Сравнение биоинформатических методов и баз данных для метабаркодинга стартовых культур Lactobacillus

Обложка

Цитировать

Полный текст

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

Аннотация

Методы секвенирования нового поколения позволяют полностью выявлять качественный состав микробиоты в ферментированных продуктах, таких как йогурты и кефиры. Однако для правильных методических рекомендаций по применению высокопроизводительного секвенирования для анализа продуктов необходимо выяснить оптимальное сочетание биоинформатического программного обеспечения и базы данных. Цель данного исследования – определить состав микробиоты ферментированных молочных продуктов с помощью высокопроизводительного секвенирования и проанализировать, как выбор программы влияет на полученные данные. Было отсеквенировано 7 образцов метагеномов ферментированных молочных продуктов с целью сопоставления состава и выявления основных компонентов. Чтения, полученные в результате секвенирования участка гена 16S рРНК 7 образцов ферментированных молочных продуктов, были проанализированы с помощью BLASTN по базе данных 16S Microbial NCBI, а также MEGAN и MG-RAST. Также были проанализированы смеси сгенерированных псевдопрочтений, которые состояли из видов Lactococcus lactis, Levilactobacillus brevis, Lactobacillus kefiri и Leuconostoc mesenteroides. Используемые биоинформатические средства отличаются по степени применимости в зависимости от допустимого уровня ошибок. BLASTN без биннинга позволяет определять до вида образцы, которые MEGAN и MG-RAST определяют только до рода, но вместе с этим допускает больше ложноположительных ошибок при использовании разных баз данных с неверно определенными референсными последовательностями. Таким образом, дальнейшее определение бактериального состава кисломолочных продуктов требует создания курируемой базы данных для верного определения до уровня вида.

Об авторах

Е. А. Коноров

Федеральный научный центр пищевых систем им. В.М. Горбатова; Институт общей генетики им. Н.И. Вавилова Российской академии наук

Email: casqy@yandex.ru
Москва, Россия; Москва, Россия

Д. В. Хвостов

Федеральный научный центр пищевых систем им. В.М. Горбатова

Email: casqy@yandex.ru
Москва, Россия

М. Ю. Минаев

Федеральный научный центр пищевых систем им. В.М. Горбатова

Автор, ответственный за переписку.
Email: casqy@yandex.ru
Москва, Россия

Список литературы

  1. Шеховцов С.В., Шеховцова И.Н., Пельтек С.Е. ДНК- штрихкодирование: методы и подходы // Успехи соврем. биол. 2019. Т. 139 (3). С. 211–220.
  2. Adiloğlu A.K., Gönülateş N., Işler M., Senol A. The effect of kefir consumption on human immune system: a cytokine study // Mikrobiyoloji bulteni. 2013. V. 47 (2). P. 273–281.
  3. de Andrade G.R., Neves I.V., Marques V.D. et al. Influence of a kefir-derived antimicrobial fraction on Zika virus cytopathic effects and lymphocyte proliferation // J. Virol. Curr. Res. 2017. V. 2. P. 555584.
  4. Brasil G.A., de Almeida Silva-Cutini M., Moraes F.D.S.A. et al. The benefits of soluble non-bacterial fraction of kefir on blood pressure and cardiac hypertrophy in hypertensive rats are mediated by an increase in baroreflex sensitivity and decrease in angiotensin-converting enzyme activity // Nutrition. 2018. V. 51. P. 66–72.
  5. Dobson A., O’Sullivan O., Cotter P.D. et al. High-throughput sequence-based analysis of the bacterial composition of kefir and an associated kefir grain // FEMS Microbiol. Lett. 2011. V. 320 (1). P. 56–62.
  6. Ellatif S.A., Abdel Razik E.S., Abu-Serie M.M. et al. Immunomodulatory efficacy-mediated anti-HCV and anti-HBV potential of kefir grains; unveiling the in vitro antibacterial, antifungal, and wound healing activities // Molecules. 2022. V. 27 (6). P. 2016.
  7. Endo A., Okada S. Lactobacillus farraginis sp. nov. and Lactobacillus parafarraginis sp. nov., heterofermentative lactobacilli isolated from a compost of distilled shochu residue // Int. J. Syst. Evol. Microbiol. 2007. V. 57 (4). P. 708–712.
  8. Ferchichi M., Valcheva R., Prévost H. et al. Rapid identification of Lactobacillus nantensis, Lactobacillus spicheri and Lactobacillus hammesii species using species-specific primers // Int. J. Food Microbiol. 2008. V. 123 (3). P. 269–276.
  9. Fujiwara M., Kuwahara D., Hayashi M. et al. Lowering effect of viable Pediococcus pentosaceus QU 19 on the rise in postprandial glucose // Biosci. Microb. Food Health. 2020. V. 39 (2). P. 57–64.
  10. Gao J., Gu F., He J. et al. Metagenome analysis of bacterial diversity in Tibetan kefir grains // Eur. Food Res. Technol. 2013. V. 236. P. 549–556.
  11. Hamida R.S., Shami A., Ali M.A. et al. Kefir: a protective dietary supplementation against viral infection // Biomed. Pharmacother. 2021. V. 133. P. 110974.
  12. Hong S.H., Bunge J., Leslin C. et al. Polymerase chain reaction primers miss half of rRNA microbial diversity // ISME J. 2009. V. 3 (12). P. 1365–1373.
  13. Huson D.H., Auch A.F., Qi J., Schuster S.C. MEGAN analysis of metagenomic data // Gen. Res. 2007. V. 17 (3). P. 377–386.
  14. Korsak N., Taminiau B., Leclercq M. et al. Evaluation of the microbiota of kefir samples using metagenetic analysis targeting the 16S and 26S ribosomal DNA fragments // J. Dairy Sci. 2015. V. 98 (6). P. 3684–3689.
  15. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform // Bioinformatics. 2009. V. 25 (14). P. 1754–1760.
  16. Lindgreen S., Adair K.L., Gardner P.P. An evaluation of the accuracy and speed of metagenome analysis tools // Sci. Rep. 2016. V. 6 (1). P. 19233.
  17. Macori G., Cotter P.D. Novel insights into the microbiology of fermented dairy foods // Curr. Opin. Biotechnol. 2018. V. 49. P. 172–178.
  18. Mande S.S., Mohammed M.H., Ghosh T.S. Classification of metagenomic sequences: methods and challenges // Brief. Bioinform. 2012. V. 13 (6). P. 669–681.
  19. Marsh A.J., O’Sullivan O., Hill C. et al. Sequencing-based analysis of the bacterial and fungal composition of kefir grains and milks from multiple sources // PLoS One. 2013. V. 8 (7). P. e69371.
  20. de Melo Pereira G.V., de Carvalho Neto D.P., Maske B.L. et al. An updated review on bacterial community composition of traditional fermented milk products: what next-generation sequencing has revealed so far? // Crit. Rev. Food Sci. Nutr. 2022. V. 62 (7). P. 1870–1889.
  21. Meola M., Rifa E., Shani N. et al. DAIRYdb: a manually curated reference database for improved taxonomy annotation of 16S rRNA gene sequences from dairy products // BMC Genom. 2019. V. 20. P. 1–16.
  22. Meyer F., Paarmann D., D’Souza M. et al. The metagenomics RAST server – a public resource for the automatic phylogenetic and functional analysis of metagenomes // BMC Bioinform. 2008. V. 9. P. 1–8.
  23. Nalbantoglu U., Cakar A., Dogan H. et al. Metagenomic analysis of the microbial community in kefir grains // Food Microbiol. 2014. V. 41. P. 42–51.
  24. O’Rourke D.R. Bokulich N.A., Jusino M.A. et al. A total crapshoot? Evaluating bioinformatic decisions in animal diet metabarcoding analyses // Ecol. Evol. 2020. V. 10 (18). P. 9721–9739.
  25. Ounit R., Wanamaker S., Close T.J., Lonardi S. CLARK: fast and accurate classification of metagenomic and genomic sequences using discriminative k-mers // BMC Genomics. 2015. V. 16. P. 1–13.
  26. Palmnäs-Bédard M., de Santa Izabel A., Dicksved J., Landberg R. Characterization of the bacterial composition of 47 fermented foods in Sweden // Foods. 2023. V. 12 (20). P. 3827.
  27. Patuzzi I., Baruzzo G., Losasso C. et al. metaSPARSim: a 16S rRNA gene sequencing count data simulator // BMC Bioinform. 2019. V. 20. P. 1–13.
  28. Portik D.M., Brown C.T., Pierce-Ward N.T. Evaluation of taxonomic classification and profiling methods for long-read shotgun metagenomic sequencing datasets // BMC Bioinform. 2022. V. 23 (1). P. 541.
  29. Ramesh M., Sen A., Vachher M., Nigam A. Delineating bacteria using DNA barcoding // Mol. Genet. Microbiol. Virol. 2021. V. 36 (1). P. S65–S73.
  30. Seshadri R., Kravitz S.A., Smarr L. et al. CAMERA: a community resource for metagenomics // PLoS Biol. 2007. V. 5 (3). P. e75.
  31. da Silva Ghizi A.C., de Almeida Silva M., de Andrade Moraes F.S. et al. Kefir improves blood parameters and reduces cardiovascular risks in patients with metabolic syndrome // PharmaNutrition. 2021. V. 16 (1). P. 100266.
  32. Syromyatnikov M.Yu., Grabovich M.Yu. Study of the microbiological composition of dairy products and mayonnaise using DNA barcoding and metabarcoding // Foods Raw Mater. 2018. V. 6 (1). P. 144–153.
  33. Tenorio-Salgado S., Castelán-Sánchez H.G., Dávila-Ramos S. et al. Metagenomic analysis and antimicrobial activity of two fermented milk kefir samples // MicrobiologyOpen. 2021. V. 10 (2). P. e1183.
  34. Vinderola G., Perdigon G., Duarte J., et al. Effects of kefir fractions on innate immunity // Immunobiology. 2006. V. 211 (3). P. 149–156.
  35. Wang X., Xiao J., Jia Y. et al. Lactobacillus kefiranofaciens, the sole dominant and stable bacterial species, exhibits distinct morphotypes upon colonization in Tibetan kefir grains // Heliyon. 2018. V. 4 (6). P. e00649.
  36. Wood D.E., Salzberg S.L. Kraken: ultrafast metagenomic sequence classification using exact alignments // Gen. Biol. 2014. V. 15. P. 1–12.
  37. Yu Z., Du F., Ban R., Zhang Y. SimuSCoP: reliably simulate Illumina sequencing data based on position and context dependent profiles // BMC Bioinform. 2020. V. 21. P. 1–18.
  38. Yun S.I., Park H.O., Kang J.H. Effect of Lactobacillus gasseri BNR17 on blood glucose levels and body weight in a mouse model of type 2 diabetes // J. Appl. Microbiol. 2009. V. 107 (5). P. 1681–1686.
  39. Zamberi N.R., Mohamad N.E., Yeap S.K. et al. 16S meta- genomic microbial composition analysis of kefir grain using MEGAN and BaseSpace // Food Biotechnol. 2016. V. 30 (3). P. 219–230.
  40. Zheng J., Wittouck S., Salvetti E. et al. A taxonomic note on the genus Lactobacillus: description of 23 novel genera, emended description of the genus Lactobacillus Beijerinck 1901, and union of Lactobacillaceae and Leuconostocaceae // Int. J. Syst. Evol. Microbiol. 2020. V. 70 (4). P. 2782–2858.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025