobiome. Oncotarget. 8 (22), 36225-36245 (2017). - Wang, Q., et al. The differential distribution of bacteria between cancerous and noncancerous ovarian tissues in situ. Journal of Ovarian Research. 13 (1), 8 (2020).
- Wang, L., et al. Bacterial overgrowth and diversification of microbiota in gastric cancer. European Journal of Gastroenterology & Hepatology. 28 (3), 261-266 (2016).
- Hosgood, H. D., et al. The potential role of lung microbiota in lung cancer attributed to household coal burning exposures. Environmental and Molecular Mutagenesis. 55 (8), 643-651 (2014).
- Kwon, M., Seo, S. S., Kim, M. K., Lee, D. O., Lim, M. C. Compositional and Functional Differences between Microbiota and Cervical Carcinogenesis as Identified by Shotgun Metagenomic Sequencing. Cancers. 11 (3), 309 (2019).
- Urbaniak, C., et al. The Microbiota of Breast Tissue and Its Association with Breast Cancer. Applied and Environmental Microbiology. 82 (16), 5039-5048 (2016).
- Feng, Y., et al. Metagenomic and metatranscriptomic analysis of human prostate microbiota from patients with prostate cancer. BMC Genomics. 20 (1), 146 (2019).
- Walsh, D. M., et al. Postmenopause as a key factor in the composition of the Endometrial Cancer Microbiome (ECbiome). Scientific Reports. 9 (1), 19213 (2019).
- Walther-Antonio, M. R., et al. Potential contribution of the uterine microbiome in the development of endometrial cancer. Genome Medicine. 8 (1), 122 (2016).
- Poore, G. D., et al. Microbiome analyses of blood and tissues suggest cancer diagnostic approach. Nature. 579 (7800), 567-574 (2020).
- Bolger, A. M., Lohse, M., Usadel, B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 30 (15), 2114-2120 (2014).
- Ward, T., et al. BugBase predicts organism-level microbiome phenotypes. bioRxiv. , (2017).
- Langille, M. G., et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences. Nature Biotechnology. 31 (9), 814-821 (2013).
- Langille, M. G. I., et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences. Nature Biotechnology. 31 (9), 814 (2013).
- Parks, D. H., Tyson, G. W., Hugenholtz, P., Beiko, R. G. STAMP: statistical analysis of taxonomic and functional profiles. Bioinformatics. 30 (21), 3123 (2014).
- Leranth, C., Hamori, J. 34;Dark" Purkinje cells of the cerebellar cortex. Acta Biologica Hungarica. 21 (4), 405-419 (1970).