DOI: https://doi.org/10.1038/s41586-024-08313-z
PMID: https://pubmed.ncbi.nlm.nih.gov/39743584
تاريخ النشر: 2025-01-01
المؤلف: Leïla Ezzat وآخرون
الموضوع الرئيسي: علم البيئة والفيزيولوجيا المجتمعية الميكروبية
النتائج
تشير النتائج من تحليل تقسيم التباين لميكروبيوم GFS إلى أن النموذج قد غطى 54.9% من إجمالي التباين في تركيب الميكروبيوم. تم هيكلة هذا التباين مكانيًا عبر مقاييس مختلفة، مع مساهمات محددة من التدرجات الخطية (15.9%، $F_{3,134}=9.8$، $p=0.001$)، بين سلاسل الجبال (20.8%، $F_{9,131}=5.97$، $p=0.001$)، وداخل سلاسل الجبال (16.4%، $F_{60,122}=1.7$، $p=0.001$).
من الجدير بالذكر أن العمليات المكانية كانت مساهمات مهمة في تركيب الميكروبيوم، حيث كانت العمليات المكانية النقية تمثل 11.4% من التباين بين سلاسل الجبال و12.2% داخلها. بالإضافة إلى ذلك، ساهمت العوامل البيئية المهيكلة مكانيًا بنسبة 9.4% من التباين بين السلاسل و4.2% داخل السلاسل. بالمقابل، كانت للعمليات البيئية النقية تأثير ضئيل، حيث فسرت فقط 1.8% من إجمالي التباين. تؤكد هذه النتائج على أهمية الديناميات المكانية في تشكيل ميكروبيوم GFS.
المناقشة
في قسم المناقشة، يوضح المؤلفون المنهجيات المستخدمة لتقليل الضوضاء وتحليل مجموعة بيانات من تسلسلات الأمبليكون المشتقة من 883 مكتبة، بما في ذلك 868 عينة من الرواسب القاعية. تم مقارنة نهجين رئيسيين لتقليل الضوضاء: UNOISE3 وDADA2. تضمنت خطوات المعالجة تقليم القراءات الخام، دمج التسلسلات، تصفية التسلسلات ذات الجودة المنخفضة، وإزالة الشيميرات باستخدام أداة vsearch. أنتجت DADA2 إجمالي 259,022 نوعًا من متغيرات تسلسل الأمبليكون (ASVs) بعد مراقبة الجودة الصارمة، والتي شملت تصفية التسلسلات حقيقية النواة والتسلسلات الملوثة، مما أسفر عن 71,387 ASVs عبر 152 عينة من الرواسب.
كشفت التحليلات المقارنة لدقة تقليل الضوضاء أن Deblur تفوقت على الطرق الأخرى في تحديد الميكروبات المعروفة داخل المجتمعات الوهمية، حيث أظهرت تلوثًا ضئيلًا وعكست بدقة التركيب المجتمعي المتوقع. بينما أظهرت جميع الطرق مستويات تنوع مشابهة بناءً على مؤشر شانون، فإن UNOISE3 قد بالغت بشكل كبير في تقدير تنوع كل عينة. في النهاية، اختار المؤلفون Deblur كنهج تفضيلي لتقليل الضوضاء نظرًا لصلابته ودقته التصنيفية المتفوقة، مما يوفر إطارًا موثوقًا للتحليلات البيئية اللاحقة.
DOI: https://doi.org/10.1038/s41586-024-08313-z
PMID: https://pubmed.ncbi.nlm.nih.gov/39743584
Publication Date: 2025-01-01
Author(s): Leïla Ezzat et al.
Primary Topic: Microbial Community Ecology and Physiology
Results
The results from the variance partitioning analysis of the GFS microbiome indicate that the model accounted for 54.9% of the total variability in microbiome composition. This variability was structured spatially across different scales, with specific contributions from linear gradients (15.9%, $F_{3,134}=9.8$, $p=0.001$), among mountain ranges (20.8%, $F_{9,131}=5.97$, $p=0.001$), and within mountain ranges (16.4%, $F_{60,122}=1.7$, $p=0.001$).
Notably, spatial processes were significant contributors to the microbiome composition, with pure spatial processes accounting for 11.4% of variance among mountain ranges and 12.2% within them. Additionally, spatially structured environmental factors contributed 9.4% of the variance among ranges and 4.2% within ranges. In contrast, pure environmental processes had a minimal impact, explaining only 1.8% of the total variance. These findings underscore the importance of spatial dynamics in shaping the GFS microbiome.
Discussion
In the discussion section, the authors detail the methodologies employed for denoising and analyzing a dataset of amplicon sequences derived from 883 libraries, including 868 benthic sediment samples. Two primary denoising approaches were compared: UNOISE3 and DADA2. The processing steps involved trimming raw reads, merging sequences, filtering low-quality sequences, and removing chimeras using the vsearch tool. DADA2 produced a total of 259,022 amplicon sequence variants (ASVs) after rigorous quality control, which included filtering out eukaryotic and contaminant sequences, resulting in 71,387 ASVs across 152 sediment samples.
The comparative analysis of denoising accuracy revealed that Deblur outperformed the other methods in identifying known microorganisms within mock communities, exhibiting minimal contamination and accurately reflecting the expected community composition. While all methods showed similar diversity levels based on the Shannon index, UNOISE3 significantly overestimated per-sample diversity. Ultimately, the authors selected Deblur as the preferred denoising approach due to its robustness and superior taxonomic resolution, providing a reliable framework for subsequent ecological analyses.