Микробиом человека: особенности использования данных секвенирования из открытых источников

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Как известно, микроорганизмы, населяющие тело человека, влияют на здоровье хозяина, поэтому их исследования чрезвычайно важны и перспективны. Современные методы секвенирования позволяют исследовать микробиом напрямую, т.е. минуя стадию культивирования микроорганизмов. Ставя перед собой научную задачу сравнительной характеристики микробиома больных и здоровых людей или предсказания ответа на существенное изменение диеты и применение пероральной терапии, стоит ли сразу начинать искать финансовые средства, необходимые для полногеномного анализа микробиомных проб? Открытые источники уже предлагают доступ к огромному массиву данных микробиомного секвенирования, полученных за последнее десятилетие. Но приемлемы ли эти данные для независимого исследования практических характеристик микробиома?

Об авторах

М. С Никитин

Институт общей генетики имени Н.И.Вавилова РАН; Московский физико-технический институт, национальный исследовательский университет

Email: mikhail.nikitin@phystech.edu
Москва, Россия; Долгопрудный, Московская область, Россия

Н. В Захаревич

Институт общей генетики имени Н.И.Вавилова РАН

Email: zakharevich@yandex.ru
Москва, Россия

А. С Ковтун

Институт общей генетики имени Н.И.Вавилова РАН

Email: kovtunas25@gmail.com
Москва, Россия

И. И Артамонова

Институт общей генетики имени Н.И.Вавилова РАН; Институт проблем передачи информации имени А.А.Харкевича РАН

Email: irenart@gmail.com
Москва, Россия; Москва, Россия

Список литературы

  1. Daniel R. The metagenomics of soil. Nat. Rev. Microbiol. 2005; 3(6): 470–478. doi: 10.1038/nrmicro1160.
  2. Sunagawa S., Coelho L.P., Chaffron S. et al. Structure and function of the global ocean microbiome. Science. 2015; 348(6237): 1261359. doi: 10.1126/science.1261359.
  3. Baquero F., Nombela C. The microbiome as a human organ. CMI. 2012; 18: 2–4. doi: 10.1111/j.1469-0691.2012.03916.x.
  4. Gill S.R., Pop M., Deboy R. et al. Metagenomic analysis of the human distal gut microbiome. Science. 2006; 312(5778): 1355–1359. doi: 10.1126/science.1124234.
  5. Turnbaugh P.J., Ley R.E., Hamady M. et al. The human microbiome project. Nature. 2007; 449(7164): 804–810. doi: 10.1038/nature06244.
  6. Lozupone C.A., Stombaugh J.I., Gordon J.I. et al. Diversity, stability and resilience of the human gut microbiota Nature. 2012; 489(7415): 220–230. doi: 10.1038/nature11550.
  7. Dinan T.G., Cryan J.F. Regulation of the stress response by the gut microbiota: implications for psychoneuroendocrinology. Psychoneuroendocrinology. 2012; 37(9): 1369–1378. doi: 10.1016/j.psyneuen.2012.03.007
  8. Mulle J.G., Sharp W.G., Cubells J.F. The gut microbiome: a new frontier in autism research. Curr. Psychiatry Rep. 2013; 15(2): 337. doi: 10.1007/s11920-012-0337-0.
  9. Averina O.V., Kovtun A.S., Polyakova S.I. et al. The bacterial neurometabolic signature of the gut microbiota of young children with autism spectrum disorders. J. Med. Microbiol. 2020; 69(4): 558–571. doi: 10.1099/jmm.0.001178.
  10. Vogt N.M., Kerby R.L., Dill-McFarland K.A. et al. Gut microbiome alterations in Alzheimer’s disease. Sci. Rep. 2017; 7(1): 13537. doi: 10.1038/s41598-017-13601-y.
  11. Scheperjans F., Aho V., Pereira P.A. et al. Gut microbiota are related to Parkinson’s disease and clinical phenotype. Mov Disord. 2015; 30(3): 350–358. doi: 10.1002/mds.26069.
  12. Andrews S. et al. FastQC: a quality control tool for high throughput sequence data. 2010. Available at: www.bioinformatics.babraham.ac.uk/projects/fastqc.
  13. Bolger A. M., Lohse M., Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 2014; 30(15): 2114–2120. doi: 10.1093/bioinformatics/btu170.
  14. Langmead B., Trapnell C., Pop M. et al. Ultrafast and memory-efficient alignment of short DNA sequences to the human genome. Genome biol. 2009; 10(3): R25. doi: 10.1186/gb-2009-10-3-r25
  15. Nurk S., Meleshko D., Korobeynikov A., Pevzner P.A. metaSPAdes: a new versatile metagenomic assembler. Genome Res. 2017; 27(5): 824–834. doi: 10.1101/gr.213959.116.
  16. Glümer C., Jшrgensen T., Borch-Johnsen K. Prevalences of diabetes and impaired glucose regulation in a Danish population: the Inter99 study. Diabetes care. 2003; 26(8): 2335–2340. doi: 10.2337/diacare.26.8.2335.
  17. Qin J., Li R., Raes J. et al. A human gut microbial gene catalogue established by metagenomic sequencing. Nature. 2010; 464(7285): 59–65. doi: 10.1038/nature08821.
  18. Le Chatelier E., Nielsen T., Qin J. et al. Richness of human gut microbiome correlates with metabolic markers. Nature. 2013; 500(7464): 541–546. doi: 10.1038/nature12506.
  19. Nishijima S., Suda W., Oshima K. et al. The gut microbiome of healthy Japanese and its microbial and functional uniqueness. DNA Research. 2016; 23(2): 125–133. doi: 10.1093/dnares/dsw002.
  20. Tyakht A.V., Kostryukova E., Popenko A. et al. Human gut microbiota community structures in urban and rural populations in Russia. Nat. commun. 2013; 4: 2469. doi: 10.1038/ncomms3469.
  21. Qin J., Li Y., Cai Z. et al. A metagenome-wide association study of gut microbiota in type 2 diabetes. Nature. 2012; 490(7418): 55–60. doi: 10.1038/nature11450.
  22. Karlsson F.H., Nookaew I., Nielsen J. Metagenomic data utilization and analysis (MEDUSA) and construction of a global gut microbial gene catalogue. PLoS Comput Biol. 2014; 10(7): e1003706. doi: 10.1371/journal.pcbi.1003706.
  23. Kelley D.R., Schatz M.C., Salzberg S.L. Quake: quality-aware detection and correction of sequencing errors. Genome biol. 2010; 11(11): R116. doi: 10.1186/gb-2010-11-11-r116.
  24. Nikolenko S.I., Korobeynikov A.I., Alekseyev M.A. BayesHammer: Bayesian clustering for error correction in single-cell sequencing. BMC genomics. 2013; 14(Suppl 1): S7. doi: 10.1186/1471-2164-14-S1-S7.
  25. Benson D.A. Cavanaugh M., Clark K. et al. GenBank. Nucleic Acids Res. 2013; 41(Database issue): D36–D42. doi: 10.1093/nar/gks1195.
  26. Altschul S.F., Madden T.L., Schäffer A.A. et al. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acids Res. 1997; 25(17): 3389–3402. doi: 10.1093/nar/25.17.3389.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Издательство «Наука», 2020

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах