[論文レビュー] Mapping the bacterial metabolic niche space

Ashkaan K. Fahimipour, Thilo Groß|arXiv (Cornell University)|Aug 20, 2019

Genomics and Phylogenetic Studies参考文献 93被引用数 75

ひとこと要約

本研究は、2,621属の細菌のゲノムスケール代謝ネットワークを用いた拡散マッピングにより、細菌の代謝ニッチ空間をマップし、主要な生態的戦略に対応する複雑で分岐する幾何構造を明らかにした。この手法により、光合成やメタン生成といった解釈可能な代謝特性が主要な次元として特定され、多様なエコシステムにおける微生物群集の集団的代謝的役割に基づく機能的分類が可能になった。

ABSTRACT

The rise in the availability of bacterial genomes defines a need for synthesis: abstracting from individual taxa, to see larger patterns of bacterial lifestyles across systems. A key concept for such synthesis in ecology is the niche, the set of capabilities that enables a population's persistence and defines its impact on the environment. The set of possible niches forms the niche space, a conceptual space delineating ways in which persistence in a system is possible. Here we use manifold learning to map the space of metabolic networks representing thousands of bacterial genera. The results suggest a metabolic niche space comprising a collection of discrete clusters and branching manifolds, which constitute strategies spanning life in different habitats and hosts. We further demonstrate that communities from similar ecosystem types map to characteristic regions of this functional coordinate system, permitting coarse-graining of microbiomes in terms of ecological niches that may be filled.

研究の動機と目的

• 個々の分類群を越えて数多くの細菌属における代謝能力のパターンを統合的に解明すること。
• ゲノムスケール代謝ネットワークを用いて、機能的で特徴に基づく座標系としての代謝ニッチ空間を定義すること。
• 主な環境的生態的役割に対応する解釈可能な代謝戦略を同定すること。
• 新しい機能的座標系において、微生物群集の集団的代謝機能に基づき、マイクロバイオームの生態的特徴を明らかにすること。

提案手法

• 7,769次元の代謝特性空間（基質-産物ペアによって定義）に拡散マッピングを適用した。
• NCBI RefSeqゲノムを用いて、CarveMeアルゴリズムを用いて2,621属の細菌の代謝ネットワークを構築した。
• k近傍法による類似度行列から得られる正規化ラプラシアン行列の最初のいくつかの固有ベクトルを用いて、非線形な新しい座標軸を定義した。
• 各拡散変数の極端な値を示す分類群に有意に豊富な代謝物を特定するために、パーミュテーション型豊富度解析（Rのfgseaを用いて）を実施した。
• 地球マイクロバイオームプロジェクトの環境由来16S rRNAサンプルを、97%以上の類縁性を満たすリファレンスゲノムにマッチングさせることで、拡散空間にマップした。
• ウォード連結法を用いた階層的クラスタリングにより、拡散空間内での分布に基づき、エコシステムタイプをグループ化した。

実験結果

リサーチクエスチョン

• RQ1 細菌の代謝ニッチ空間は、低次元で解釈可能な幾何的構造としてどのように表現できるか？
• RQ2 拡散マップの最も顕著な次元に対応する代謝特性は何か？ また、それらは既知の生態的戦略と整合するか？
• RQ3 同じエコシステムタイプに由来する群集は、代謝ニッチ空間内の位置に基づいてグループ化できるか？
• RQ4 この新しい座標系において、マイクロバイオームはその集団的代謝的役割によってどれほど機能的に記述可能か？
• RQ5 光合成やメタン生成といった主要な代謝経路は、拡散マップにおいて明確で高影響度の次元として検出可能か？

主な発見

• 最初の拡散変数は、光合成を行うシアノバクテリアを他のすべての分類群と明確に分離しており、極端に負の値を示すのは光呼吸経路との強い重複を示している。
• 2番目の変数はメタン生成アーキアおよび硫酸還元細菌を区別しており、高い正の値を示す分類群ではコエンザイムF420および2-オキソ-4ヒドロキシブチレートが豊富に検出された。
• 3番目の変数は好気的呼吸および硝酸塩還元を特定しており、極端に高い正の値を示す分類群ではNAD+および硝酸塩が豊富に検出された。
• 4番目の変数は発酵代謝を捉えており、高い正の値を示す分類群ではラクト酸および酢酸が豊富に検出された。
• 海洋、土壌、宿主関連環境といった同じエコシステムタイプに由来する群集は、拡散空間内で明確に分離した領域にクラスタリングしており、類似した代謝的役割を共有していることが示された。
• 拡散空間により、各環境において最も顕著な代謝戦略を特定することで、マイクロバイオームの機能的分類が可能になった。ニッチ占有の閾値として97%の16S rRNA類縁性が用いられた。