Nature methods|新型微生物富集方法,可有效解决高宿主污染样本问题

加州理工学院的研究提出了一种新型微生物富集方法(MEM),通过消耗宿主DNA提高高污染样本中微生物分析的准确性和效率。实验结果显示,MEM有效减少宿主reads,提高微生物多样性的表征,并能用于宏基因组组装,为理解哺乳动物宿主样本微生物群落提供有力工具。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        在科研实验中,许多关键的样本都存在高水平的宿主污染问题,例如肿瘤组织、血液和皮肤拭子等。即使宏基因组技术可以检测这些样本,也可能出现实验结果中超过90%的测序数据来源于宿主的情况,通常需要额外的数据来分析微生物信息,然而即使加测更多的数据也无法从根本上高效解决。这种情况,让无数的科研人员伤透脑筋。

       近期,加州理工学院发表在《Nature methods》上的一篇题为“Microbial-enrichment method enables high-throughput metagenomic characterization from host-rich samples”文章中开发了一种新型的微生物富集方法,或可以有效的解决上述问题,提高高宿主污染样本中微生物鉴定的准确性和效率。接下来,就和小编一起来看下这个新方法吧!

图片

技术方法概述

       本研究中提到的新型微生物富集技术,主要是通过采用宿主DNA消耗技术,在提取和纯化微生物DNA的过程中,能够有效提高微生物鉴定的准确性和效率。 

       在实验的过程中,研究人员使用了多种不同的宿主耗尽方法对样本进行处理,其中包括化学试剂(例如酚和氯仿)、物理方法(例如离心和过滤)以及特异性吸附柱。随后,研究人员对经过不同处理方法的样本(包括唾液、粪便、肠道刮屑和肠道黏膜活检)进行了宏基因组测序和16S rRNA测序等分析。最终,经过对不同方法的比较和优化,确定了最佳方法策略,即微生物富集法(MEM)。通过使用MEM技术,研究人员成功将宿主DNA降低1000倍以上,并尽量减少微生物群落的变化(约90%的菌种在经过MEM处理和未经处理的对照组之间没有显著差异)。

图片

图1 在MEM中使用的两步选择性裂解和核酸去除技术的示意图

实验结果验证

       研究人员使用高通量建库测序对经过MEM处理的不同类型样本进行了分析,全面地检测了样本中微生物的种类和丰度。以下为样本的分析结果。

01、小鼠粪便及人类唾液样本实验 

       MEM处理能够有效的减少小鼠粪便和人类唾液样本的宿主reads(图2a、c),提高样本微生物的富集效果。对于唾液样本,二硫苏糖醇的添加(DTT)将样本中宿主的清除率提高了大约十倍(图2c)。

图片

图2 MEM对于粪便样本和唾液样本中宿主去除的效果分析

02、人体肠道刮屑和肠道黏膜活检实验 

       研究进一步对收集的肠道黏膜活检样本进行MEM处理,分为对照组和实验组,基于16S rRNA测序比较两组的微生物分析结果。PCA结果显示,实验组和对照组的微生物多样性没有显著差异(图3c),表明MEM处理没有引入额外的污染。但是,不同的个体之间的微生物组成存在个体间的差异。

       接下来,通过宏基因组测序,进一步测试了MEM处理能否在个体间的横向和胃肠道间的纵向上描述微生物变异。研究结果表明,基于宏基因组测序数据,可以分析所有样本中的不同种类微生物的数量、不同基因的数量、不同代谢途径的数量、微生物基因的相对丰度等(图4)。

图片

图3 MEM处理组和对照组肠道活检样本微生物富集结果分析

图片

图4 MEM处理组和对照组肠道活检样本的宏基因组测序分析结果

03、MEM处理可提高宏基因组组装基因组的质量和效率 

       研究人员从实验样本中选择了2个对照样本和2个经过MEM处理的活检样本,进行宏基因组组装基因组(MAGs)分析,进一步验证MEM处理之后能否可以构建MAG。结果表明,MEM处理的样本中可以组装得到更长的contig,连续长度可达833 kbp(图5b)。从MEM处理的样本组装得到了34个高质量的MAGs和70个中等质量的MAGs,表明从经过MEM处理的活检样本中是可以成功构建MAGs的。同时,将这些所构建的MAGs与现有的微生物数据库进行比较之后发现,这些MAGs在各方面(如分类学分类、基因注释、功能预测等)均具有较高的准确性和完整度。

图片

图5 基于宏基因组测序对MEM处理人类肠道活检样本进行MAGs构建

        通过对宏基因组组装基因组进行分析,揭示了小肠和大肠中某些菌种的亚种群结构。此外,研究还对这些基因组的特征和功能进行了分析,并研究了它们在小肠和大肠等不同肠道区域中的分布情况。这些数据为理解肠道微生物组的组成和功能提供了重要的支持。

图片

图6 胃肠道个体间和个体内的细菌生物多样性

 总结 

       通过以上实验研究分析结果,MEM技术具有高效性、快速便捷、高兼容性以及直接组装基因组等优点,该方法对于研究哺乳动物宿主丰富样本中的微生物群落具有很大的优势,使得从人类肠道活检中获取的微生物宏基因组的高通量表征成为可能,并可以同时对高丰度和低丰度物种的组成和丰度进行表征。

参考文献

Microbial-enrichment method enables high-throughput metagenomic characterization from host-rich samples. Nature methods, 2023.

内容概要:本文档《opencv频面试题.docx》涵盖了OpenCV的基础概念、图像处理操作、特征提取与匹配、目标检测与机器习、实际编程题、性能优化以及进阶问题。首先介绍了OpenCV作为开源计算机视觉库,支持图像/视频处理、目标检测、机器习等领域,应用于安防、自动驾驶、医影像、AR/VR等方面。接着详细讲述了图像的存储格式(如Mat类)、通道的概念及其转换方法。在图像处理部分,讲解了图像灰度化、二值化、边缘检测等技术。特征提取方面,对比了Harris和Shi-Tomasi角点检测算法,以及SIFT、SURF、ORB的特征提取原理和优缺点。目标检测部分介绍了Haar级联检测原理,并阐述了如何调用深度习模型进行目标检测。文档还提供了几个实际编程题示例,如读取并显示图像、图像旋转、绘制矩形框并保存等。最后,探讨了性能优化的方法,如使用cv2.UMat(GPU加速)、减少循环等,以及相机标定、光流等进阶问题。 适合人群:对计算机视觉有一定兴趣,具备一定编程基础的习者或从业者。 使用场景及目标:①帮助习者掌握OpenCV的基本概念和技术;②为面试准备提供参考;③为实际项目开发提供技术指导。 阅读建议:由于内容涵盖广泛,建议读者根据自身需求有选择地深入习相关章节,并结合实际编程练习加深理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SHANGHAILINGEN

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值