Em formação

7.16: Genômica Ambiental - Biologia


7.16: Genômica Ambiental

Instituto de Genômica Ambiental

Os Fellows da IWA são profissionais reconhecidos que fizeram contribuições notáveis ​​ao setor de água nacional e regional, bem como à IWA https://iwa-network.org/news/iwa-announces-2020-fellows-and-distinguished-fellows/ Os bolsistas da ESA são membros que fizeram contribuições notáveis ​​aos campos da ciência relacionados à ecologia. O Dr. Zhou foi selecionado por suas contribuições substanciais para o avanço e maturação da ecologia microbiana.

Vencedor do prêmio ASM Environmental Research 2018.

O Dr. Zhou foi reconhecido como um cientista excepcional com realizações de pesquisa distintas que melhoraram nossa compreensão dos micróbios no meio ambiente, incluindo configurações aquáticas, terrestres e atmosféricas pela Academia Americana de Microbiologia.

Pesquisador altamente citado 2018, 2019 e 2020

A cada ano, o Clarivate ™ identifica os pesquisadores mais influentes do mundo ─ os poucos selecionados que foram citados com mais frequência por seus pares na última década. Em 2020, menos de 6.200, ou cerca de 0,1%, dos pesquisadores do mundo, em 21 campos de pesquisa e em vários campos, ganharam esta distinção exclusiva. O Dr. Zhou está neste grupo de elite reconhecido por sua influência excepcional na pesquisa, demonstrada pela produção de vários artigos altamente citados que se classificam entre os 1% mais citados por campo e ano na Web of Science ™ por três anos consecutivos. .

DR. ZHOU RECEBIDO DE UM PRÊMIO ERNEST ORLANDO LAWRENCE

O Prêmio Ernest Orlando Lawrence reconhece cientistas e engenheiros norte-americanos excepcionais que realizam pesquisas em apoio à missão do Departamento de Energia. O Diretor do IEG, Jizhong Zhou, foi selecionado como um dos nove destinatários em 2015. Jizhong (Joe) Zhou (Universidade de Oklahoma) - Ciências Biológicas e Ambientais Homenageado por suas notáveis ​​realizações em genômica ambiental e ecologia microbiana, incluindo o desenvolvimento de tecnologias metagenômicas inovadoras para as ciências ambientais, para descobertas inovadoras para compreender os feedbacks, mecanismos e princípios fundamentais dos sistemas microbianos em resposta às mudanças ambientais e para a liderança transformadora para elucidar redes ecológicas microbianas e ligar a biodiversidade microbiana com as funções do ecossistema.

R & ampD 100 da esquerda para a direita: Dr. Liyou Wu, Dr. Jizhong Zhou, Dr. Joy Van Nostrand, Dr. Zhili He

LINKS RÁPIDOS


Conteúdo

O termo "metagenômica" foi usado pela primeira vez por Jo Handelsman, Jon Clardy, Robert M. Goodman, Sean F. Brady e outros, e apareceu pela primeira vez em publicação em 1998. [5] O termo metagenoma referia-se à ideia de que uma coleção de genes sequenciado do ambiente poderia ser analisado de uma forma análoga ao estudo de um único genoma. Em 2005, Kevin Chen e Lior Pachter (pesquisadores da Universidade da Califórnia, Berkeley) definiram a metagenômica como "a aplicação da técnica genômica moderna sem a necessidade de isolamento e cultivo em laboratório de espécies individuais". [6]

O sequenciamento convencional começa com uma cultura de células idênticas como fonte de DNA. No entanto, os primeiros estudos metagenômicos revelaram que provavelmente existem grandes grupos de microrganismos em muitos ambientes que não podem ser cultivados e, portanto, não podem ser sequenciados. Esses estudos iniciais focaram em sequências de RNA ribossômico 16S (rRNA) que são relativamente curtas, frequentemente conservadas dentro de uma espécie e geralmente diferentes entre as espécies. Foram encontradas muitas sequências de rRNA 16S que não pertencem a nenhuma espécie de cultura conhecida, indicando que existem numerosos organismos não isolados. Essas pesquisas de genes de RNA ribossômico retirados diretamente do ambiente revelaram que métodos baseados em cultivo encontram menos de 1% das espécies bacterianas e de archaea em uma amostra. [2] Muito do interesse em metagenômica vem dessas descobertas que mostraram que a grande maioria dos microrganismos tinha passado despercebida anteriormente.

O trabalho molecular inicial no campo foi conduzido por Norman R. Pace e colegas, que usaram PCR para explorar a diversidade de sequências de RNA ribossômico. [7] Os insights obtidos com esses estudos inovadores levaram Pace a propor a ideia de clonar DNA diretamente de amostras ambientais já em 1985. [8] Isso levou ao primeiro relatório de isolamento e clonagem de DNA em massa de uma amostra ambiental, publicado por Pace e colegas em 1991 [9] enquanto Pace estava no Departamento de Biologia da Universidade de Indiana. Esforços consideráveis ​​garantiram que estes não fossem falsos positivos de PCR e apoiaram a existência de uma comunidade complexa de espécies inexploradas. Embora essa metodologia fosse limitada a explorar genes codificadores de proteínas altamente conservados, ela suportava observações iniciais baseadas na morfologia microbiana de que a diversidade era muito mais complexa do que era conhecido pelos métodos de cultura. Logo depois disso, Healy relatou o isolamento metagenômico de genes funcionais de "zoolibraries" construídos a partir de uma cultura complexa de organismos ambientais cultivados em laboratório em gramíneas secas em 1995. [10] Depois de deixar o laboratório Pace, Edward DeLong continuou no campo e publicou um trabalho que lançou as bases para filogenias ambientais baseadas em sequências de assinatura 16S, começando com a construção de bibliotecas de amostras marinhas por seu grupo. [11]

Em 2002, Mya Breitbart, Forest Rohwer e colegas usaram sequenciamento de espingarda ambiental (veja abaixo) para mostrar que 200 litros de água do mar contêm mais de 5.000 vírus diferentes. [12] Estudos subsequentes mostraram que existem mais de mil espécies virais nas fezes humanas e possivelmente um milhão de vírus diferentes por quilograma de sedimento marinho, incluindo muitos bacteriófagos. Essencialmente, todos os vírus nesses estudos eram espécies novas. Em 2004, Gene Tyson, Jill Banfield e colegas da University of California, Berkeley e do Joint Genome Institute sequenciaram o DNA extraído de um sistema de drenagem ácida de mina. [13] Este esforço resultou no genoma completo, ou quase completo, de um punhado de bactérias e arquéias que anteriormente resistiam às tentativas de cultivá-las. [14]

Começando em 2003, Craig Venter, líder do projeto paralelo de financiamento privado do Genoma Humano, liderou a Global Ocean Sampling Expedition (GOS), circunavegando o globo e coletando amostras metagenômicas ao longo da jornada. Todas essas amostras são sequenciadas usando sequenciamento shotgun, na esperança de que novos genomas (e, portanto, novos organismos) sejam identificados. O projeto piloto, conduzido no Mar dos Sargaços, encontrou DNA de cerca de 2.000 espécies diferentes, incluindo 148 tipos de bactérias nunca antes vistos. [15] Venter circunavegou o globo e explorou exaustivamente a costa oeste dos Estados Unidos, e completou uma expedição de dois anos para explorar o Báltico, Mediterrâneo e Mar Negro. A análise dos dados metagenômicos coletados durante esta jornada revelou dois grupos de organismos, um composto de táxons adaptados às condições ambientais de 'festa ou fome', e um segundo composto de taxa relativamente menor, mas mais abundante e amplamente distribuída, composta principalmente de plâncton. [16]

Em 2005, Stephan C. Schuster na Penn State University e seus colegas publicaram as primeiras sequências de uma amostra ambiental gerada com sequenciamento de alto rendimento, neste caso o pirosequenciamento maciçamente paralelo desenvolvido pela 454 Life Sciences. [17] Outro artigo inicial nesta área apareceu em 2006 por Robert Edwards, Forest Rohwer e colegas da San Diego State University. [18]

A recuperação de sequências de DNA maiores do que alguns milhares de pares de bases de amostras ambientais era muito difícil até que avanços recentes nas técnicas de biologia molecular permitiram a construção de bibliotecas em cromossomos artificiais bacterianos (BACs), que forneceram melhores vetores para clonagem molecular. [20]

Edição de metagenômica Shotgun

Avanços na bioinformática, refinamentos da amplificação de DNA e a proliferação do poder computacional têm ajudado muito a análise de sequências de DNA recuperadas de amostras ambientais, permitindo a adaptação do sequenciamento shotgun para amostras metagenômicas (também conhecido como shotgun metagenoma completo ou sequenciamento WMGS). A abordagem, usada para sequenciar muitos microrganismos cultivados e o genoma humano, separa aleatoriamente o DNA, sequencia muitas sequências curtas e as reconstrói em uma sequência de consenso. O sequenciamento Shotgun revela genes presentes em amostras ambientais. Historicamente, bibliotecas de clones foram usadas para facilitar esse sequenciamento. No entanto, com os avanços nas tecnologias de sequenciamento de alto rendimento, a etapa de clonagem não é mais necessária e maiores rendimentos de dados de sequenciamento podem ser obtidos sem essa etapa de gargalo trabalhosa. A metagenômica Shotgun fornece informações sobre quais organismos estão presentes e quais processos metabólicos são possíveis na comunidade. [21] Como a coleta de DNA de um ambiente é amplamente descontrolada, os organismos mais abundantes em uma amostra ambiental são mais altamente representados nos dados da sequência resultante. Para alcançar a alta cobertura necessária para resolver completamente os genomas de membros da comunidade sub-representados, grandes amostras, muitas vezes de forma proibitiva, são necessárias. Por outro lado, a natureza aleatória do sequenciamento de espingarda garante que muitos desses organismos, que de outra forma passariam despercebidos usando técnicas de cultura tradicionais, serão representados por pelo menos alguns pequenos segmentos de sequência. [13]

Edição de sequenciamento de alto rendimento

Uma vantagem do sequenciamento de alto rendimento é que essa técnica não requer a clonagem do DNA antes do sequenciamento, removendo um dos principais vieses e gargalos na amostragem ambiental. Os primeiros estudos metagenômicos conduzidos usando sequenciamento de alto rendimento usaram pirosequenciamento 454 maciçamente paralelo. [17] Três outras tecnologias comumente aplicadas à amostragem ambiental são a Ion Torrent Personal Genome Machine, a Illumina MiSeq ou HiSeq e o sistema Applied Biosystems SOLiD. [22] Essas técnicas de sequenciamento de DNA geram fragmentos mais curtos do que o sistema Ion Torrent PGM de sequenciamento Sanger e o pirosequenciamento de 454 normalmente produz

Leituras de 400 bp, Illumina MiSeq produz leituras de 400-700 bp (dependendo se as opções finais emparelhadas são usadas) e SOLiD produz leituras de 25–75 bp. [23] Historicamente, esses comprimentos de leitura eram significativamente mais curtos do que o comprimento de leitura de sequenciamento Sanger típico de

750 bp, no entanto, a tecnologia Illumina está rapidamente se aproximando desse benchmark. No entanto, essa limitação é compensada pelo número muito maior de leituras de sequência. Em 2009, metagenomas pirosequenciados geram 200–500 megabases e as plataformas Illumina geram cerca de 20–50 gigabases, mas essas saídas aumentaram em ordens de magnitude nos últimos anos. [24]

Uma abordagem emergente combina sequenciamento shotgun e captura de conformação cromossômica (Hi-C), que mede a proximidade de quaisquer duas sequências de DNA dentro da mesma célula, para orientar a montagem do genoma microbiano. [25] As tecnologias de sequenciamento de longa leitura, incluindo PacBio RSII e PacBio Sequel da Pacific Biosciences, e Nanopore MinION, GridION, PromethION da Oxford Nanopore Technologies, são outra escolha para obter leituras de sequenciamento longas que devem facilitar o processo de montagem. [26]

Os dados gerados por experimentos metagenômicos são enormes e inerentemente barulhentos, contendo dados fragmentados que representam até 10.000 espécies. [1] O sequenciamento do metagenoma do rúmen da vaca gerou 279 gigabases, ou 279 bilhões de pares de bases de dados de sequência de nucleotídeos, [28] enquanto o catálogo de genes do microbioma intestinal humano identificou 3,3 milhões de genes montados a partir de 567,7 gigabases de dados de sequência. [29] Coletar, curar e extrair informações biológicas úteis de conjuntos de dados desse tamanho representam desafios computacionais significativos para os pesquisadores. [21] [30] [31] [32]

Edição de pré-filtragem de sequência

A primeira etapa da análise de dados metagenômicos requer a execução de certas etapas de pré-filtragem, incluindo a remoção de sequências redundantes de baixa qualidade e sequências de provável origem eucariótica (especialmente em metagenomas de origem humana). [33] [34] Os métodos disponíveis para a remoção de sequências de DNA genômico eucariótico contaminante incluem Eu-Detect e DeConseq. [35] [36]

Edição de montagem

Os dados de sequência de DNA de projetos genômicos e metagenômicos são essencialmente os mesmos, mas os dados de sequência genômica oferecem maior cobertura, enquanto os dados metagenômicos geralmente são altamente não redundantes. [31] Além disso, o aumento do uso de tecnologias de sequenciamento de segunda geração com comprimentos de leitura curtos significa que muitos dos dados metagenômicos futuros estarão sujeitos a erros. Tomados em combinação, esses fatores tornam a montagem de leituras de sequência metagenômica em genomas difícil e não confiável. Os erros de montagem são causados ​​pela presença de sequências de DNA repetitivas que tornam a montagem especialmente difícil devido à diferença na abundância relativa de espécies presentes na amostra. [37] As montagens incorretas também podem envolver a combinação de sequências de mais de uma espécie em contigs quiméricos. [37]

Existem vários programas de montagem, a maioria dos quais pode usar informações de tags de extremidades emparelhadas para melhorar a precisão das montagens. Alguns programas, como Phrap ou Celera Assembler, foram projetados para serem usados ​​para montar genomas únicos, mas, no entanto, produzem bons resultados ao montar conjuntos de dados metagenômicos. [1] Outros programas, como Velvet assembler, foram otimizados para as leituras mais curtas produzidas pelo sequenciamento de segunda geração por meio do uso de gráficos de Bruijn. [38] [39] O uso de genomas de referência permite aos pesquisadores melhorar a montagem das espécies microbianas mais abundantes, mas esta abordagem é limitada pelo pequeno subconjunto de filos microbianos para os quais genomas sequenciados estão disponíveis. [37] Depois que uma montagem é criada, um desafio adicional é a "deconvolução metagenômica", ou a determinação de quais sequências vêm de quais espécies na amostra. [40]

Edição de predição de gene

Os pipelines de análise metagenômica usam duas abordagens na anotação de regiões de codificação nos contigs montados. [37] A primeira abordagem é identificar genes com base na homologia com genes que já estão disponíveis publicamente em bancos de dados de sequência, geralmente por pesquisas BLAST. Este tipo de abordagem é implementado no programa MEGAN4. [41] O segundo, ab initio, usa recursos intrínsecos da sequência para prever regiões codificantes com base em conjuntos de treinamento de genes de organismos relacionados. Esta é a abordagem adotada por programas como GeneMark [42] e GLIMMER. A principal vantagem de ab initio a previsão é que ele permite a detecção de regiões codificantes que não possuem homólogos nos bancos de dados de sequência, no entanto, é mais preciso quando há grandes regiões de DNA genômico contíguo disponíveis para comparação. [1]

Diversidade de espécies Editar

As anotações de genes fornecem o "o quê", enquanto as medições da diversidade de espécies fornecem o "quem". [43] A fim de conectar a composição e função da comunidade em metagenomas, as sequências devem ser categorizadas. Binning é o processo de associar uma sequência particular a um organismo. [37] Em binning baseado em similaridade, métodos como o BLAST são usados ​​para pesquisar rapidamente por marcadores filogenéticos ou sequências semelhantes em bancos de dados públicos existentes. Esta abordagem é implementada no MEGAN. [44] Outra ferramenta, PhymmBL, usa modelos Markov interpolados para atribuir leituras. [1] MetaPhlAn e AMPHORA são métodos baseados em marcadores específicos de clado exclusivos para estimar abundâncias relativas de organismos com desempenho computacional aprimorado. [45] Outras ferramentas, como mOTUs [46] [47] e MetaPhyler, [48] usam genes marcadores universais para traçar o perfil de espécies procarióticas. Com o profiler mOTUs é possível traçar o perfil de espécies sem um genoma de referência, melhorando a estimativa da diversidade da comunidade microbiana. [47] Métodos recentes, como SLIMM, usam o panorama de cobertura de leitura de genomas de referência individuais para minimizar ocorrências de falsos positivos e obter abundâncias relativas confiáveis. [49] Em binning baseado em composição, os métodos usam características intrínsecas da sequência, como frequências de oligonucleotídeos ou tendência de uso de códons. [1] Uma vez que as sequências são binned, é possível realizar análises comparativas de diversidade e riqueza.

Edição de integração de dados

A enorme quantidade de dados de sequência em crescimento exponencial é um desafio assustador que é complicado pela complexidade dos metadados associados aos projetos metagenômicos. Os metadados incluem informações detalhadas sobre a geografia tridimensional (incluindo profundidade ou altura) e características ambientais da amostra, dados físicos sobre o local da amostra e a metodologia da amostragem. [31] Esta informação é necessária tanto para garantir a replicabilidade como para permitir a análise a jusante. Devido à sua importância, a revisão e curadoria de metadados e dados colaborativos requerem formatos de dados padronizados localizados em bancos de dados especializados, como o Genomes OnLine Database (GOLD). [50]

Várias ferramentas foram desenvolvidas para integrar metadados e dados de sequência, permitindo análises comparativas a jusante de diferentes conjuntos de dados usando uma série de índices ecológicos. Em 2007, Folker Meyer e Robert Edwards e uma equipe do Argonne National Laboratory e da University of Chicago lançaram a Metagenomics Rapid Annotation usando o servidor de tecnologia de subsistema (MG-RAST), um recurso da comunidade para análise de conjunto de dados de metagenoma. [51] Em junho de 2012, mais de 14,8 terabases (14x10 12 bases) de DNA foram analisadas, com mais de 10.000 conjuntos de dados públicos disponíveis gratuitamente para comparação no MG-RAST. Mais de 8.000 usuários já submeteram um total de 50.000 metagenomas ao MG-RAST. O sistema Integrated Microbial Genomes / Metagenomes (IMG / M) também fornece uma coleção de ferramentas para análise funcional de comunidades microbianas com base em sua sequência de metagenoma, com base em genomas isolados de referência incluídos do sistema Integrated Microbial Genomes (IMG) e da Enciclopédia Genômica de Projeto Bacteria and Archaea (GEBA). [52]

Uma das primeiras ferramentas autônomas para analisar dados shotgun de metagenoma de alto rendimento foi o MEGAN (MEta Genome ANalyzer). [41] [44] Uma primeira versão do programa foi usada em 2005 para analisar o contexto metagenômico das sequências de DNA obtidas de um osso de mamute. [17] Com base em uma comparação BLAST contra um banco de dados de referência, esta ferramenta realiza binning taxonômico e funcional, colocando as leituras nos nós da taxonomia NCBI usando um algoritmo de ancestral comum mais baixo (LCA) simples ou nos nós do SEED ou classificações KEGG, respectivamente. [53]

Com o advento de instrumentos de sequenciamento rápidos e baratos, o crescimento de bancos de dados de sequências de DNA agora é exponencial (por exemplo, o banco de dados NCBI GenBank [54]). Ferramentas mais rápidas e eficientes são necessárias para acompanhar o sequenciamento de alto rendimento, porque as abordagens baseadas em BLAST, como MG-RAST ou MEGAN, executam lentamente para anotar grandes amostras (por exemplo, várias horas para processar um conjunto de dados / amostra de tamanho pequeno / médio [55]). Assim, classificadores ultrarrápidos surgiram recentemente, graças a servidores poderosos mais acessíveis. Essas ferramentas podem realizar a anotação taxonômica em velocidade extremamente alta, por exemplo CLARK [56] (de acordo com os autores de CLARK, pode classificar com precisão "32 milhões de leituras curtas metagenômicas por minuto"). Com essa velocidade, um conjunto de dados / amostra muito grande de um bilhão de leituras curtas pode ser processado em cerca de 30 minutos.

Com a crescente disponibilidade de amostras contendo DNA antigo e devido à incerteza associada à natureza dessas amostras (dano ao DNA antigo), [57] uma ferramenta rápida capaz de produzir estimativas conservadoras de similaridade foi disponibilizada. Segundo os autores do FALCON, ele pode usar limiares relaxados e editar distâncias sem afetar o desempenho de memória e velocidade.

Metagenômica comparativa Editar

Análises comparativas entre metagenomas podem fornecer informações adicionais sobre a função de comunidades microbianas complexas e seu papel na saúde do hospedeiro. [58] Comparações pareadas ou múltiplas entre metagenomas podem ser feitas no nível da composição da sequência (comparando o conteúdo de GC ou tamanho do genoma), diversidade taxonômica ou complemento funcional. Comparações de estrutura populacional e diversidade filogenética podem ser feitas com base em 16S e outros genes marcadores filogenéticos, ou - no caso de comunidades de baixa diversidade - por reconstrução do genoma a partir do conjunto de dados metagenômico. [59] As comparações funcionais entre metagenomas podem ser feitas comparando sequências com bancos de dados de referência, como COG ou KEGG, e tabulando a abundância por categoria e avaliando quaisquer diferenças para significância estatística. [53] Esta abordagem centrada no gene enfatiza o complemento funcional do comunidade como um todo, em vez de grupos taxonômicos, e mostra que os complementos funcionais são análogos em condições ambientais semelhantes. [59] Consequentemente, os metadados sobre o contexto ambiental da amostra metagenômica são especialmente importantes em análises comparativas, pois fornecem aos pesquisadores a capacidade de estudar o efeito do habitat sobre a estrutura e função da comunidade. [1]

Além disso, vários estudos também utilizaram padrões de uso de oligonucleotídeos para identificar as diferenças entre as diversas comunidades microbianas. Exemplos de tais metodologias incluem a abordagem de abundância relativa de dinucleotídeos por Willner et al. [60] e a abordagem HabiSign de Ghosh et al. [61] Este último estudo também indicou que as diferenças nos padrões de uso de tetranucleotídeos podem ser usadas para identificar genes (ou leituras metagenômicas) originários de habitats específicos. Além disso, alguns métodos como TriageTools [62] ou Compareads [63] detectam leituras semelhantes entre dois conjuntos de leitura. A medida de similaridade que eles aplicam em leituras é baseada em um número de palavras idênticas de comprimento k compartilhado por pares de leituras.

Um objetivo fundamental na metagenômica comparativa é identificar grupo (s) microbiano (s) que são responsáveis ​​por conferir características específicas a um determinado ambiente. No entanto, devido a problemas nas tecnologias de sequenciamento, os artefatos precisam ser considerados como no metagenomeSeq. [30] Outros caracterizaram as interações inter-microbianas entre os grupos microbianos residentes. Um aplicativo de análise metagenômica comparativa baseado em GUI chamado Community-Analyzer foi desenvolvido por Kuntal et al. [64] que implementa um algoritmo de layout de gráfico baseado em correlação que não só facilita uma visualização rápida das diferenças nas comunidades microbianas analisadas (em termos de sua composição taxonômica), mas também fornece insights sobre as interações inter-microbianas inerentes que ocorrem nas mesmas. Notavelmente, este algoritmo de layout também permite o agrupamento dos metagenomas com base nos prováveis ​​padrões de interação inter-microbiana, em vez de simplesmente comparar os valores de abundância de vários grupos taxonômicos. Além disso, a ferramenta implementa várias funcionalidades interativas baseadas em GUI que permitem aos usuários realizar análises comparativas padrão entre microbiomas.

Metabolismo comunitário Editar

Em muitas comunidades bacterianas, naturais ou projetadas (como biorreatores), há uma divisão significativa de trabalho no metabolismo (Syntrophy), durante a qual os produtos residuais de alguns organismos são metabólitos de outros. [65] Em um desses sistemas, o biorreator metanogênico, a estabilidade funcional requer a presença de várias espécies sintróficas (Syntrophobacterales e Synergistia) trabalhando juntas para transformar recursos brutos em resíduos totalmente metabolizados (metano). [66] Usando estudos comparativos de genes e experimentos de expressão com microarrays ou pesquisadores de proteômica podem reunir uma rede metabólica que vai além dos limites das espécies. Esses estudos requerem conhecimento detalhado sobre quais versões de quais proteínas são codificadas por quais espécies e até mesmo por quais cepas de quais espécies. Portanto, a informação genômica da comunidade é outra ferramenta fundamental (com metabolômica e proteômica) na busca para determinar como os metabólitos são transferidos e transformados por uma comunidade. [67]

Edição de metatranscriptômica

A metagenômica permite que os pesquisadores acessem a diversidade funcional e metabólica das comunidades microbianas, mas não consegue mostrar quais desses processos estão ativos. [59] A extração e análise de mRNA metagenômico (o metatranscriptoma) fornece informações sobre os perfis de regulação e expressão de comunidades complexas. Devido às dificuldades técnicas (a meia-vida curta do mRNA, por exemplo) na coleta de RNA ambiental, houve relativamente poucos no local estudos metatranscriptômicos de comunidades microbianas até o momento. [59] Embora originalmente limitado à tecnologia de microarray, estudos de metatranscriptômica fizeram uso de tecnologias de transcriptômica para medir a expressão de todo o genoma e quantificação de uma comunidade microbiana, [59] primeiro empregado na análise de oxidação de amônia em solos. [68]

Edição de vírus

O sequenciamento metagenômico é particularmente útil no estudo de comunidades virais. Como os vírus carecem de um marcador filogenético universal compartilhado (como 16S RNA para bactérias e arquéias e 18S RNA para eucariotos), a única maneira de acessar a diversidade genética da comunidade viral a partir de uma amostra ambiental é por meio da metagenômica. Metagenomas virais (também chamados de viromas) devem, portanto, fornecer mais e mais informações sobre a diversidade e evolução viral. [69] [70] [71] [72] [73] Por exemplo, um pipeline metagenômico denominado Giant Virus Finder mostrou a primeira evidência da existência de vírus gigantes em um deserto salino [74] e nos vales secos da Antártica. [75]

A metagenômica tem potencial para avançar o conhecimento em uma ampla variedade de campos. Também pode ser aplicado para resolver desafios práticos em medicina, engenharia, agricultura, sustentabilidade e ecologia. [31] [76]

Agricultura Editar

Os solos nos quais as plantas crescem são habitados por comunidades microbianas, com um grama de solo contendo cerca de 10 9 -10 10 células microbianas que compreendem cerca de uma gigabase de informação de sequência. [77] [78] As comunidades microbianas que habitam os solos são algumas das mais complexas conhecidas pela ciência e permanecem mal compreendidas, apesar de sua importância econômica. [79] Os consórcios microbianos realizam uma ampla variedade de serviços ecossistêmicos necessários para o crescimento das plantas, incluindo fixação de nitrogênio atmosférico, ciclagem de nutrientes, supressão de doenças e sequestro de ferro e outros metais. [80] Estratégias metagenômicas funcionais estão sendo usadas para explorar as interações entre plantas e micróbios por meio do estudo independente do cultivo dessas comunidades microbianas. [81] [82] Ao permitir percepções sobre o papel de membros da comunidade anteriormente não cultivados ou raros no ciclo de nutrientes e na promoção do crescimento das plantas, as abordagens metagenômicas podem contribuir para a detecção de doenças em plantações e gado e a adaptação de práticas agrícolas aprimoradas que melhoram saúde das colheitas, aproveitando a relação entre micróbios e plantas. [31]

Biofuel Edit

Os biocombustíveis são combustíveis derivados da conversão da biomassa, como na conversão da celulose contida nos caules do milho, switchgrass e outra biomassa em etanol celulósico. [31] Este processo é dependente de consórcios microbianos (associação) que transformam a celulose em açúcares, seguido pela fermentação dos açúcares em etanol. Os micróbios também produzem uma variedade de fontes de bioenergia, incluindo metano e hidrogênio. [31]

A desconstrução da biomassa em escala industrial eficiente requer novas enzimas com maior produtividade e menor custo. [28] Abordagens metagenômicas para a análise de comunidades microbianas complexas permitem a triagem direcionada de enzimas com aplicações industriais na produção de biocombustíveis, como glicosídeo hidrolases. [83] Além disso, o conhecimento de como essas comunidades microbianas funcionam é necessário para controlá-las, e a metagenômica é uma ferramenta fundamental para sua compreensão. Abordagens metagenômicas permitem análises comparativas entre sistemas microbianos convergentes, como fermentadores de biogás [84] ou insetos herbívoros, como o jardim de fungos das formigas cortadeiras. [85]

Edição de biotecnologia

As comunidades microbianas produzem uma vasta gama de produtos químicos biologicamente ativos que são usados ​​na competição e na comunicação. [80] Muitas das drogas em uso hoje foram originalmente descobertas em micróbios. O progresso recente na mineração do rico recurso genético de micróbios não cultiváveis ​​levou à descoberta de novos genes, enzimas e produtos naturais. [59] [86] A aplicação da metagenômica permitiu o desenvolvimento de commodities e produtos químicos finos, agroquímicos e farmacêuticos onde o benefício da síntese quiral catalisada por enzimas é cada vez mais reconhecido. [87]

Dois tipos de análise são usados ​​na bioprospecção de dados metagenômicos: triagem dirigida por função para uma característica expressa e triagem dirigida por sequência para sequências de DNA de interesse. [88] A análise orientada por função busca identificar clones que expressam uma característica desejada ou atividade útil, seguida por caracterização bioquímica e análise de sequência. Esta abordagem é limitada pela disponibilidade de uma tela adequada e pelo requisito de que a característica desejada seja expressa na célula hospedeira. Além disso, a baixa taxa de descoberta (menos de um por 1.000 clones selecionados) e sua natureza de mão de obra intensiva limitam ainda mais essa abordagem. [89] Em contraste, a análise baseada em sequência usa sequências de DNA conservadas para projetar primers de PCR para rastrear clones para a sequência de interesse. [88] Em comparação com as abordagens baseadas em clonagem, o uso de uma abordagem apenas de sequência reduz ainda mais a quantidade de trabalho de bancada necessária. A aplicação de sequenciamento massivamente paralelo também aumenta muito a quantidade de dados de sequência gerados, que requerem pipelines de análise bioinformática de alto rendimento. [89] A abordagem baseada em sequência para a triagem é limitada pela amplitude e precisão das funções do gene presentes em bancos de dados de sequência públicos. Na prática, os experimentos usam uma combinação de abordagens funcionais e baseadas em sequência com base na função de interesse, a complexidade da amostra a ser rastreada e outros fatores. [89] [90] Um exemplo de sucesso usando a metagenômica como uma biotecnologia para a descoberta de drogas é ilustrado com os antibióticos malacidina. [91]

Ecologia Editar

A metagenômica pode fornecer informações valiosas sobre a ecologia funcional das comunidades ambientais. [92] A análise metagenômica dos consórcios bacterianos encontrados nas defecações dos leões marinhos australianos sugere que as fezes dos leões-marinhos ricas em nutrientes podem ser uma importante fonte de nutrientes para os ecossistemas costeiros. Isso ocorre porque as bactérias que são expelidas simultaneamente com as defecações são capazes de quebrar os nutrientes nas fezes em uma forma biodisponível que pode ser incorporada à cadeia alimentar. [93]

O sequenciamento de DNA também pode ser usado de forma mais ampla para identificar espécies presentes em um corpo de água, [94] detritos filtrados do ar, amostras de sujeira ou mesmo fezes de animais. [95] Isso pode estabelecer a gama de espécies invasoras e ameaçadas de extinção e rastrear populações sazonais.

Edição de remediação ambiental

A metagenômica pode melhorar as estratégias de monitoramento do impacto de poluentes nos ecossistemas e de limpeza de ambientes contaminados. Increased understanding of how microbial communities cope with pollutants improves assessments of the potential of contaminated sites to recover from pollution and increases the chances of bioaugmentation or biostimulation trials to succeed. [96]

Gut microbe characterization Edit

Microbial communities play a key role in preserving human health, but their composition and the mechanism by which they do so remains mysterious. [97] Metagenomic sequencing is being used to characterize the microbial communities from 15–18 body sites from at least 250 individuals. This is part of the Human Microbiome initiative with primary goals to determine if there is a core human microbiome, to understand the changes in the human microbiome that can be correlated with human health, and to develop new technological and bioinformatics tools to support these goals. [98]

Another medical study as part of the MetaHit (Metagenomics of the Human Intestinal Tract) project consisted of 124 individuals from Denmark and Spain consisting of healthy, overweight, and irritable bowel disease patients. The study attempted to categorize the depth and phylogenetic diversity of gastrointestinal bacteria. Using Illumina GA sequence data and SOAPdenovo, a de Bruijn graph-based tool specifically designed for assembly short reads, they were able to generate 6.58 million contigs greater than 500 bp for a total contig length of 10.3 Gb and a N50 length of 2.2 kb.

The study demonstrated that two bacterial divisions, Bacteroidetes and Firmicutes, constitute over 90% of the known phylogenetic categories that dominate distal gut bacteria. Using the relative gene frequencies found within the gut these researchers identified 1,244 metagenomic clusters that are critically important for the health of the intestinal tract. There are two types of functions in these range clusters: housekeeping and those specific to the intestine. The housekeeping gene clusters are required in all bacteria and are often major players in the main metabolic pathways including central carbon metabolism and amino acid synthesis. The gut-specific functions include adhesion to host proteins and the harvesting of sugars from globoseries glycolipids. Patients with irritable bowel syndrome were shown to exhibit 25% fewer genes and lower bacterial diversity than individuals not suffering from irritable bowel syndrome indicating that changes in patients' gut biome diversity may be associated with this condition.

While these studies highlight some potentially valuable medical applications, only 31–48.8% of the reads could be aligned to 194 public human gut bacterial genomes and 7.6–21.2% to bacterial genomes available in GenBank which indicates that there is still far more research necessary to capture novel bacterial genomes. [99]

In the Human Microbiome Project (HMP), gut microbial communities were assayed using high-throughput DNA sequencing. HMP showed that, unlike individual microbial species, many metabolic processes were present among all body habitats with varying frequencies. Microbial communities of 649 metagenomes drawn from seven primary body sites on 102 individuals were studied as part of the human microbiome project. The metagenomic analysis revealed variations in niche specific abundance among 168 functional modules and 196 metabolic pathways within the microbiome. These included glycosaminoglycan degradation in the gut, as well as phosphate and amino acid transport linked to host phenotype (vaginal pH) in the posterior fornix. The HMP has brought to light the utility of metagenomics in diagnostics and evidence-based medicine. Thus metagenomics is a powerful tool to address many of the pressing issues in the field of Personalized medicine. [100]

Infectious disease diagnosis Edit

Differentiating between infectious and non-infectious illness, and identifying the underlying etiology of infection, can be quite challenging. For example, more than half of cases of encephalitis remain undiagnosed, despite extensive testing using state-of-the-art clinical laboratory methods. Metagenomic sequencing shows promise as a sensitive and rapid method to diagnose infection by comparing genetic material found in a patient's sample to databases of all known microscopic human pathogens and thousands of other bacterial, viral, fungal, and parasitic organisms and databases on antimicrobial resistances gene sequences with associated clinical phenotypes.


30. Describe the process of Southern blotting. Southern Blotting is used to find DNA sequences. Fragments are separated on gel, incubated with probes to check for the sequence of interest, and transf .

  • Você está aqui: & # 160
  • Casa
  • Guarda-chuva
  • Livros didáticos
  • Bio581
  • 35 Review Questions

Este texto é baseado em Openstax Biology for AP Courses, Autores contribuintes sênior Julianne Zedalis, The Bishop's School em La Jolla, CA, John Eggebrecht, Cornell University Autores contribuintes Yael Avissar, Rhode Island College, Jung Choi, Georgia Institute of Technology, Jean DeSaix , University of North Carolina em Chapel Hill, Vladimir Jurukovski, Suffolk County Community College, Connie Rye, East Mississippi Community College, Robert Wise, University of Wisconsin, Oshkosh

Este trabalho está licenciado sob uma Licença Creative Commons Atribuição-NãoComercial 4.0 Unported, sem restrições adicionais


Assista o vídeo: ASTROLOGIA na BIOLOGIA = a Inversão Genômica! (Novembro 2021).