$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Чтобы изучить способность диверсифицировать сообщество почвенных микрокосмов, мы сравнили микробные сообщества в компостных микрокосмах, полученных путем обогащения одной и той же исходной почвы, компоста промышленного класса, доступного из города Беркли, штат Калифорния, различными продуктами: яблоками, болгарским перцем, апельсинами или картофелем (каждый набор в трех экземплярах). Мы также сравнили микробные сообщества каждой компостной среды с кишечным микробиомом диких C. elegans , выращенных в соответствующем микромире. Анализ проводился с образцами ДНК, извлеченными примерно из 500 поверхностно стерилизованных взрослых на микрокосм и из образцов компоста 250 мг соответствующих микрокосм.
Характеристика экологических микробиомов почвы и кишечника червей основывалась на секвенировании следующего поколения области V4 бактериального гена 16S рРНК. Подготовка библиотеки секвенирования осуществлялась с использованием стандартных комплектов и выполнялась в соответствии с инструкциями производителей, при этом секвенирование выполнялось на коммерческом секвенсоре (см. Таблицу материалов). Демультиплексированные последовательности обрабатывали с использованием DADA2, присваивали таксономию на основе справочной базы данных SILVA v132 и анализировали с помощью phyloseq 16,17,18 (см. Дополнительный файл 1, Дополнительный рисунок S1, Дополнительный рисунок S2, Дополнительный рисунок S3, Дополнительная таблица S1 и Дополнительная таблица S2 для подробного описания последовательности и анализа; полный вычислительный конвейер доступен в GitHub [https://github.com/kennytrang/CompostMicrocosms]). Необработанные данные доступны в архиве чтения последовательностей NCBI (идентификатор биопроекта PRJNA856419).
В среднем на выборку было получено 73 220 последовательностей. Эти последовательности представляют собой 15 027 вариантов последовательности ампликонов (ASV), охватывающих 27 типов и 216 семейств, включая семейства, считающиеся частью основного микробиома кишечника C. elegans 13, такие как Rhizobiaceae, Burkholderiaceae и Bacillaceae. Enterobacteriaceae и Pseudomonadaceae, которые ранее были признаны доминирующими членами, на этот раз были меньшинством, но все еще были обогащены (в 2-10 раз) по сравнению с их соответствующими почвенными средами. Сравнения, основанные как на невзвешенных, так и на взвешенных расстояниях UniFrac19,20, продемонстрировали хорошую воспроизводимость среди трипликатов микромира, обогащенных одним и тем же продуктом, о чем свидетельствует тесная кластеризация. Напротив, экологические почвенные микробиомы, обогащенные различными продуктами, сгруппированными вдали друг от друга, демонстрируя способность диверсифицировать исходное микробное сообщество путем добавления различных продуктов (рисунок 2).
При сравнении микробиомов кишечника червей и экологических сообществ анализ основных координат (PCoA) с невзвешенными или взвешенными расстояниями UniFrac показал отчетливую кластеризацию микробиомов кишечника червей вдали от их соответствующих сред для каждого типа микромира (рисунок 2). В то время как PCoA, основанный на невзвешенных расстояниях UniFrac, не проводил различий между микробиомами почвы и червей (рисунок 2A), кластеризация на основе взвешенных расстояний выявила четкое разделение микробиомов кишечника червя и компоста (рисунок 2B). Эти результаты поддерживают процесс, в котором фильтрация хозяина работает на экологическую доступность для формирования кишечного микробиома, который не полностью отличается от своего экологического источника в отношении присутствия таксонов, но модулирует их численность, обогащая подмножество доступных таксонов, что в конечном итоге приводит к основному микробиому кишечника червя, разделяемому между червями, выращенными в разных средах.

Рисунок 2: Микробиомы кишечника червей группируются вдали от их соответствующих пищевых разнообразных микробных сред. Состав микробиома определяли с помощью секвенирования 16S, и сообщества из микрокосм, обогащенных назначенным продуктом, или из червей, выращенных в них, группировали с использованием PCoA на основе (A) невзвешенных или (B) взвешенных расстояний UniFrac. Показаны оси, которые объясняют наибольшие различия в составе сообщества между образцами (N = 3 для каждого типа микромира). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Дополнительный файл 1: Секвенирование и анализ данных нового поколения. Здесь представлены шаги по подготовке библиотеки, лабораторному секвенированию и анализу данных. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительный рисунок S1: Пример графика контроля качества для обратного считывания из одного образца. Ось X (цикл) показывает положение нуклеотида вдоль считываемой последовательности. Левая ось Y показывает показатель качества. Тепловая карта в оттенках серого представляет частоту показателя качества в каждой нуклеотидной позиции; зеленая линия изображает медианный показатель качества в каждой нуклеотидной позиции; верхняя оранжевая линия изображает квартили распределения показателей качества; нижняя красная линия изображает процент показаний последовательности, которые расширили это положение нуклеотида (правая ось Y, здесь 100%). Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительный рисунок S2: Частота ошибок для различных образцов. Частота ошибок в различных выборках (черные точки) должна уменьшаться с увеличением показателя качества для каждой возможной замены пары оснований, отражающей ожидаемую тенденцию. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительный рисунок S3: Пример PCoA на основе взвешенных расстояний UniFrac. Названия групп, показанные в легенде, представляют продукт, используемый для обогащения компоста, используемого в различных микрокосмах. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительная таблица S1: Последовательная фильтрация последовательностей. a Количество последовательностей, считываемых перед фильтрацией. b-d Каждый столбец представляет количество показаний последовательностей, оставшихся после этапа фильтрации: фильтрация считываний низкого качества (шаг 2.5), алгоритм шумоподавления, выполняемый dada() (шаг 2.8), слияние прямого и обратного считывания (шаг 2.9) и удаление химер (шаг 2.11). Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительная таблица S2: Таблица метаданных. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.