一月新闻排行

浙大科研团队绘制土壤宏基因组基因相关性网络,解码土壤微生物“黑箱”

发布时间:2018-08-28来源:浙大新闻办作者:柯溢能 卢绍庆浏览次数:269


  土壤微生物是元素生物地球化学循环过程及其他土壤生态过程的关键驱动因子。由于土壤结构和组成的复杂性,土壤微生物生态过程在研究中一直以来都被作为“黑箱”看待,要清楚阐明土壤生态功能是土壤生态学研究当前面临的一个重大挑战。

近日,浙江大学环境与资源学院徐建明教授团队在微生物学顶级期刊《国际微生物生态学会会刊》(The ISME Journal)上发表最新成果,他们基于土壤宏基因组信息绘制森林土壤宏基因组的基因相关性网络,揭示了宏基因组的功能结构,为预测宏基因组中基因未知功能提供了新途径。

这项研究的第一作者为浙江大学“百人计划”研究员马斌博士,参与作者包括浙江大学“外专千人计划”入选者Philip Brookes教授,论文通讯作者为徐建明教授。该论文的国际合作者包括美国芝加哥大学Jack Gilbert教授和比利时鲁汶大学Karoline Faust博士。

从系统生物学得到灵感,用宏基因组技术打开“黑箱”

黑箱”系统,顾名思义就是把某个系统作为一个看不透的黑色箱子,研究中不涉及系统内部的结构和相互关系。很长一段时间,科学家们对土壤微生物生态功能的作用机制研究也是如此。

这个“黑箱”是这样的——

每克土壤中平均有来自约10万种微生物类群的约10亿个微生物细胞,其中约有99%的土壤微生物类群尚未被培养,而大部分土壤微生物类群的基因组也尚未测序,也就是说它们的基本功能还不清楚。

那么如何能够打开“黑箱”呢?徐建明教授团队使用的利器是宏基因组技术——从环境样品中提取宏基因组进行高通量测序分析,通过序列片段拼接和数据库比对进行注释。徐建明表示,近年来系统生物学领域的科学家对一些模式生物细胞进行全基因网络分析,有很多推动了对细胞功能的认识。“我们团队从中得到灵感,借用系统生物学方法来分析土壤宏基因中基因网络,从而提升对土壤微生物群落功能的认识。”

用系统生物学的方法研究土壤宏基因组,刚开始只是一种研究设想。因为两者的研究对象存在很大的区别:系统生物学中的基因来自单个细胞,而土壤微生物的研究的宏基因组中的基因来自大量不同的微生物细胞。但是研究结果表明,宏基因组的基因相关性网络能够准确表征土壤微生物群落生态过程中的基因互作关系。

绘制森林土壤宏基因相关性网络

徐建明团队在我国东部从南方热带季雨林到北方针叶林的典型植被梯度带上采集了45个土壤样品,基于高通量测序获取宏基因并根据基于丰度矩阵构建相关性矩阵,从而得到基因相关性网络。

这张网络,其实是认识土壤微生物生态功能的“地图”——

网络包含5421个基因节点,7191个正相关网络连接和123个负相关网络连接。科研人员基于网络拓扑结构将网络节点划分为27个基因聚落,各基因聚落中主要包含了与特定功能相关的基因,且各基因聚落的中心节点都能代表所在聚落的功能。

(土壤宏基因组基因相关性网络图)

科研人员发现,基因聚落之间的连接关系反映了土壤宏基因组中与细胞结构密切相关的多级结构特征,说明土壤微生物群落功能特征受到细胞水平基因功能过程的调控。网络中的正相关连接主要指示了基因的功能关联性,而负相关连接则指示了细胞生物过程中潜在的功能调控过程。

论文评阅人表示,该研究将系统生物学中网络的概念应用于高度复杂的环境样本是该领域发展的重要一步,赞赏了该研究中严格的网络连接构建过程。

未知基因功能预测,为未来研究“扫盲”

宏基因组中仍然有很多基因的功能还是未知的,而基因相关性网络中参与相同生态功能过程的基因会有紧密的网络连接,因此,徐建明教授团队就提出,可以利用功能未知基因在基因相关性网络中的相邻网络节点来预测宏基因组中基因的未知功能。

要如何才能验证预测的功能是否准确呢?系统生物学研究中,单个细胞内的验证比较简单,可以通过敲掉某个基因来做对照实验。而土壤的群落研究中,科研人员不知道这个基因来自哪些细胞,因此无法“敲除”。怎么办?为了验证预测的基因功能,徐建明教授团队通过基因序列计算得出蛋白结构,通过与蛋白结构数据库比对,进而比对已经标注功能。结果发现通过基因相关性网络预测的功能基因与通过蛋白结构预测的功能高度一致,验证了通过基因相关性网络预测的结果的准确性。受到一些研究的局限,马斌表示,当前的预测还有一定的限制标准,那就是要在聚落中与一定数量的基因有连接,才高水准的预测。


对于功能预测的意义,徐建明表示,科学探索的道路上,第一步就是想知道“是什么”,他们的研究提供了一个注释未知的路径。通过预测增补数据库,对后面研究者扫清了迷雾。历经2年的研究,徐建明表示,团队的这项解码土壤“黑箱”的研究,对于明确土壤对碳氮的转化、污染物的降解等机理有了进一步的了解,对认识土壤有深刻的意义。

该研究得到了国家自然科学基金创新研究群体项目(41721001)、国家自然科学基金国际合作重点项目(41520104001)等资助。

(文 柯溢能/摄影 卢绍庆