Метагеномика и машинное обучение
ДомДом > Блог > Метагеномика и машинное обучение

Метагеномика и машинное обучение

Jul 08, 2023

ISME Communications, том 3, номер статьи: 14 (2023 г.) Цитировать эту статью

3080 Доступов

1 Цитаты

4 Альтметрика

Подробности о метриках

Выведение сортов риса с низким содержанием кадмия (Cd) стало многообещающим направлением обеспечения безопасности пищевых продуктов на сельскохозяйственных угодьях, загрязненных кадмием. Было показано, что микробиомы, связанные с корнями риса, ускоряют рост риса и уменьшают стресс Cd. Однако механизмы микробной таксон-специфической устойчивости к кадмию, лежащие в основе различных характеристик накопления кадмия между разными сортами риса, остаются в значительной степени неизвестными. В этом исследовании сравнивали сорт XS14 с низким содержанием Cd и гибридный сорт риса YY17 по накоплению Cd при пяти внесениях в почву удобрений. Результаты показали, что XS14 характеризовался более изменчивыми структурами сообщества и стабильными сетями совместного встречаемости в континууме почва-корни по сравнению с YY17. Более сильные стохастические процессы в формировании ризосферного сообщества XS14 (~25%), чем у YY17 (~12%), позволяют предположить, что XS14 может обладать более высокой устойчивостью к изменениям свойств почвы. Сети совместного возникновения микробов и модели машинного обучения совместно определили ключевой индикатор микробиоты, такой как Desulfobacteria в XS14 и Nitrospiraceae в YY17. Между тем, гены, участвующие в круговороте серы и круговороте азота, были обнаружены среди корневого микробиома этих двух сортов соответственно. Микробиомы в ризосфере и корне XS14 показали более высокое разнообразие в функционировании со значительным обогащением функциональных генов, связанных с транспортом и метаболизмом аминокислот и углеводов, а также круговоротом серы. Наши результаты выявили различия и сходства в микробных сообществах, связанных с двумя сортами риса, а также бактериальные биомаркеры, предсказывающие способность накопления Cd. Таким образом, мы даем новое представление о таксон-специфических стратегиях набора двух сортов риса в условиях стресса Cd и подчеркиваем полезность биомаркеров в предоставлении ключей к повышению устойчивости сельскохозяйственных культур к стрессу Cd в будущем.

Понимание характеристик микробиома, связанного с корнями, является новым приоритетом исследований; такая информация критически важна для нас, чтобы понять глубокую роль микробиомов в содействии росту сельскохозяйственных культур и устойчивости к стрессу окружающей среды [1,2,3]. Состав и функции микробного сообщества, связанного с корнями растений, в значительной степени дифференцируются по корневым микросредам обитания и фенотипам [4,5,6]. Недавние исследования сообщили о рекрутировании конкретных ниш и обогащении микроорганизмов, специфичных для функций, которые были вызваны реакцией микробиомов корней растений на возмущения окружающей среды [7,8,9]. Кроме того, растения-хозяева оказывают селекционное воздействие на микробиомы в нишах, связанных с корнями, что может вызывать реструктуризацию структуры сообщества и трансформацию функциональных профилей [10, 11]. Несмотря на растущее признание того, что структура и функционирование сообщества микробиомов, связанных с корнями, могут влиять на рост сельскохозяйственных культур в условиях абиотического стресса, использование знаний о микробиомах конкретных сортов для повышения устойчивости сельскохозяйственных культур к стрессу остается проблемой. Таким образом, выявление различных различий в составе и функциях микробов в корневых нишах у разных видов сельскохозяйственных культур или разных сортов внутри вида имеет большое значение для использования микробиомов сельскохозяйственных культур для повышения производительности.

С ростом спроса на сельскохозяйственные земли [12, 13] загрязнение сельскохозяйственных угодий кадмием (Cd) и его накопление в сельскохозяйственных культурах становится серьезной глобальной экологической проблемой [14]. Рис является одним из важнейших продуктов питания для человека. Из-за высокой мобильности Cd от корня к побегам риса потребление рисовых продуктов, загрязненных Cd, представляет серьезную угрозу для здоровья населения [15]. Для снижения накопления Cd в зерне риса, помимо внесения почвенных улучшителей для химической иммобилизации in-situ, широко применяются и другие меры, такие как возделывание сортов риса с низким накоплением Cd [16]. Повышение связанной с корнями микробной устойчивости к стрессу Cd может также снизить накопление Cd в зернах риса, т.е. микробные сообщества могут выполнять функции при повышенных уровнях Cd, такие как образование биопленок, выработка внеклеточных полимерных веществ (ЭПС) и гены устойчивости к тяжелым металлам и пути развития [17]. Разные сорта риса обладают разной способностью к поглощению и накоплению Cd [18, 19]. Цао и др. [20] показали, что гибридный рис может накапливать более высокую концентрацию Cd в зернах по сравнению с обычным рисом, и аналогичные результаты наблюдались также у двух основных типов азиатского культивируемого риса: риса Индика и японского риса [14]. Однако эти исследования были сосредоточены на различиях в накоплении Cd у разных сортов риса. Противоположные результаты могут быть связаны с различными биотическими и абиотическими факторами, такими как улучшение почвы и использование удобрений. В последнее время широко исследуется важность корневых микробиомов различных сортов риса в круговороте питательных веществ и деградации органических загрязнителей почвы [21, 22], однако до сих пор отсутствует информация о разнообразии корневых микробных сообществ и разнообразии сообществ. функции различных сортов риса, которые демонстрируют противоположные особенности накопления Cd.

 0.01%) that were shown in different colors. The node size is proportional to the degree of taxa. b Network topological parameters for four root-associated niches bacterial networks. c Robustness of bacterial networks in bulk soil, rhizosphere, rhizoplane, and endosphere of XS14 and YY17./p>50% completeness and <10% contamination) and 19 MAGs that were estimated to be high-quality genome (>90 completeness and <10% contamination) [8]. Then, only 25 MAGs with the completeness >80% and contamination <10% were selected for further analysis [33]. The abundances of the MAGs across the samples were estimated using MetaWRAP (v1.3.2) [78] with the quant_bins module. Taxonomy of the MAGs was assigned using GTDB-TK (V1.7.0) [82]. ORFs were predicted using Prodigal (v2.6.3) [69] and functional annotation was performed by KofamKOALA [83] against the KEGG database./p>1 or < −1 were regarded as significantly “enriched” or “depleted”, respectively [86]./p> 2), (2) variable selection (βNTI < −2), (3) dispersal limitation (|βNTI | <2 and RCbray > 0.95), (4) homogenizing dispersal (|βNTI | <2 and RCbray < −0.95), and (5) undominated (|βNTI | <2 and |RCbray | < 0.95) [87]./p>0.01% [16]. Only the robust (r > 0.7 or r < −0.7) and statistically significant (FDR adjust P < 0.05) [89] correlations were kept. Topological characteristics were calculated using igraph package [90]. Random networks with the same edges and nodes were generated, and topological properties of random networks are calculated based on Erdős–Rényi model [91]. Natural connectivity was calculated to reveal the robustness of networks according to the previous study [92]. Briefly, nodes were sorted by betweenness and then we sequentially removed until 80% of the nodes were removed, and then evaluate the robustness of the network after deleting nodes [93]. We also calculated the within-module connectivity (Zi) and among-module connectivity (Pi) according to the method previously described [94]. Module hubs (Zi > 2.5, Pi ≤ 0.62) are highly connected nodes within modules, which were expected to mediate interactions between species within modules [58]. Therefore, in this study, module hubs are regarded as key nodes. All statistical analysis and graph plotting were produced in R program./p>