Summary
여기에 설명된 16S rRNA 메타게놈 시퀀싱 및 자유롭게 사용할 수 있는 도구를 사용하여 분석하는 미생물군유전체 프로파일링을 위한 간소화된 표준 작동 절차입니다. 이 프로토콜은 미생물군유전체 분야를 새로운 연구자뿐만 아니라 더 높은 해상도에서 박테리아 프로파일링을 달성하기 위한 방법에 대한 업데이트를 요구하는 연구자들에게 도움이 될 것입니다.
Abstract
인간의 창 자 음식 대사 등 생리 기능을 지 워 하는 박테리아의 수조에 의해 식민지화, 에너지 수확, 그리고 면역 체계의 규칙. 건강한 장내 미생물군유전체의 교란은 다발성 경화증(MS)을 포함한 염증성 질환의 발병에 역할을 하는 것으로 제안되었다. 환경 및 유전 적 요인은 미생물군유전체의 조성에 영향을 미칠 수 있습니다. 따라서, 질병 표현형과 연결된 미생물 군사회의 확인은 건강과 질병에 있는 미생물군유전체의 역할을 정의하는 쪽으로 첫번째 단계가 되었습니다. 세균 성 커뮤니티 프로파일링을 위한 16S rRNA 메타지놈 시퀀싱의 사용은 미생물군유전체 연구를 발전시키는 데 도움이 되었습니다. 그것의 넓은 사용에도 불구하고, 16S rRNA 기지를 둔 분류학 프로파일링 분석을 위한 균일한 프로토콜은 없습니다. 또 다른 한계는 작은 시퀀싱 읽기와 같은 기술적 어려움으로 인한 분류학적 할당의 낮은 해상도뿐만 아니라 역방향(R2) 읽기의 낮은 품질로 인해 최종 분석에서 만 전달(R1)의 사용이 읽힌다. 주어진 생물 표본에서 세균의 다양성을 특성화하기 위해 고해상도로 단순화 된 방법이 필요합니다. 고해상도에서 더 이상 읽기를 순서대로 정렬할 수 있는 시퀀싱 기술의 발전은 이러한 과제를 극복하는 데 도움이 되었습니다. 현재시퀀싱 기술은 R 기반 분열 Amplicon Denoising 알고리즘-2(DADA2)와 같은 공개적으로 이용 가능한 메타지노믹 분석 파이프라인과 결합되어 다다2가 속에서 서열을 할당할 수 있기 때문에 고해상도에서 미생물 프로파일링을 진행하는 데 도움이 되었습니다. 종 수준. 여기서 설명된 것은 16S rRNA 유전자의 V3-V4 영역의 2단계 증폭을 이용하여 세균 프로파일링을 수행하기 위한 가이드이며, 이어서 자유롭게 이용 가능한 분석 도구(즉, DADA2, Phyloseq 및 METAGENassist)를 사용하여 분석한다. 이 간단하고 완전한 워크플로우가 미생물군유전체 프로파일링 연구에 관심이 있는 연구자들을 위한 훌륭한 도구가 될 것으로 믿습니다.
Introduction
미생물은 특정 환경에 서식하는 미생물(박테리아, 바이러스, 고고학, 박테리오파지 및 곰팡이)의 집합체를 말하며, 미생물군유전체는 상주 미생물의 집단 게놈을 의미한다. 박테리아는 인간과 마우스에 있는 가장 풍부한 세균의 한개이기 때문에, 이 연구 결과는 세균성 프로파일링에만 집중됩니다. 인간의 창 자 박테리아와 세균 균의 수백의 수조에 의해식민지화 1. 정상적인 장내 미생물은 기능 조절(즉, 그대로 장 장벽 유지, 식품 대사, 에너지 항상성, 병원성 유기체에 의한 식민지화 억제) 및 면역 반응의 조절)2,3,4,5. 창자 미생물의 조성 섭동(gut dysbiosis)은 위장장애6,비만7,8,뇌졸중9,암10,위장장애 등 다수의 인간 질환과 관련이 있다. 당뇨병8,11,류마티스 관절염12,알레르기13,다발성 경화증 (MS)14,15 및 알츠하이머병과 같은 중추 신경계 관련 질환 질병 (AD)8,16. 따라서, 최근에는, 다른 바디 사이트에 세균성 조성물을 확인하기 위한 공구에 대한 관심이 증가하고 있다. 신뢰할 수 있는 방법은 처리량이 높고 사용하기 쉬운 방법, 고분해능으로 세균성 미생물을 분류하는 능력, 저비용 인 것과 같은 특성을 가져야 합니다.
배양 기반 의 미생물 학적 기술은 문화에서 성장하는 여러 장내 박테리아의 실패로 인해 복잡한 창자 미생물군유전체를 식별하고 특성화할 만큼 민감하지 않습니다. 시퀀싱 기반 기술, 특히 16S rRNA 기반 의 metagenomic 시퀀싱의 출현은 이러한 과제 중 일부를 극복하고 미생물군유전체 연구17을변화시켰다. 고급 16S rRNA 기반 시퀀싱 기술은 인간의 건강에 있는 창자 미생물군유전체에 대한 중요한 역할을 확립하는 데 도움이 되었습니다. 인간 미생물군유전체 프로젝트, 국립 보건원 이니셔티브18,메타히트 프로젝트(유럽 이니셔티브)19는 모두 미생물군유전체 분석을 위한 기본 프레임워크를 수립하는 데 도움을 주었습니다. 이러한 이니셔티브는 인간의 건강과 질병에 있는 창자 microbiome의 역할을 결정하기 위하여 다중 연구 결과를 걷어차는 것을 도왔습니다.
많은 그룹이 염증성 질환 환자에서 장 이영양증을12,14,15,20,21,22로나타났습니다. 멀티플렉스 및 저비용으로 인해 분류학적 프로파일링에 널리 사용되고 있음에도 불구하고 16S rRNA 기반 분류학적 프로파일링을 위한 균일한 프로토콜은 없습니다. 또 다른 제한은 작은 시퀀싱 읽기 (150 bp 또는 250 bp)로 인해 분류 학적 할당의 낮은 해상도와 낮은 품질의 역시퀀싱 읽기 (R2)로 인해 정방향 시퀀싱 읽기 (R1)의 사용입니다. 그러나 시퀀싱 기술의 발전은 페어링 된 끝 읽기 (예 : Illumina MiSeq 2x300bp)를 사용하여 더 이상 읽기를 순서를 정하는 기능과 같은 몇 가지 문제를 극복하는 데 도움이되었습니다.
현재의 시퀀싱 기술은 600bp의 양질의 읽기를 시퀀싱할 수 있어 R1및 R2 판독을 병합할 수 있습니다. 이러한 병합 된 더 이상 R1 및 R2 읽기는 특히 오픈 액세스 R 기반 분열 앰플리온 디노이징 알고리즘-2 (DADA2) 플랫폼과 함께, 더 나은 분류학적 할당을 할 수 있습니다. DADA2는 QIIME23에서사용하는 97%의 유사성을 기반으로 운영 분류 장치(OTU) 할당 대신 앰플리톤 서열 변형(ASV) 기반 할당을 사용합니다. ASV 일치는 속과 종 수준에 할당에 이르게 1-2 뉴클레오티드 내에서 데이터베이스에서 정확한 서열 일치를 초래한다. 따라서, 더 길고, 좋은 품질의 페어링 엔드 읽기와 더 나은 분류학적 할당 도구(예: DADA2)의 조합은 미생물군유전체 연구를 변화시켰습니다.
여기에 제공된 16S rRNA의 V3-V4 영역의 2단계 증폭및 DADA2, Phyloseq 및 METAGENassist 파이프라인을 사용한 데이터 분석을 사용하여 세균 프로파일링을 수행하기 위한 단계별 가이드가 제공됩니다. 본 연구를 위해, 인간 백혈구 항원(HLA) 클래스 II 형질전환 마우스가 사용되고, 특정 HLA 클래스 II 알레르는 MS20,24,25와같은 자가면역 질환에 대한 경향과 연결된다. 그러나, 창 자 microbiota의 구성을 조절에 HLA 클래스 II 유전자의 중요성은 알 수 없습니다. HLA 클래스 II 분자는 특정 박테리아를 선택하여 창자 미생물 커뮤니티에 영향을 미칠 것이라고 가설. 주요 조직 적합성 복합체(MHC) 클래스 II 녹아웃 마우스(AE.KO) 또는 인간 HLA-DQ8 분자(HLA-DQ8)24,25,26을 발현하는 마우스에서 HLA 클래스 II 분자의 중요성을 이해하기 위해 사용되었다. 창자 미생물 커뮤니티를 형성. R 기반 데이터 분석을 통해 완전하고 간소화된 워크플로우가 미생물군유전체 프로파일링 연구를 수행하는 데 관심이 있는 연구자를 위한 훌륭한 도구가 될 것으로 믿습니다.
내인성 뮤린 MHC 클래스 II 유전자(AE.KO) 및AE-/-결여된 마우스의 생성. HLA-DQA1*0103, DQB1*0302 (HLA-DQ8) C57BL/6J 배경을 가진 형질전환 마우스는 앞서26에기재되어 있다. 배설물 샘플은 남녀 모두의 마우스에서 수집됩니다 (8-12 나이의 주). 마우스는 이전에 NIH 및 기관 지침에 따라 아이오와 대학 동물 시설에서 사육 및 유지되었습니다. 층류 캐비닛 내부에 마우스의 이유비, 마우스의 다른 변종 사이 장갑의 변경 및 마우스의 적당한 유지와 같은 오염 통제 전략은 창자 microbiome의 프로파일링을 위한 중요한 단계입니다.
적절한 개인 보호 장비 (PPE)는 전체 절차 중에 적극 권장됩니다. DNA 절연, PCR1 및 PCR2 증폭 및 시퀀싱 단계를 수행할 때 적절한 음성 제어가 포함되어야 합니다. 멸균, DNase 프리, RNase 및 파이로겐이 없는 소모품을 사용하는 것이 좋습니다. 미생물군유전체 작업및 여과된 파이펫 팁을 위한 지정된 피펫터는 프로토콜 전반에 걸쳐 사용해야 합니다. Microbiota 분석은 7단계로 이루어져 있습니다: 1) 대변 샘플 수집 및 처리; 2) DNA의 추출; 3) 16S rRNA 유전자 증폭; 4) 인덱싱된 PCR을 이용한 DNA 라이브러리 구축; 5) 인덱싱된 PCR(라이브러리)의 정리 및 정량화; 6) 미세크 시퀀싱; 및 7) 데이터 처리 및 시퀀스 분석. 모든 프로토콜 단계의 회로도다이어는 그림 1에나와 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 프로토콜은 아이오와 대학의 기관 동물 관리 및 사용위원회에 의해 승인되었습니다.
1. 배설물 샘플 수집 및 취급
- 70% 에탄올로 디바이더 박스(재료 표, 보충 그림 1참조)를 살균합니다.
- 샘플 ID 및 처리 그룹(해당하는 경우)과 함께 미세원심분리튜브(마우스당 1개)를 사전 라벨을 붙인다.
- 생쥐를 멸균된 칸막이 상자에 놓고 최대 1시간 동안 정상적으로 배설할 수 있도록 하십시오.
- 멸균 집게를 사용하여 미리 표지된 1.5mL 미세원심지 튜브에 배설물 펠릿을 모으고 튜브를 단단히 닫습니다. 각 마우스에서 수집 한 후 집게를 살균하십시오.
- 배설물 펠릿을 함유한 미세원심분리튜브를 추가 처리될 때까지 -80°C 냉동고에 놓습니다.
참고: 그들은 한 번에 여러 마우스 (최대 12)에서 배설물 샘플의 동시 수집을 허용하기 때문에 디바이더 상자는 유리하다.
2. DNA 추출
- 냉동고에서 배설물 샘플(마우스 또는 인간)을 제거하고 실온(RT)에서 해동합니다.
참고: 재고 샘플에서 200 mg 또는 필요한 양을 수집하는 데 필요한 경우 4 °C에서 밤새 인간 대변 샘플을 해동하는 것이 좋습니다. - 200 mg의 시작 물질을 사용하고 DNA를 50 μL의 최종 부피에 용출하십시오.
- 배설물 샘플이 첨가되지 않았지만 모든 DNA 추출 단계를 통해 처리되는 DNA 격리 키트 블랭크를 포함합니다.
참고: 특정 DNA 절연 키트(재료 표참조)는 인간및 마우스 대변에 존재하는 용해된 적혈구에서 바이오 고형물, 소화되지 않은 식물 재료 및 헴 화합물과 같은 억제 물질을 제거하는 특정 시약을 포함하고 있으므로 사용되었습니다. 샘플. - 비드 튜브를 균질화(재료 표참조)에 넣고 RT에서 45s및 4.5m/s의 속도로 샘플을 균질화합니다.
참고: 모든 제조업체의 비드 박동 균질화제를 사용할 수 있습니다. 그러나 다른 공급 업체의 비드 박동 균질화 기를 사용하는 경우 방법, 특히 균질화의 속도와 기간을 표준화하는 것이 좋습니다. - 제조업체의 프로토콜(재료 표참조)에 따라 세균 DNA 격리 키트를 사용하여 개별 마우스 배설물 샘플에서 DNA를 사소한 수정으로 분리합니다. 형질계 또는 고감도 전기 영동 칩에 DNA의 1 μL을 적재하여 분리 된 DNA를 정량화합니다 (재료 표참조).
참고: DNA의 예상 수율은 배설물 샘플의 200 mg으로 시작할 때 500-2,500 ng에서 배열할 수 있습니다. - 용출 버퍼를 사용하여 DNA 농도를 4-20 ng/μL로 조정합니다. PCR1이 같은 날에 수행되지 않는 경우 16S rRNA 유전자 증폭 (PCR1)으로 진행하기 전에 DNA (단계 2.5에서 수행된 것과 같이)를 정량화합니다.
3. 16S rRNA 유전자 증폭 (PCR1)
- 25 μL 반응 량을 사용하여 96 웰 PCR 플레이트에 16S rRNA 유전자 증폭(PCR1)을 설정합니다.
- 멀티 채널 파이펫을 사용하여, dNTPs (재료표참조) 외에 버퍼를 포함한 2x 고충실성 폴리머라제 효소 믹스 12.5 μL을 추가하십시오: 최대 10.5 μL 총 부피에서 DNA 40 ng (PCR 등급물로 총 부피 조정): 1 μL (각) 1 μM 농도에서 역프라이머.
참고: 프라이머의 시퀀스는 다음과 같습니다:
앞으로 프라이머 = 5'-TCGTCGGCAGCCA 가트GTGTA가 가트GTGTA가 가TACGGGGCWGCAGAGAGAGAGAGAGAGAGAGGGGGTGGTA TAGAGACAATATAtAtAtAtCtTAtAtAtCtAtAtC C-3'-GTA PCR 플레이트에 2.3단계(키트 시약 제어)에서 키트 블랭크를 포함합니다. - PCR 플레이트 및 원심분리기를 탁상 판 원심분리기에서 1분 동안 20°C에서 1,000 x g에서 밀봉하고(재료 표참조) 프로그래밍된 열 사이클러에서 PCR을 수행합니다: 95°C 에서 3분; 25 사이클 1) 95 °C 에 대 한 30 s, 2) 55 °C 30 s에 대 한, 3) 72°C 에 대 한 30 s; 72 °C에서 5 분 동안 최종 확장; 4°C에서 유지합니다.
참고: 이 16S rRNA 유전자 증폭 방법은 생물 표본의 다른 모형으로 작동해야 하더라도, 새로운 프로젝트를 시작할 때 증폭 주기의 수를 표준화하는 것이 좋습니다. - 고감도 전기 영동 칩에 DNA 1 μL을 적재하여 PCR1 제품의 크기를 확인합니다. 대안적으로, 1.5% 아가로즈 겔에 16S rRNA 증폭 생성물의 5 μL을 실행하여 PCR1 제품의 550 bp를 확인한다.
참고: 16S rRNA 증폭 제품의 정리는 선택 사항이며 사용 중인 DNA 격리 키트/방법에 따라 다릅니다. 사내 DNA 분리 방법을 사용하는 경우, PCR1 제품은 제조업체의 프로토콜에 따라 미생물군유전체 DNA 정제 키트를 사용하여 세척할 수 있습니다(재료 표참조). 여기에서 사용되는 DNA 절연 키트는 초순수 DNA를 생성하며 PCR1 제품의 세척이 필요하지 않습니다.
4. 인덱싱 된 PCR (PCR2)를 사용하여 DNA 라이브러리 건설
-
96개의 라이브러리에 대해 인덱스 1과 인덱스 2 바코드 프라이머를 특수 랙에 놓습니다(재료 표 참조).
- 열에 인덱스 1 프라이머를 정렬 1-12 및 인덱스 2 프라이머 행 A-H 특수 랙의.
- 다중 채널 파이펫을 사용하여 열 1-12에 인덱스 1의 2.5 μL을 추가하고 A-H 행에 인덱스 2 프라이머를 추가합니다. 인덱스 1 및 인덱스 2 채택자 프라이머에 새 캡(재료 표참조)을 놓고 -20°C 냉동고에 보관합니다.
- 다중 채널 파이펫을 사용하여, dNTPs(재료표 참조)에더하여 완충액을 함유하는 2x 고충실도 폴리머라제 효소 믹스의 12.5 μL을 첨가한다; 5 μL의 PCR 등급 물 및 16S rRNA 증폭 제품의 2.5 μL.
참고: Kiernan 등27에설명된 대로 한 번의 실행으로 96개 이상의 라이브러리를 다중화하기 위해 각 샘플에 고유한 인덱스를 추가합니다. 본 프로토콜은 16S 메타지노믹스 시퀀싱 방법(예: Illumina)에서 제공된 제조업체의 지시에 따라 상용 키트(예: Nextera XT 인덱스 키트)의 어댑터를 사용합니다. - 인감 및 원심분리기 는 20 °C에서 1,000 x g에서 1 분 동안 1 분 동안 및 프로그래밍 된 열 사이클러에서 PCR을 수행합니다 : 3 분 동안 95 °C; 8 사이클 1) 95 °C 에 대 한 30 s, 2) 55 °C 30 s에 대 한, 3) 72°C 에 대 한 30 s; 최종 연장은 72°C에서 5분 동안.
- 고감도 전기 영동 칩에 1 μL의 DNA를 적재하여 색인된 PCR 제품의 630기본 크기를 확인합니다. 또는, 제품의 크기와 강도를 확인하기 위해 1.5% 아가로즈 젤에 색인된 PCR 제품의 5 μL을 실행합니다.
5. 인덱싱 된 PCR (PCR2) 및 정량화의 정리
- 풀 5 μL 의 PCR2 앰플리온은 검출 가능한 DNase, RNase, 인간 DNA 및 피로겐균박테리아가 없는 다중 채널 저장소 트레이에 각각의 멀티채널 파이펫을 사용하여 (재료 표참조).
- 풀링된 제품을 멀티채널 저장소 트레이에서 미리 라벨이 부착된 1.5mL 미세원원지 튜브와 소용돌이로 옮겨 혼합합니다.
- 표준 자기 비드 키트(재료 표 참조)를사용하여 PCR2 제품을 정화하십시오. 필요한 경우 추가 사용을 위해 PCR2의 나머지 20 μL을 동일한 플레이트에 -80°C로 밀봉하고 보관하십시오.
- PCR 등급의 물 1mL에 100% 에탄올 4mL를 추가하여 신선한 80% 에탄올을 준비합니다.
- 자기 비드를 RT와 소용돌이에 30초 동안 평형화하여 구슬을 고르게 분산시킴.
- 풀링된 PCR2 앰플리온 샘플을 간단히 소용돌이하고 스핀다운합니다.
- 80 μL의 자기 비드를 풀링된 PCR 제품 80μL의 사전 라벨이 부착된 멸균 된 1.5 mL 마이크로 원심 분리 튜브에 넣고 소용돌이를 돌리고 잠시 회전하여 자기 비드를 고르게 다시 돌릴 수 있습니다.
- 15 분 동안 튜브를 방해하지 않고 RT에서 내용물인을 배양하십시오.
- DNA와 자기 구슬이 있는 튜브를 자기 스탠드에 놓고(재료 표 참조)5분 동안 놓습니다.
- 조심스럽게 제거하고 상류물의 150 μL을 폐기.
- 구슬을 방해하지 않고 갓 준비한 80 % 에탄올 200 μL을 추가하고 30 s를 위해 배양하십시오.
- 조심스럽게 제거하고 모든 상급을 폐기하십시오.
- 5.11-5.12단계를 반복합니다. P10 파이펫으로 남은 체적을 제거합니다. 인덱스 PCR 튜브가 마그네틱 스탠드에 남아 있는 채로 구슬을 15분 동안 공기 건조시도록 합니다.
- 마그네틱 스탠드에서 제거합니다. 33 μL의 용출 버퍼를 추가합니다(DNA 키트의 용출 완충제는 허용됩니다). 소용돌이가 잘 되고, 빠른 스핀을 수행하여 측면에 남은 액체를 제거한다. 2 분 동안 배양하고 5 분 동안 자기 스탠드에 놓습니다.
- 상급 (깨끗한 PCR 제품)의 30 μL을 미리 표지 된 1.5 mL 미세 원심 분리튜브로 옮니다.
- 시퀀싱 중에 요구되는 바와 같이, 플루오라이미터 또는 고감도 전기 영동 칩에 정제된 풀의 1 μL을 적재하여 정제된 풀을 정량화한다. 아래에 자세히 설명된 대로 MiSeq를 수행합니다.
6. 미세크 시퀀싱
- Metagenomics 워크플로우 및 MiSeq 계측기에서 다중화에 대한 샘플 별 바코드 정보가 포함된 샘플 시트를만듭니다(재료 표 참조). 이 샘플 시트를 소프트웨어(예: Illumina 실험 관리자)에 업로드합니다.
- 풀린 라이브러리를 5.15 단계에서 4 nM으로 희석합니다.
- 1.5 mL 의 미세 원심 분리튜브에서 갓 제조된 0.2 M NaOH의 5 μL과 4 nM 라이브러리 풀의 5 μL을 결합하여 디네이징풀라이브러리. 소용돌이는 짧게 혼합, 원심 분리기 및 주변 RT에서 5 분 동안 배양.
- 990 μL의 얼음-차가운 혼성화 버퍼(HB 버퍼)를 추가하고 파이펫을 부드럽게 섞어 보냅니다. 이렇게 하면 20pM 라이브러리가 생성됩니다.
- 10 nM 제어 라이브러리의 2 μL을 EBT 버퍼 3 μL(10 mM Tris-HCl, pH = 8.5, 0.1% 트웬 20)과 결합하여 4 nM 제어 라이브러리를 생성합니다. 갓 준비한 0.2 N NaOH와 소용돌이를 5 μL을 넣고 잠시 섞습니다. RT에서 5 분 동안 배양하십시오.
-
990 μL 얼음-차가운 혼성화 버퍼(HB 버퍼)를 추가하고 파이펫을 부드럽게 섞어 보냅니다. 이렇게 하면 20개의 pM 컨트롤 라이브러리가 생성됩니다.
참고: 변성된 20pM 제어 라이브러리는 -20°C에서 최대 4주 동안 저장할 수 있습니다. 4주 후 클러스터 수는 감소하는 경향이 있습니다.- 20 pM 라이브러리의 210 μL과 20 pM 제어 라이브러리의 40 μL(최종 농도 = ~18%)을 결합하고 HB 버퍼의 350 μL을 추가합니다. 라이브러리를 최종 농도 7pM로 로드합니다.
참고: 입력 세부 정보는 실행 성능에 따라 조정되어야 합니다.
- 20 pM 라이브러리의 210 μL과 20 pM 제어 라이브러리의 40 μL(최종 농도 = ~18%)을 결합하고 HB 버퍼의 350 μL을 추가합니다. 라이브러리를 최종 농도 7pM로 로드합니다.
- 96°C에서 2분 동안 샘플을 배양합니다. 5 분 동안 얼음에 넣어. MiSeq 카트리지의 적절한 우물에 최종 수영장의 600 μL을로드합니다.
참고: 위의 섹션 6은 게놈 /DNA 핵심 시설에서 수행 할 수 있습니다.
7. 데이터 처리 및 시퀀스 분석
- DADA2 데이터 처리 및 분석을 위해 R 소프트웨어(버전 3.5)를 사용합니다. 단계 7.1-7.4의 경우,에서 발견 된 이전에 개발 된 DADA2 온라인 자습서에 설명 된 대로 오픈 액세스 소프트웨어를 사용 하십시오.https://benjjneb.github.io/dada2/tutorial.html>.
참고: 쉽게 사용할 수 있는 R 스크립트가 보충 파일 2로첨부되었으며 사용자는 시퀀싱 파일의 이름과 소스를 변경해야 합니다(예: SAMPLENAME_R1_001.fastq 및 SAMPLENAME_R2_001.fastq). - plotQualityProfile 명령을 사용하여 순방향 및 역읽기의 품질 프로파일을 시각화합니다.
- 품질 플롯을 기반으로 앞으로 및 역방향 읽기에서 뉴클레오티드를 트리밍합니다. 이러한 매개 변수는 DADA2의 truncLen 매개 변수에 의해 지정됩니다.
참고: 여기서 280은 앞으로 읽기가 삭제되는 길이 임계값으로 사용되고 260은 역읽기가 삭제되는 길이 임계값으로 사용됩니다. - 온라인 자습서에 설명 된 대로 DADA2 파이프라인에 의해 fastq 파일로 원시 16S 데이터를 처리 (에서 찾을 수 있습니다
참고: DADA2 파이프라인에서 생성된 샘플 앰플리온 시퀀스 변형 테이블이 보충 파일 3으로포함됩니다. 이러한 데이터베이스 중 하나를 사용하여 세균 분류의 차이가 발견되지 않았으며 Greengene 또는 Silva 참조 데이터베이스를 사용할 수 있습니다. - 각 샘플에 대한 메타데이터(예: 유전자형, 성별, 치료 등)가 포함된 사용자 정의 매핑 파일을 생성합니다. 샘플 메타데이터 파일이 보충 파일 4로포함되었습니다.
- 알파 다이버시티(섀넌 인덱스) 및 베타 다이버시티를 계산하여 온라인 튜토리얼에서 설명한 대로 Phyloseq28을 사용하여 희귀 한 OTU 카운트를 기반으로 한 주요 좌표 분석 (PCA)을 사용하여 http://benjjneb.github.io/dada2/tutorial.html>에서 찾을 수 있습니다.
- 메타게엔시스트29에서다음 분석을 수행합니다.
참고: 속 수준에서 Wilcoxon 순위 합계 테스트를 사용하여 차등 풍부도 분석을 수행합니다. 공개적으로 이용 가능한 웹 기반 분석 파이프라인인 METAGENassist29를사용하여 히트 맵과 차별화된 풍부한 택시가 강조 표시됩니다.- 분류학적 풍부도 표(CSV 형식)를 업로드하고 열에서 샘플을 선택합니다.
- 매핑 파일(CSV 형식)을 업로드하고 행에서 샘플을 선택합니다.
- 옵션을 선택하여 50% 00을 초과한 변수를 제거하고 할당되지 않은 읽기와 매핑되지 않은 읽기를 제외합니다.
- 합계로 행을 정규화하고 정규화 열을 기록하는 옵션을 선택합니다.
- 왼쪽 열에서 동일한 열을 클릭하여 화산, PCA 또는 PLSDA 플롯을 만들고 샘플 이름 제거를 클릭하여 그래프를 만듭니다.
- t-검정(2단인 경우) 또는 ANOVA(2군 이상인 경우)를 수행하여 그룹간에 다른 특징(박테리아)을 시각화한다. 선택한 피처를 클릭하여 그룹 간에 다른 특정 박테리아를 시각화합니다.
- 덴드로그램 또는 히트 맵을 클릭하여 각 플롯을 작성합니다. 그룹별 샘플 시각화 또는 t-test/ANOVA 기반 상위 25개 기능과 같은 추가 분석을 수행할 수 있습니다.
- RandomForest를 클릭하여 분류에 사용할 수 있는 기능을 표시하는 그래프를 만듭니다. 상단의 분산 탭을 클릭하여 그룹 간에 서로 다른 상위 피처에 대한 그래프를 만듭니다. 기능 세부 정보를 클릭하여 그룹마다 다른 박테리아 목록을 확인하고 각 박테리아를 클릭하여 동일한 그래픽 요약을 만듭니다.
- 위에 있는 이상값 탭을 클릭하여 이상값인 샘플을 시각화합니다.
- 마지막으로 다운로드를 클릭하고 1) 수행된 모든 분석이 포함된 zip 파일 또는 2) 다운로드할 원하는 기능을 선택합니다. 이 파일은 고유한 이름으로 저장되어야 하며 사용하기 전에 압축을 풀어야 합니다.
참고: 미생물군유전체 분석 중에 수행된 상세한 통계 적 테스트는 첸 외 및 Hugerth 외14,30의작품을 참조하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
MHC 클래스 II 분자(인간HLA)는 적응형 면역 반응의 중심적인 플레이어이며 MS24,25,26에대한 경향과의 강한 연관성을 나타내고, HLA 클래스 II 분자가 있다고 가설하였다. 장 내 미생물 구성에 영향을 미칠 것 이다. 따라서, MHC 클래스 II 유전자(AE.KO) 또는 발현하는 인간 HLA-DQ8 유전자(HLA-DQ8)가 결여된 마우스는 장내 미생물 군을 형성하는 데 있어 HLA 클래스 II 분자의 중요성을 이해하는 데 활용되었다.
배설물 샘플을 AE.KO(n=16) 및 HLA-DQ8(n=12) 형질전환 마우스로부터 수집하였고, 세균 DNA를 추출하고, 16S rRNA 유전자의 V3-V4 영역을 증폭시켰다. 앰플리톤 크기(550 bp)는 1.5% 아가로즈겔(도 2A, 레인 1–6)에샘플을 실행하여 확인되었다. 16S rRNA 앰플리톤 크기(550 bp)의 추가 확인은 고감도 전기 영동 칩에 PCR1 제품의 1 μL을 적재함으로써 수행하였다(도2B, 레인 1–7).
일렉트로페로그램은 16S rRNA PCR 생성물로부터 생성되었으며, 이는 550 bp 크기의 단편을 가진 피크 영역을보였다(도 2C). 이중 인덱스와 시퀀싱 어댑터는 각 샘플에 고유한 ID를 할당하고 단일 MiSeq 시퀀싱 실행에서 많은 샘플을 다중화할 수 있는 인덱싱된 PCR(PCR2)을 사용하여 연결되었습니다. 색인된 PCR의 확인은 아가로즈 겔 전기영동증(도2A, 레인 7–12)및 고감도 전기영동칩(도2B, 차선 8–12), 도 2D]에의해 수행되었다. PCR2의 모든 샘플을 풀레이션, 정제 및 R1 을 앞으로 산출하고 R2판독을 좋은 품질의 역방향 으로 산출한 차세대 시퀀서에 로드하였다(그림3). 품질 필터링 및 트리밍 후 얻은 중앙값은 88,125(범위 9,597-111,848)였습니다.
지역사회 생태분석은 DADA2 분석 파이프라인을 이용하여 실시되었으며, 필로세크 및 메타게나시스트와 함께 알파 다이버시티(도4)와베타 다이버시티(도5)의차이를 입증하고, 그룹 간의 속과 종 수준. DADA2 분석은 웹 기반 플랫폼(예: Phyloseq 및/또는 METAGENassist)을 사용하여 추가 다운스트림 분석에 사용된 csv 형식으로 쉼표로 구분된 값을 가진 풍부한 테이블을 생성했습니다. 알파 및 베타 다양성 분석은 매핑 파일에 나열된 사용자 정의 범주에 따라 수행되었습니다.
섀넌 다양성 분석은 HLA-DQ8 형질전환 마우스에 비해 AE.KO 마우스에 대한 전반적인 낮은 알파 다이버시티를 밝혀냈다(그림3). 주요 좌표 분석으로 성임은 AE.KO 마우스와 HLA-DQ8 형질전환 마우스 사이의 뚜렷한 공간 군집화를보였다(도 5). DADA2의 풍부한 테이블은 오픈 액세스 소프트웨어 METAGENassist29를사용하여 포괄적인 메타지노믹 분석을 수행하는 데도 사용되었습니다. 열맵 기반의 세균 풍부도(속 수준)(도6A)와두 군 간의 차이를 나타내는 특정 박테리아에 대한 박스플롯(도 6B)을메타게엔시스트 파이프라인을 이용하여 생성하였다.
열지도 분석은 알로바큘럼, Desufovibrio 및 리케넬라와 같은 특정 박테리아가 HLA-DQ8 형질전환 마우스에서 더 풍부했다는 것을 보여주었습니다. 대조적으로, 바이오로필라는 AE.KO 마우스에서 더 풍부하였다(도6B). 개별박테리아(Bilophila 및 Rikenella)의 상대적 풍부도는 대표적인 박스 플롯(도6B)에도시되어 있다. 전부, 데이터는 AE.KO 마우스가 AE.KO 마우스에 있는 특정 박테리아의 부재와 더불어 HLA-DQ8 형질전환 마우스의 그것에 비교된 명백한 미생물 지역 사회를 소유하고 있다는 것을 보여줍니다. 데이터는 또한 MHC 급 II 분자가 특정 박테리아의 풍부에 있는 중요한 역할을 한다는 것을 건의합니다. 요약하자면, 이 간단하고 상세한 프로토콜은 미생물군유전체 분야를 새로운 연구자뿐만 아니라 더 높은 분류학적 해상도를 달성하기 위한 방법에 대한 업데이트가 필요한 연구자들에게 도움이 될 것입니다.
그림 1: 장내 미생물체 시퀀싱의 흐름 다이어그램. 미생물군유전체 시퀀싱의 모든 단계(미생물군유전체 데이터 분석에 대한 샘플 수집)가 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 2: V3-V4 영역의 16S rRNA 유전자 증폭 및 품질 관리 분석. (A)AE.KO 마우스(레인 1-3 및 7-9) 및 HLA-DQ8 형질전환 마우스(레인 4-6 및 10-12)에서 16S 앰플리콘(PCR1, 크기 550 bp)과 색인된 PCR(PCR2, 크기 = 630 bp)의 대표적인 아가로즈 겔 전기영동체 이미지. (B)AE.KO 마우스(레인 1-3 및 8-10) 및 HLA-DQ8 형질전환 마우스(레인 4-7 및 11-12)의 16S 앰플리콘(PCR1, 크기 = 550 bp) 및 인덱싱된 PCR(PCR2, 크기 = 630 bp)의 대표적인 겔 이미지[1]-7 및 11-12)의 대표적인 겔 이미지가 전기포에 의해 해결된다. (C)16S 앰플리콘(PCR1)의 대표적인 일렉트로로그램은 ~ 550bp크기의단편을 함유하는 피크 영역을 나타내었다. 630 bp. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 두 개의 대표 샘플에 대한 순방향 판독(R1, 상단)의 품질 프로파일과 동일한 샘플에 대한 해당 역읽기(R2, 아래쪽). 분석은 x축이 판독 길이(0-300 베이스)를 표시하고 y축이 판독 품질을 표시하는 DADA2 파이프라인을 사용하여 수행되었습니다. 녹색 선은 중간 품질 점수를 나타내고 주황색 선은 각 기본 위치에서 품질 점수 분포의 사분위를 나타냅니다. 전진 읽기(R1)는 항상 역방향 읽기(R2)보다 더 나은 품질을 보였다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 4: AE.KO 마우스 및 HLA-DQ8 형질전환 마우스의 알파 다이버시티 측정(섀넌 다이버시티). 각 도트는 단일 마우스로부터의 샘플에서 α-다이버시티(Shannon diversity)를 나타낸다. 섀넌 다양성은 HLA-DQ8 형질전환 마우스에 비해 AE.KO 마우스에 대해 전반적으로 낮았다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 부분 최소 제곱 기반 치수 해석 플롯을 사용하면 수정됩니다. 플롯은 AE.KO 마우스와 HLA-DQ8 형질전환 마우스 사이의 명확한 분리를 나타낸다. 각 점은 샘플 내에서 박테리아 구성을 나타내고 점선 일식은 80% 신뢰 구간을 나타냅니다. PLS-DA 플롯은 메타게니시즈를 사용하여 생성되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 6: HlA-DQ8 형질전환 마우스에 비해 뚜렷한 미생물 군을 나타내는 AE.KO 마우스, AE.KO 마우스에서 특정 박테리아의 부재. (a)히트 맵과 응집 계층적 군집화와 결합하여 박테리아의 상대적 풍부도(속 수준)를 나타낸 다. (B)박스 플롯은 AE.KO 및 HLA-DQ8 형질전환 마우스에서 두 가지 대표적인박테리아(Bilophila 및 Rikenella)의정규화된 상대적 풍부함을 나타낸다. 두 플롯모두 메타게니시즈를 사용하여 생성되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
보충 그림 1: 한 번에 여러 마우스에서 배설물 샘플의 수집을위한 분배기 상자의 대표적인 그림. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
보조 파일 2: 원시 시퀀스에서 풍부한 테이블을 생성하기 위한 DADA2 R-스크립트. 이 파일을 다운로드하려면 여기를 클릭하십시오.
보충 파일 3: 대표적인 속 풍부 테이블 (CSV 형식). 이 파일을 다운로드하려면 여기를 클릭하십시오.
보조 파일 4: 대표 매핑 파일(CSV 형식). 이 파일을 다운로드하려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
기재된 프로토콜은 많은 수의 생물표본으로부터 16S rRNA 메타게놈 시퀀싱을 사용하여 미생물군유전체 프로파일링을 수행하기 쉬운 단계로 간단합니다. 차세대 염기서열 분석은 특히 인간 및 전임상 질환 모델31,32에서미생물 생태학 연구를 변화시켰다. 이 기술의 주요 장점은 높은 처리량 수준과 저렴한 비용32에서주어진 생물 표본에서 복잡한 미생물 조성물 (배양 및 비 배분 미생물)을 성공적으로 분석 할 수있는 능력입니다. 그러나, 몇몇 요인 (즉, 배치 효력, 16S rRNA 유전자를 위한 프라이머의 선택, 및 서열 데이터 분석)는 이 기술의 광범위한 사용에 있는 중요한 장애물남아 있습니다.
고급 16S rRNA 기반 MiSeq 시퀀싱 기술(2x300bp)33은 1,500개의 뉴클레오티드 길이의 16S rRNA 유전자 중에서 ~600개의 뉴클레오티드를 시퀀싱할 수 있게 해주며, 이는 짧은 시퀀싱 읽기의 초기 병목 현상을 극복했습니다. V1-V2, V3-V5, 또는 V6-V9와 같은 rRNA의 상이한 영역에 특이적인 프라이머는 특정 taxa34,35의과다 또는 과소 검출에 대한 일부 바이어스를 나타내는 각 영역별 프라이머와 함께 사용될 수 있다. 일부 그룹은 V1-V2영역을 선호 21, 이는 클로스트리디움에 대한 증가 편향을 보여줍니다하지만 특정 박테로이드 종에 대한 과소 발견. 대조적으로, 다른 그룹은 V4, V3-V4 및 V3-V5 영역을 선호하며, 이는 세균 taxa15,20,36,37의가장 편향된 분류를 보여 준다.
본 프로토콜은 16S rRNA 유전자의 V3-V4 영역에 특이적인 프라이머를 사용하며, V4 단독에 비해 2개의 초가변 영역(V3 및 V4)을 가진 16S rRNA의 더 긴 영역을 커버한다. 또한 V3-V4 특정 앰플리온은 순방향(R1) 및 역방향(R2) 판독을 병합하여 박테리아 분류의 해상도를 개선합니다. V3-V5 리전은 더 이상 읽기를 제공하고 더 많은 초가변 영역(V3, V4 및 V5)을 다루지만 R1과 R2 읽기 사이에 겹치는 영역이 거의 없기 때문에 R1 및 R2 읽기를 병합하는 것은 어렵습니다. 따라서, V3-V5 영역14를사용하여 16S rRNA 메타게놈 시퀀싱을 수행할 때 세균 분류에 대한 R1 판독값에서만 데이터를 사용한 다수의 연구가 사용되어 있다.
적절한 생물표본 저장 및 취급은 세균 DNA의 분해 또는 환경 오염을 방지하기 위해 미생물군유전체 분석에 매우 중요합니다38. RT 또는 4 °C에서 생물 표본의 장기 저장은 특정 박테리아 또는 곰팡이의 과성장으로 이어질 수 있습니다. 시료는 즉시 동결하거나 4°C(1-3일 동안)에서 운반한 다음 냉동할 수 있습니다. 생물표본은 또한 핵산 안정화 용액(예를 들어, RNA-later), 95% 에탄올, 또는 상업적 저장 키트와 같은 방부제에 직접 저장될 수 있다. 일반적인 합의는 이러한 저장 방법 중 하나가 세균 커뮤니티 프로필39,40에큰 차이를 일으키지 않는다는 것입니다. 방부제를 사용한 용액은 RT에서 저장 및 수송을 허용하지만, 이러한 샘플은 RNA 기반 분석, 대사 산물 분석 또는 대변 이식 실험에 사용할 수 없습니다. 이러한 문제는 다른 곳에서 자세히 논의된39,40.
이 프로토콜의 중요한 단계 중 하나는 그람 양성 박테리아와 고고학의 기계적 중단을 위한 비드 박동 기반 방법을 사용하는 것입니다. 이전 연구는 세포용해41의그밖 방법에 비교된 비드 구타 기지를 둔 방법을 사용하여 가장 높은 세균 다양성을 보여주었습니다. DNA 추출 동안 불완전한 세균 용해 또는 오염은 장내 미생물군유전체 데이터42에편향을 유발할 수 있다. 고려해야 할 또 다른 중요한 점은 kitome43,44,45라는키트에 포함 된 실험실 시약으로 인한 오염입니다. 큰 바이오매스를 가진 샘플과 토양이나 대변과 같은 풍부한 세균 다양성은 피부와 같은 낮은 바이오매스를 가진 샘플에 비해 이러한 문제를 덜 보여줍니다. 따라서, 물 추출 제어는 DNA추출(43,44,45)에의한 잠재적 오염의 도입을 식별하기 위해 각 추출 및 다른 샘플과 함께 처리되어야 한다.
미생물군유전체 분석에서 샘플 내의 다양성은 알파 다이버시티, 종의 풍요로움을 측정한 값 또는 샘플/그룹 간의 차이를 추정하는 베타 다양성으로 측정될 수 있습니다. α-다양성을 측정하는 널리 알려진 방법에는 UniFrac(가중치 및 가중치가 없는) 주 좌표 분석(PCoA) 또는 Brey-Curtis 불일치와 같은 다변량 통계 기법이 결합되어 있습니다. UniFrac은 계통 유전학 적 거리를 기반으로하지만, Brey-Curtis 불일치 분석은 플롯을 생성하기 위한 세균 풍부를 활용합니다. α-및 β-다이버시티 아레에 대한 심층 설명은 다른 곳에서 논의된30,46,47. 다수의 통계적 방법이 그룹14,48사이의 미생물 군상에서의 차이를 비교하기 위해 활용될 수 있다. 여러 테스트14에대 한 수정 하려면 원시 p-값 대신 조정 된 p-값을 사용 하는 것이 좋습니다.
표적 시퀀싱 데이터를 독립적으로 분석하는 다양한 생물정보학소프트웨어가 49개있다. 제안된 프로토콜은 R 기반 오픈 소스 소프트웨어 패키지를 사용하여 R 기반 DADA2 파이프라인을 통해 사용자 친화적이고 빠른 세균 성 태카 프로파일링을 가능하게 합니다. DADA2에서 생성된 풍부한 테이블은 필로세크 및 메타게네시스트를 사용하여 다운스트림 분석에 사용할 수 있습니다. DADA2 파이프라인은 상대적으로 큰 컴퓨팅 리소스와 특수 기술 전문 지식이 필요한 특수 기능(예: 가상 컴퓨터 또는 Docker 컨테이너 설치)이 필요하지 않기 때문에 QIIME보다 유리합니다. 특히 16S 분석에 초보자를위한, R은 무료이며 사용자가 실행하기 쉬운 액세스 온라인 자습서 및 분석 스크립트를 활용할 수 있기 때문에, 매력적이다. 중요한 것은 이러한 분석 도구는 상대적으로 작은 계산 리소스를 필요로 하며 PC, 매킨토시 또는 Linux 기반 플랫폼에서 실행할 수 있습니다. 또한 메타게엔시스트는 다다2 파이프라인에서 생성된 풍부한 테이블과 QIIME/MG-RAST에서 생성된 생물학적 관찰 매트릭스(BIOM) 파일을 사용하여 PCA, 부분 최소 제곱 별 판별 분석(PLS-DA)과 같은 분석을 수행할 수 있습니다. 화산 플롯, t-test(두 그룹 비교), ANOVA (3 개 이상의 그룹 비교), 히트 맵 플롯, 무작위 숲 분석 등 메타게엔시스트는 매우 사용자 친화적인 것으로 나타났다.
요약하면, 이 프로토콜은 샘플 수집, DNA 추출, 메타게놈 라이브러리 준비, 일루미나 MiSeq시 시퀀싱 및 사용자 친화적인 데이터 분석에 대한 자세한 가이드와 함께 간단한 16S rRNA 메타게놈 프로파일링 파이프라인을 자유롭게 설명합니다. 사용 가능한 플랫폼(즉, DADA2, 필로세크 및 메타게엔시스트). 16S rRNA metagenomic 기반 분류학적 프로파일링은 특정 생물 표본에 존재하는 박테리아의 특성화에 신뢰할 수 있지만, 산탄총 metagenomic 시퀀싱은 상세한 신진 대사 경로 분석 및 균주 특이적 분석에 대한 더 나은 접근 법이 될 수 있습니다. 세균 식별.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
A. M. 메이요 클리닉에서 로열티를 받았다 (에베로 바이오 사이언스에 의해 지불) 자가 면역 질환의 치료에 대한 Prevotella 히티콜라의 사용을 주장하는 기술의 발명가 중 하나로서.
Acknowledgments
저자는 NIAID /NIH (1R01AI137075-01), 카버 트러스트 의학 연구 이니셔티브 보조금, 아이오와 환경 건강 과학 연구 센터, NIEHS / NIH (P30 ES005605)의 자금 지원을 인정합니다.
Materials
| Name | Company | Catalog Number | Comments |
| 1.5 mL Natural Microcentriguge Tube | USA, Scientific | 1615-5500 | Fecal collection |
| 3M hand applicator squeegee PA1-G | 3M, MN, US | 7100038651 | Squeeger for proper sealing of PCR Plate |
| Agencourt AMPure XP | Beckman Coulter, IN, USA | A63880 | PCR Purification, NGS Clean-up, PCR clean-up |
| Agilent DNA 1000 REAGENT | Agilent Technologies, CA, USA | 5067-1504 | DNA quantification and quality control |
| Bioanalyzer DNA 1000 chip | Agilent Technologies, CA, USA | 5067-1504 | DNA quantification and quality control |
| Index Adopter Replacement Caps | Illumina, Inc., CA, USA | 15026762 | New cap for Index 1 and 2 adopter primer |
| DNeasy PowerLyzer PowerSoil Kit | MoBio now part of QIAGEN, Valencia, CA, USA | 12855-100 | DNA isolation |
| KAPA HiFi HotStart ReadyMiX (2x) | Kapa Biosystem, MA, USA | KK2602 | PCR ready mix for Amplicon PCR1 and Indexed PCR2 |
| Lewis Divider Boxes | Lewis Bins, WI, US | ND03080 | Fecal collection |
| Magnetic stand | New England BioLabs, MA, USA | S1509S | For PCR clean-up |
| MicroAmp Fast Optical 96-Well Reaction Plate | Applied Biosystems, Thermo Fisher Scientific, CA, USA | 4346906 | PCR Plate |
| MicroAmp Optical Adhesive Film | Applied Biosystems, Thermo Fisher Scientific, CA, USA | 4311971 | PCR Plate Sealer |
| Microfuge 20 Centrifuge | Beckman Coulter, IN, USA | B30154 | Centrifuge used for DNA isolation |
| MiSeq Reagent Kit (600 cycles)v.3 | Illumina, Inc., CA, USA | MS-102-3003 | For MiSeq Sequencing |
| Nextera XT DNA Library Preparation Kit | Illumina, Inc., CA, USA | FC-131-1001 | 16S rRNA DNA Library Preparation |
| Reagent Reservoirs Multichannel Trays | ASI, FL,USA | RS71-1 | For Pooling of PCR2 Product |
| Plate Cetrifuge | Thermo Fisher Scientific, CA, USA | 75004393 | For PCR reagent mixing and removing air bubble from Plate |
| PhiX Control | Illumina, Inc., CA, USA | FC-110-3001 | For MiSeq Sequencing control |
| Microbiome DNA Purification Kit | Thermo Fisher Scientific, CA, USA | A29789 | For purification of PCR1 product |
| PowerLyzer 24 Homogenizer | Omni International, GA, USA | 19-001 | Bead beater for DNA Isolation |
| Qubit dsDNA HS (High Sensitivity) assay kit | Thermo Fisher Scientific, CA, USA | Q32854 | DNA quantification |
| TruSeq Index Plate Fixture | Illumina, Inc., CA, USA | FC-130-1005 | For Arranging of the index primers |
| Vertical Dividers (large) | Lewis Bins, WI, US | DV-2280 | Fecal collection |
| Vertical Dividers (small) | Lewis Bins, WI, US | DV-1780 | Fecal collection |
References
- Lynch, S. V., Pedersen, O. The Human Intestinal Microbiome in Health and Disease. New England Journal of Medicine. 375 (24), 2369-2379 (2016).
- Blacher, E., Levy, M., Tatirovsky, E., Elinav, E. Microbiome-Modulated Metabolites at the Interface of Host Immunity. Journal of Immunology. 198 (2), 572-580 (2017).
- Jarchum, I., Pamer, E. G. Regulation of innate and adaptive immunity by the commensal microbiota. Current Opinion in Immunology. 23 (3), 353-360 (2011).
- Rescigno, M. The intestinal epithelial barrier in the control of homeostasis and immunity. Trends in Immunology. 32 (6), 256-264 (2011).
- Zhang, K., Hornef, M. W., Dupont, A. The intestinal epithelium as guardian of gut barrier integrity. Cell Microbiology. 17 (11), 1561-1569 (2015).
- Ghoshal, U. C., Park, H., Gwee, K. A. Bugs and irritable bowel syndrome: The good, the bad and the ugly. Journal of Gastroenterology and Hepatology. 25 (2), 244-251 (2010).
- Ley, R. E., Turnbaugh, P. J., Klein, S., Gordon, J. I. Microbial ecology: human gut microbes associated with obesity. Nature. 444 (7122), 1022-1023 (2006).
- Naseer, M. I., et al. Role of gut microbiota in obesity, type 2 diabetes and Alzheimer's disease. CNS & Neurological Disorders - Drug Targets. 13 (2), 305-311 (2014).
- Yin, J., et al. Dysbiosis of Gut Microbiota With Reduced Trimethylamine-N-Oxide Level in Patients With Large-Artery Atherosclerotic Stroke or Transient Ischemic Attack. Journal of American Heart Association. 4 (11), (2015).
- Azcarate-Peril, M. A., Sikes, M., Bruno-Barcena, J. M. The intestinal microbiota, gastrointestinal environment and colorectal cancer: a putative role for probiotics in prevention of colorectal cancer. American Journal of Physiology-Gastrointestinal and Liver Physiology. 301 (3), 401-424 (2011).
- Su, M., et al. Diversified gut microbiota in newborns of mothers with gestational diabetes mellitus. PLoS ONE. 13 (10), 0205695 (2018).
- Horta-Baas, G., et al. Intestinal Dysbiosis and Rheumatoid Arthritis: A Link between Gut Microbiota and the Pathogenesis of Rheumatoid Arthritis. Journal of Immunological Research. , 4835189 (2017).
- Panzer, A. R., Lynch, S. V. Influence and effect of the human microbiome in allergy and asthma. Current Opinion in Rheumatology. 27 (4), 373-380 (2015).
- Chen, J., et al. Multiple sclerosis patients have a distinct gut microbiota compared to healthy controls. Science Reports. 6, 28484 (2016).
- Tremlett, H., et al. Gut microbiota composition and relapse risk in pediatric MS: A pilot study. Journal of Neurological Science. 363, 153-157 (2016).
- Pistollato, F., et al. Role of gut microbiota and nutrients in amyloid formation and pathogenesis of Alzheimer disease. Nutritional Reviews. 74 (10), 624-634 (2016).
- Caporaso, J. G., et al. Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample. Proceedings of the National Academy of Science U. S. A. 108, Suppl 1 4516-4522 (2011).
- Turnbaugh, P. J., et al.
- Dusko Ehrlich, S. Meta, H.I.T.c. Metagenomics of the intestinal microbiota: potential applications. Gastroenterologie Clinique et Biologique. 34, Suppl 1 23-28 (2010).
- Jangi, S., et al. Alterations of the human gut microbiome in multiple sclerosis. Nature Communications. 7, 12015 (2016).
- Miyake, S., et al. Dysbiosis in the Gut Microbiota of Patients with Multiple Sclerosis, with a Striking Depletion of Species Belonging to Clostridia XIVa and IV Clusters. PLoS ONE. 10 (9), 0137429 (2015).
- Shahi, S. K., Freedman, S. N., Mangalam, A. K. Gut microbiome in multiple sclerosis: The players involved and the roles they play. Gut Microbes. 8 (6), 607-615 (2017).
- Callahan, B. J., et al. DADA2: High-resolution sample inference from Illumina amplicon data. Nature Methods. 13 (7), 581-583 (2016).
- Das, P., et al. Complementation between specific HLA-DR and HLA-DQ genes in transgenic mice determines susceptibility to experimental autoimmune encephalomyelitis. Human Immunology. 61 (3), 279-289 (2000).
- Mangalam, A. K., Rajagopalan, G., Taneja, V., David, C. S. HLA class II transgenic mice mimic human inflammatory diseases. Advances in Immunology. 97, 65-147 (2008).
- Mangalam, A., et al. HLA-DQ8 (DQB1*0302)-restricted Th17 cells exacerbate experimental autoimmune encephalomyelitis in HLA-DR3-transgenic mice. Journal of Immunology. 182 (8), 5131-5139 (2009).
- Kiernan, M. G., et al. The Human Mesenteric Lymph Node Microbiome Differentiates Between Crohn's Disease and Ulcerative Colitis. Journal of Crohn's & Colitis. 13 (1), 58-66 (2019).
- McMurdie, P. J., Holmes, S. phyloseq: an R package for reproducible interactive analysis and graphics of microbiome census data. PLoS ONE. 8 (4), 61217 (2013).
- Arndt, D., et al. METAGENassist: a comprehensive web server for comparative metagenomics. Nucleic Acids Research. 40, 88-95 (2012).
- Hugerth, L. W., Andersson, A. F. Analysing Microbial Community Composition through Amplicon Sequencing: From Sampling to Hypothesis Testing. Frontiers in Microbiology. 8, 1561 (2017).
- Srinivasan, R., et al. Use of 16S rRNA gene for identification of a broad range of clinically relevant bacterial pathogens. PLoS ONE. 10 (2), 0117617 (2015).
- Didelot, X., Bowden, R., Wilson, D. J., Peto, T. E. A., Crook, D. W. Transforming clinical microbiology with bacterial genome sequencing. Nature Reviews Genetics. 13 (9), 601-612 (2012).
- Buermans, H. P., den Dunnen, J. T. Next generation sequencing technology: Advances and applications. Biochimica et Biophysica Acta. 1842 (10), 1932-1941 (2014).
- Cai, L., Ye, L., Tong, A. H., Lok, S., Zhang, T. Biased diversity metrics revealed by bacterial 16S pyrotags derived from different primer sets. PLoS ONE. 8 (1), 53649 (2013).
- Kuczynski, J., et al. Experimental and analytical tools for studying the human microbiome. Nature Reviews Genetics. 13 (1), 47-58 (2011).
- Mangalam, A., et al. Human Gut-Derived Commensal Bacteria Suppress CNS Inflammatory and Demyelinating Disease. Cell Reports. 20 (6), 1269-1277 (2017).
- Shahi, S. K., et al. Prevotella histicola, A Human Gut Commensal, Is as Potent as COPAXONE(R) in an Animal Model of Multiple Sclerosis. Frontiers in Immunology. 10, 462 (2019).
- Bliss, D. Z., et al. Comparison of subjective classification of stool consistency and stool water content. Journal of Wound Ostomy & Continence Nursing. 26 (3), 137-141 (1999).
- Kim, D., et al. Optimizing methods and dodging pitfalls in microbiome research. Microbiome. 5 (1), 52 (2017).
- Sinha, R., et al. Collecting Fecal Samples for Microbiome Analyses in Epidemiology Studies. Cancer Epidemiology, Biomarkers & Prevention. 25 (2), 407-416 (2016).
- Salonen, A., et al. Comparative analysis of fecal DNA extraction methods with phylogenetic microarray: effective recovery of bacterial and archaeal DNA using mechanical cell lysis. Journal of Microbiological Methods. 81 (2), 127-134 (2010).
- Santiago, A., et al. Processing faecal samples: a step forward for standards in microbial community analysis. BMC Microbiology. 14, 112 (2014).
- Glassing, A., Dowd, S. E., Galandiuk, S., Davis, B., Chiodini, R. J. Inherent bacterial DNA contamination of extraction and sequencing reagents may affect interpretation of microbiota in low bacterial biomass samples. Gut Pathogens. 8, 24 (2016).
- Salter, S. J., et al. Reagent and laboratory contamination can critically impact sequence-based microbiome analyses. BMC Biology. 12, 87 (2014).
- Weiss, S., et al. Tracking down the sources of experimental contamination in microbiome studies. Genome Biology. 15 (12), 564 (2014).
- Lozupone, C., Lladser, M. E., Knights, D., Stombaugh, J., Knight, R. UniFrac: an effective distance metric for microbial community comparison. ISME Journal. 5 (2), 169-172 (2011).
- Schloss, P. D. Evaluating different approaches that test whether microbial communities have the same structure. ISME Journal. 2 (3), 265-275 (2008).
- Xia, Y., Sun, J. Hypothesis Testing and Statistical Analysis of Microbiome. Genes & Diseases. 4 (3), 138-148 (2017).
- Malla, M. A., et al. Exploring the Human Microbiome: The Potential Future Role of Next-Generation Sequencing in Disease Diagnosis and Treatment. Frontiers in Immunology. 9, 2868 (2018).
