마이크로바이옴 관련 연구

Microbiome-wide association study

마이크로바이옴 전체 연관 연구(MWAS) 또는 메타게놈 전체 연관 연구(MGWAS)는 다양한 유기체에서 정의된 마이크로바이옴의 전체 메타게놈을 조사하여 마이크로바이옴의 일부 특징(예: 유전자 또는 종)이 숙주 특성과 관련이 있는지 여부를 결정하는 데 사용되는 통계적 방법론입니다.MWAS는 널리 사용되는 게놈 전체 연관 연구(GWAS)에서 메타게놈학 분야에 채택되었습니다.

작동 분류 단위와 잔류 사료 섭취량(RFI) 및 사료 전환율(FCR) 간의 단일-OTU 회귀법을 이용한 마이크로바이옴 전역 연관 분석 결과.그림에서 실선과 점선은 각각 가족 단위 유형 I 오류율 5%와[1] 10%에서 유의성과 유의성을 나타냅니다.

MWAS는 GWAS와 음성적 및 개념적으로 연결되어 있지만 몇 가지 주요한 차이점이 있습니다.

  • 마이크로바이옴에는 인간 게놈보다 약 150배 많은 유전자가 있습니다.[2]GWAS는 미리 정의된 종의 염색체 수를 따라 유의미하게 연관된 유전자만 찾아야 합니다.한편, MWAS는 미정의 미생물 수에 많은 특징이 있는지 분석해야 합니다.따라서 다중 테스트 문제에 직면할 가능성이 훨씬 더 높습니다.[3]
  • 숙주 집단이 유전체에 있는 유전자의 비교적 유사한 집합체를 포함하고 있지만, 주어진 마이크로바이옴의 유전적 변이는 다른 숙주와 환경 사이에서 크게 다를 수 있습니다.[4]마이크로바이옴의 게놈은 또한 GWAS에서 숙주의 게놈이 수명 전반에 걸쳐 고정되어 있는 동안 주어진 숙주에서 일시적으로 변할 수 있습니다.
  • 실현된 마이크로바이옴 데이터 세트는 본질적으로 구성적이고 상호 작용적입니다.유전자가 유클리드 공간에 존재한다는 가정은 구성 데이터의 비선형성에 의해 위배됩니다.[7]

MWAS에서 마이크로바이옴의 어떤 특징이 사용될 것인지를 분류하는 몇 가지 방법이 있습니다. MWAS는 특정 분류학 수준(종, 속,[8] 계통 등), 작동 분류 단위(OTU) 또는 앰플리콘 서열 변이체(ASV), 전사체(transcriptome),[9] 프로테옴([10]proteome) 등을 사용하여 평가할 수 있습니다.각 방법이 다른 결과를 제공하는 경우가 많기 때문에 사용되는 접근 방식은 연구 가설에 따라 달라집니다.

종종, 특정 마이크로바이옴 특징과 원하는 표현형 사이의 상관관계를 결정하기 위해 분류학적 수준 또는 OTU/ASV 기반 접근법이 사용됩니다.랜덤 포레스트와 같은 머신 러닝 방법과 [11]딥 러닝과 같은 다양한 방법을 사용할 수 있습니다.[12]DESeq2 및 ANCOM과 같은 프로그램과 기능 연결을 설정할 수도 있습니다.그러나 사용 가능한 다양한 도구에 의해 설정된 상관 관계가 항상 인과 관계로 변환되는 것은 아닙니다.연구자들은 순차적인 테스트를 통해 인과관계를 결정합니다.[13]

참고문헌

  1. ^ a b Aliakbari, Amir; Zemb, Olivier; Cauquil, Laurent; Barilly, Céline; Billon, Yvon; Gilbert, Hélène (2022-04-25). "Microbiability and microbiome-wide association analyses of feed efficiency and performance traits in pigs". Genetics Selection Evolution. 54 (1): 29. doi:10.1186/s12711-022-00717-7. ISSN 1297-9686. PMC 9036775. PMID 35468740.
  2. ^ MetaHIT Consortium; Qin, Junjie; Li, Ruiqiang; Raes, Jeroen; Arumugam, Manimozhiyan; Burgdorf, Kristoffer Solvsten; Manichanh, Chaysavanh; Nielsen, Trine; Pons, Nicolas; Levenez, Florence; Yamada, Takuji; Mende, Daniel R.; Li, Junhua; Xu, Junming; Li, Shaochuan (2010-03-04). "A human gut microbial gene catalogue established by metagenomic sequencing". Nature. 464 (7285): 59–65. Bibcode:2010Natur.464...59.. doi:10.1038/nature08821. ISSN 0028-0836. PMC 3779803. PMID 20203603.
  3. ^ Gilbert, Jack A.; Quinn, Robert A.; Debelius, Justine; Xu, Zhenjiang Z.; Morton, James; Garg, Neha; Jansson, Janet K.; Dorrestein, Pieter C.; Knight, Rob (2016-07-07). "Microbiome-wide association studies link dynamic microbial consortia to disease". Nature. 535 (7610): 94–103. Bibcode:2016Natur.535...94G. doi:10.1038/nature18850. ISSN 0028-0836. PMID 27383984. S2CID 4455429.
  4. ^ Koenig, Jeremy E.; Spor, Aymé; Scalfone, Nicholas; Fricker, Ashwana D.; Stombaugh, Jesse; Knight, Rob; Angenent, Largus T.; Ley, Ruth E. (2011-03-15). "Succession of microbial consortia in the developing infant gut microbiome". Proceedings of the National Academy of Sciences. 108 (supplement_1): 4578–4585. Bibcode:2011PNAS..108.4578K. doi:10.1073/pnas.1000081107. ISSN 0027-8424. PMC 3063592. PMID 20668239.
  5. ^ Vandeputte, Doris; De Commer, Lindsey; Tito, Raul Y.; Kathagen, Gunter; Sabino, João; Vermeire, Séverine; Faust, Karoline; Raes, Jeroen (2021-11-18). "Temporal variability in quantitative human gut microbiome profiles and implications for clinical research". Nature Communications. 12 (1): 6740. Bibcode:2021NatCo..12.6740V. doi:10.1038/s41467-021-27098-7. ISSN 2041-1723. PMC 8602282. PMID 34795283.
  6. ^ Gloor, Gregory B.; Macklaim, Jean M.; Pawlowsky-Glahn, Vera; Egozcue, Juan J. (2017-11-15). "Microbiome Datasets Are Compositional: And This Is Not Optional". Frontiers in Microbiology. 8: 2224. doi:10.3389/fmicb.2017.02224. ISSN 1664-302X. PMC 5695134. PMID 29187837.
  7. ^ Aitchison, John; Greenacre, Michael (2002-10-08). "Biplots of compositional data". Journal of the Royal Statistical Society Series C: Applied Statistics. 51 (4): 375–392. doi:10.1111/1467-9876.00275. hdl:10230/1046. ISSN 0035-9254.
  8. ^ Davenport, Emily R.; Cusanovich, Darren A.; Michelini, Katelyn; Barreiro, Luis B.; Ober, Carole; Gilad, Yoav (2015-11-03). White, Bryan A (ed.). "Genome-Wide Association Studies of the Human Gut Microbiota". PLOS ONE. 10 (11): e0140301. Bibcode:2015PLoSO..1040301D. doi:10.1371/journal.pone.0140301. ISSN 1932-6203. PMC 4631601. PMID 26528553.
  9. ^ Huang, Hechen; Ren, Zhigang; Gao, Xingxing; Hu, Xiaoyi; Zhou, Yuan; Jiang, Jianwen; Lu, Haifeng; Yin, Shengyong; Ji, Junfang; Zhou, Lin; Zheng, Shusen (2020-11-23). "Integrated analysis of microbiome and host transcriptome reveals correlations between gut microbiota and clinical outcomes in HBV-related hepatocellular carcinoma". Genome Medicine. 12 (1): 102. doi:10.1186/s13073-020-00796-5. ISSN 1756-994X. PMC 7682083. PMID 33225985.
  10. ^ Riddell, Nina; Crewther, Sheila G. (2017-01-30). "Integrated Comparison of GWAS, Transcriptome, and Proteomics Studies Highlights Similarities in the Biological Basis of Animal and Human Myopia". Investigative Ophthalmology & Visual Science. 58 (1): 660–669. doi:10.1167/iovs.16-20618. ISSN 1552-5783. PMID 28135361.
  11. ^ Zajac, Diana J.; Green, Stefan J.; Johnson, Lance A.; Estus, Steven (2021-08-03). "APOE Genetics Influence Murine Gut Microbiome". doi:10.21203/rs.3.rs-746611/v1. {{cite journal}}:저널 요구사항 인용 journal=(도움말)
  12. ^ Zhu, Qiang; Li, Bojing; He, Tingting; Li, Guangrong; Jiang, Xingpeng (2020-02-15). "Robust biomarker discovery for microbiome-wide association studies". Methods. 173: 44–51. doi:10.1016/j.ymeth.2019.06.012. PMID 31238097. S2CID 195660885.
  13. ^ Surana, Neeraj K.; Kasper, Dennis L. (2017-12-14). "Moving beyond microbiome-wide associations to causal microbe identification". Nature. 552 (7684): 244–247. Bibcode:2017Natur.552..244S. doi:10.1038/nature25019. ISSN 0028-0836. PMC 5730484. PMID 29211710.