微生素元组学

概览

元基因组学研究直接从含有细菌,古菌等生物体的群落中提取出DNA. 苯丙烯测量剖析了所选的标记基因,而猎枪元组学则将完整的混合物序列. 由此获得的数据可以估计微生物菌株的分类组成、代谢潜力和变化,而不需要对每个生物体进行培养。

技术基础

散弹枪元组学读取来源于基因系,其富含度极不均匀并可能包括跨分类的重复元素. 组装算法通过重叠或德布鲁因图来连接读取,但菌株变异可以使组件分解或者倒塌相關序列. 双宁使用组分组成,跨样本丰度和与组合相接的连接信息入成基因集草案. 完整性和污染性是根据预期的标记基因估算出来的,但这些指标取决于世系假设。 功能注释将预测蛋白质与被曲解的家族和途径进行比较;许多基因仍然假设,横向转移使函数分配给一个生物体变得复杂.

如何运作

测序读取是质量控制,筛选宿主污染情况并绘制出参考基因组图或编成更长的相位。 基因是预测和附加说明的,可将等位分组合成元组群并估计出各样本丰度。 然后,统计模型将社区特征与环境条件或临床的酚类联系起来。

衡量和研究方法

研究设计在测序前开始. 重复取样、空白点和正控以及随机取出揭示了污染情况和批量结构。 定量的悬浮式内置,流体细胞测量或PCR可以以大约绝对负载来补充相对丰度. 基于标记基因或k-mers的分类剖面仪在参考依赖性和分辨率上有所不同. 不同丰度的方法必须计入组成数据,多为零和多次测试. 元谱学,甲蛋白和分泌物提供活性的证据;而稳定的同位素探测与栽培则可以实验地连接一条通向细胞的路径并接上底质.

二. 主要想法

• 相对丰度即使在一个分类的绝对数保持不变时仍会发生变化.
• 被检测出的一个基因表示潜在的功能,不一定表达或生化活性.
• 提取化学、储存和测序深度及参考数据库塑造了观测到的群落。

目前的研究领域

边界重建了不同纵向组群的菌株解基因、质地和花生以及空间相互作用。 长读改进了组装和移动元素连接,但必须考虑更高的错误或DNA输入要求. 机器学习模型从社区数据中预测出苯基类型,尽管地理、饮食和技术混乱会限制转移。 治疗性微生虫操纵需要确定机制、制造控制和监测所转移的抗药或致病基因。 生态模型现在研究殖民抵抗力、资源竞争和扰动后的复原力。 一个中心挑战是从描述性关联转向可复制的因果效应,这些影响在东道主和环境中依然有效。

为什么它很重要

元基因组揭示出未开垦的生物多样性,并支助对人类健康、农业活性化能和海洋等土壤的研究。 它可以识别抗药性基因,重建路径并指导有目标的种植或功能实验.

限制和未决问题

污染,数据库和组成统计不完整都会产生误导性关联. 与主机相接的微生数据引起隐私问题,因果诉求通常需要纵向地由分层序列调查以外的机械或干预证据.