Informations

À quoi ressemble le métagénome pour les autres classes d'animaux ?

À quoi ressemble le métagénome pour les autres classes d'animaux ?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Dernièrement, il y a eu beaucoup de discussions autour des nombreuses cellules non humaines essentielles à un corps humain sain - appelées microbiome, ou métagénome. Une grande partie de cela se trouve dans le microbiome intestinal. Voir cette question, par exemple.

Le Human Microbiome Project du NIH souligne que nous commençons tout juste à mesurer les spécificités de cela pour le cas humain.

Je suppose que cela est également vrai pour toutes les espèces de mammifères, et je ne sais pas jusqu'où. Les poissons ont un plan corporel assez différent de celui des mammifères, y compris un intestin assez différent. Et les coelentérés ont un plan corporel encore plus différent à bien des égards, y compris encore une fois l'intestin.

Un poisson typique dépend-il d'un microbiome aussi grand qu'un humain ? Y a-t-il beaucoup de choses à ce sujet ? Et les méduses ?


Il y a plusieurs parties à une réponse pour cela.

1) Il n'y a pas qu'un microbiome dans l'intestin. Les microbiomes en général sont donc très divers. Un microbiome de poisson sur les écailles sera bien sûr très différent de celui sur une peau humaine.

2) Les microbiomes intestinaux sont également très différents à la fois en termes de contenu taxonomique et fonctionnel, car ils se trouvent dans des niches écologiques différentes.

3) Il existe des études sur le microbiome pour presque tous les types d'organismes que je peux imaginer maintenant. Poissons, insectes, serpents, vous l'appelez. Ils diffèrent par la diversité et la composition de leur microbiome, mais aussi par les méthodes et les bases de données utilisées, il est donc difficile de les comparer.

4) Plus nous nous éloignons des microbiomes bien étudiés, moins notre attribution de taxonomie et de fonction sera spécifique, car nous n'avons pas vu suffisamment de microbes comparables auparavant. Donc plus d'informations seront cachées dans la "matière noire" (en métagénomique : lectures non affectées à un taxon et/ou une fonction).

Malheureusement, je ne connais pas encore de microbiomes de méduses. Leur corps (pour autant que je sache) semble être beaucoup plus "perméable" à l'eau de mer (-> leur environnement) et donc je pense qu'ils auraient généralement des bactéries aquatiques dans tout ce qui correspond à leur intestin. Le microbiome marin serait très diversifié et beaucoup trop peu étudié, bien qu'il existe des projets sympas comme la Journée mondiale de l'échantillonnage des océans pour essayer de combler au mieux cet énorme écart.


Une introduction à la métagénomique

Affiliation Community Cyberinfrastructure for Marine Microbial Ecology Research and Analysis, California Institute for Telecommunications and Information Technology, University of California San Diego, La Jolla, Californie, États-Unis d'Amérique

Affiliations Communauté Cyberinfrastructure pour la recherche et l'analyse en écologie microbienne marine, California Institute for Telecommunications and Information Technology, University of California San Diego, La Jolla, Californie, États-Unis d'Amérique, Program in Bioinformatics and Systems Biology, Burnham Institute for Medical Research, La Jolla , Californie, États-Unis d'Amérique

Affiliations Département de microbiologie, Université de Miami, Oxford, Ohio, États-Unis d'Amérique, Département d'informatique et de génie logiciel, Université de Miami, Oxford, Ohio, États-Unis d'Amérique


La nouvelle science de la métagénomique

Copiez le code HTML ci-dessous pour intégrer ce livre dans votre propre blog, site Web ou application.

Qu'est-ce qu'une prépublication ?

Une copie non corrigée, ou prépublication, est une épreuve non corrigée du livre. Nous publions des prépublications pour faciliter l'accès en temps opportun aux conclusions du comité.

Que se passe-t-il lorsque je précommande ?

La version finale de ce livre n'a pas encore été publiée. Vous pouvez pré-commander un exemplaire du livre et nous vous l'enverrons dès qu'il sera disponible. Nous ne vous facturerons pas le livre jusqu'à ce qu'il soit expédié. Le prix d'un livre pré-commandé est estimé et sujet à changement. Toutes les commandes en souffrance seront libérées au prix final établi. Par courtoisie, si le prix augmente de plus de 3,00 $, nous vous en informerons.

Si le prix diminue, nous facturerons simplement le prix le plus bas.

Les remises applicables seront prolongées.

Télécharger et utiliser des livres électroniques à partir de NAP

Qu'est-ce qu'un eBook ?

Un ebook est l'un des deux formats de fichiers destinés à être utilisés avec des appareils de lecture électronique et des applications telles que Amazon Kindle ou Apple iBooks.

Pourquoi un eBook est-il meilleur qu'un PDF ?

Un PDF est une représentation numérique du livre imprimé. Ainsi, même s'il peut être chargé dans la plupart des programmes de lecture électronique, il ne permet pas de texte redimensionnable ou de fonctionnalité interactive avancée. Le livre électronique est optimisé pour les appareils et les applications de lecture électronique, ce qui signifie qu'il offre une bien meilleure expérience de lecture numérique qu'un PDF, y compris du texte redimensionnable et des fonctionnalités interactives (lorsqu'elles sont disponibles).

Où puis-je obtenir des fichiers eBook ?

Les fichiers eBook sont désormais disponibles pour un grand nombre de rapports sur le site Web NAP.edu. Si un livre électronique est disponible, vous verrez l'option de l'acheter sur la page du livre.

Types de publications

Rapport d'étude de consensus : Les rapports d'étude de consensus publiés par les Académies nationales des sciences, de l'ingénierie et de la médecine documentent le consensus fondé sur des preuves sur l'énoncé des tâches de l'étude par un comité de rédaction d'experts. Les rapports comprennent généralement des constatations, des conclusions et des recommandations basées sur les informations recueillies par le comité et les délibérations du comité. Chaque rapport a été soumis à un processus d'examen par les pairs rigoureux et indépendant et il représente la position des académies nationales sur l'énoncé des tâches.

Contributeurs

La description

Bien que nous ne puissions généralement pas les voir, les microbes sont essentiels à chaque partie de la vie humaine, voire à toute la vie sur Terre. Le domaine émergent de la métagénomique offre une nouvelle façon d'explorer le monde microbien qui transformera la microbiologie moderne et conduira à des applications pratiques en médecine, en agriculture, en énergie alternative, en assainissement de l'environnement et dans de nombreux autres domaines. La métagénomique permet aux chercheurs d'examiner les génomes de tous les microbes d'un environnement à la fois, offrant une « méta » vue de l'ensemble de la communauté microbienne et des interactions complexes au sein de celle-ci. C'est un bond en avant au-delà des techniques de recherche traditionnelles qui reposent sur l'étude - un à la fois - des quelques microbes qui peuvent être cultivés en laboratoire. À la demande de la National Science Foundation, de cinq instituts des National Institutes of Health et du Department of Energy, le National Research Council a organisé un comité pour examiner l'état actuel de la métagénomique et identifier les obstacles auxquels les chercheurs actuels sont confrontés afin de déterminer comment pour soutenir au mieux le domaine et favoriser sa réussite. La nouvelle science de la métagénomique recommande la création d'une « Initiative mondiale de métagénomique » comprenant un petit nombre de projets de métagénomique à grande échelle ainsi que de nombreux projets à moyenne et petite échelle pour faire progresser la technologie et développer les pratiques standard nécessaires pour faire progresser le domaine. Le rapport aborde également les besoins en bases de données, les défis méthodologiques et l'importance de la collaboration interdisciplinaire pour soutenir ce nouveau domaine.

Les sujets

Citation suggérée

Importez cette citation dans :

Informations sur les publications

RESSOURCES EN UN COUP D'IL

Table des matières

Liens

L'audio

Informations sur le droit d'auteur

La National Academies Press et le Transportation Research Board se sont associés au Copyright Clearance Center pour offrir une variété d'options de réutilisation de notre contenu. Vous pouvez demander l'autorisation de :

  • Republier ou afficher dans une autre publication, présentation ou autre média
  • Utilisation dans des supports de cours et des mémoires imprimés ou électroniques
  • Partage électronique via intranet ou extranet sécurisé
  • Et plus

Pour la plupart des utilisations académiques et éducatives, aucune redevance ne sera facturée bien que vous deviez obtenir une licence et vous conformer aux termes et conditions de la licence.

Traduction et autres droits

Pour plus d'informations sur la façon de demander l'autorisation de traduire notre travail et pour toute autre question relative aux droits, veuillez cliquer ici.

Service client Copyright.com

Pour toute question concernant l'utilisation du service Copyright.com, veuillez contacter :

Chargement des statistiques pour La nouvelle science de la métagénomique : révéler les secrets de notre planète microbienne.


Qu'est-ce que la métagénomique nous enseigne et qu'est-ce qui manque ?

Le séquençage métagénomique par fusil de chasse a révolutionné notre capacité à détecter et à caractériser la diversité et la fonction des communautés microbiennes complexes. Dans cette revue, nous soulignons les avantages de l'utilisation de la métagénomique ainsi que l'étendue des conclusions qui peuvent être tirées à l'aide des outils analytiques actuellement disponibles, tels qu'une plus grande résolution des espèces et des souches à travers les phylums et le contenu fonctionnel, tout en soulignant les défis de l'analyse des données métagénomiques. Des défis majeurs demeurent dans la fonction d'annotation, étant donné le manque de bases de données fonctionnelles pour les bactéries environnementales par rapport aux organismes modèles, et les difficultés techniques d'assemblage et de phasage du métagénome dans des échantillons environnementaux hétérogènes. À l'avenir, les améliorations et l'innovation dans la technologie et la méthodologie conduiront à des coûts réduits. L'intégration des données à l'aide de multiples plateformes technologiques permettra de mieux comprendre comment exploiter les métagénomes. Par la suite, nous pourrons non seulement caractériser des microbiomes complexes, mais aussi manipuler les communautés pour obtenir des résultats prospères pour la santé, l'agriculture et la durabilité environnementale.


Qu'est-ce que la métagénomique nous enseigne et qu'est-ce qui manque ?

Le séquençage métagénomique par fusil de chasse a révolutionné notre capacité à détecter et à caractériser la diversité et la fonction des communautés microbiennes complexes. Dans cette revue, nous soulignons les avantages de l'utilisation de la métagénomique ainsi que l'étendue des conclusions qui peuvent être tirées à l'aide des outils analytiques actuellement disponibles, tels qu'une plus grande résolution des espèces et des souches à travers les phylums et le contenu fonctionnel, tout en soulignant les défis de l'analyse des données métagénomiques. Des défis majeurs demeurent dans la fonction d'annotation, étant donné le manque de bases de données fonctionnelles pour les bactéries environnementales par rapport aux organismes modèles, et les difficultés techniques d'assemblage et de phasage du métagénome dans des échantillons environnementaux hétérogènes. À l'avenir, les améliorations et l'innovation dans la technologie et la méthodologie conduiront à des coûts réduits. L'intégration des données à l'aide de multiples plateformes technologiques permettra de mieux comprendre comment exploiter les métagénomes. Par la suite, nous pourrons non seulement caractériser des microbiomes complexes, mais aussi manipuler les communautés pour obtenir des résultats prospères pour la santé, l'agriculture et la durabilité environnementale.


Conclusion

Nous avons utilisé des bases de données sur des gènes connus pour estimer la structure globale et la diversité des résistomes et des taxons antibiotiques dans des métagénomes profondément séquencés à travers les environnements, y compris les humains et les animaux. Plus important encore, nous avons décrit le potentiel de nombreux environnements externes, tels que les environnements soumis à la pollution pharmaceutique, l'air et les eaux usées/boues, à servir de points chauds pour le développement de la résistance et/ou la transmission des ARG. De plus, nos résultats indiquent que ces environnements peuvent jouer un rôle important dans la mobilisation d'ARG encore inconnus et leur transmission ultérieure à des agents pathogènes humains. Ensemble, pour fournir des conseils sur les actions de réduction des risques, nous suggérons des mesures réglementaires strictes pour les rejets de déchets des industries pharmaceutiques et encourageons une plus grande attention à l'air dans la transmission de la résistance aux antibiotiques.


Normes pour les données appariées

L'objectif du PoDP est de connecter des ensembles de données métabolomiques publics à leurs origines génomiques. Le PoDP ne stocke aucun ensemble de données métabolomique ou génomique, mais capture des métadonnées définissant des paires d'ensembles de données omiques dans des bases de données et plates-formes publiques existantes déjà validées et utilisées par les communautés génomiques et métabolomiques. Le PoDP se compose d'un formulaire en six sections pour une saisie facile et rapide des données (Fig. 1). Les métadonnées sont organisées en projets qui peuvent consister en plusieurs expériences connexes, identifiées par leur adhésion MassIVE ou leur identifiant d'étude MetaboLights. Les (méta)génomes utilisés dans ces expériences peuvent tous être ajoutés au même projet via un identifiant de base de données publique (par exemple, un numéro d'accession NCBI GenBank ou JGI Genome ID), l'utilisateur créant des étiquettes de génome faciles à rappeler pour chaque (méta)génome. Des métadonnées minimales contenant des informations sur la préparation des échantillons et la collecte de données sont enregistrées de manière modulaire, permettant plusieurs configurations expérimentales au sein d'un même projet. De plus, grâce aux identifiants d'accession BioSample, les métadonnées stockées ailleurs peuvent également être liées au (méta)génome(s). Les étiquettes de métadonnées spécifiées par l'utilisateur sont également utilisées pour un rappel facile dans l'étape de liaison, dans laquelle une URL pour un ensemble spécifique de spectres MS est liée à l'étiquette du génome et aux étiquettes de métadonnées pour créer un lien génome-métabolome. Pour créer un lien BGC-MS/MS, un identifiant MIBiG pour le même BGC ou un BGC similaire peut être lié à une URL MS/MS et au numéro de balayage d'une seule molécule mesurée ou de nœuds de réseau moléculaire (représentant des molécules mesurées uniques) dans une famille moléculaire (un groupe de molécules structurellement apparentées identifiées par des motifs de fragmentation similaires). Cette approche stimule ainsi la soumission de clusters de gènes validés au référentiel MIBiG afin de faire un lien BGC-MS/MS dans le PoDP.

Le PoDP relie les données génomiques et métabolomiques déposées dans des référentiels publics, accompagnées de métadonnées minimales. La plate-forme documente les informations de base du demandeur ainsi que les numéros d'accession des données du métabolome et du génome. La journalisation standardisée des détails expérimentaux clés permet aux utilisateurs de mieux rechercher et comparer les ensembles de données, et les étiquettes définies par l'utilisateur du génome et des détails expérimentaux (sections 3 et 4) permettent une soumission simple de plusieurs liens. Le cœur de la plate-forme est constitué de liens entre les ensembles de données génomiques et métabolomiques et de liens entre les BGC et les spectres MS/MS, qui facilitent l'intégration des données. PMID, PubMed ID OD, densité optique CE, énergie de collision SMILES, entrée de ligne d'entrée moléculaire simplifiée IUPAC, Union internationale de chimie pure et appliquée MS 2 , fragmentation MS/MS.

En obtenant des commentaires itératifs d'un groupe d'utilisateurs précoces de divers groupes de recherche, nous avons réduit les métadonnées requises dans le PoDP aux informations minimales nécessaires pour établir des liens significatifs entre les données génomiques et métabolomiques pertinentes pour la communauté. La capture de la gamme complète des variables pertinentes dans une expérience donnée dans un format standardisé et lisible par machine conduirait à un processus de saisie de données très complexe et fastidieux. Par conséquent, un équilibre a été trouvé entre la saisie de données flexible et conviviale, en maintenant la lisibilité par machine pour les futures analyses à grande échelle. En standardisant et en connectant aux ontologies uniquement les informations les plus pertinentes susceptibles d'affecter considérablement les métabolites produits, extraits et détectés par MS, nous sommes arrivés à un ensemble de métadonnées minimales requises pour la soumission.

Pour permettre la lisibilité des données par la machine, des ontologies sont utilisées pour standardiser les options de réponse dans la mesure du possible. Cela garantit qu'une communauté mondiale peut utiliser le même terme pour un élément de métadonnées donné et utiliser ces ontologies pour effectuer des sélections précises et significatives de données à analyser. Par exemple, les chercheurs peuvent sélectionner et obtenir de manière fiable uniquement des ensembles de données qui utilisent du bouillon de soja tryptique pour la culture ou uniquement des ensembles de données métagénomiques dérivés d'invertébrés aquatiques, ou simplement la fraction d'ensembles de données appariés dans lesquels les données MS ont été obtenues en mode d'ionisation positive. Pour les catégories de métadonnées avec de nombreuses options, dans lesquelles toutes les possibilités ne peuvent pas être capturées par des ontologies standard, une catégorie « Autre » est fournie pour plus d'explications. Le texte libre saisi dans les cases « Autre » n'est par nature pas lisible par machine, mais offre une option de personnalisation par l'utilisateur et peut aider à conserver des enregistrements importants mais non standardisés des données appariées. De plus, tous les champs, y compris les cases « Autre », peuvent être recherchés pour trouver des projets contenant des données spécifiques.


MATÉRIAUX ET MÉTHODES

Ensembles de données

Pour entraîner le modèle, nous avons utilisé 9 565 séquences fasta, comprenant à la fois des chromosomes (1961) et des plasmides (7604) d'organismes du royaume des bactéries, que nous avons téléchargés à partir du FTP NCBI Refseq Genomes (ftp://ftp.ncbi.nlm.nih .gov/genomes/refseq) sur la base des critères suivants : (i) le génome a été marqué comme le « génome représentatif » (ii) le génome était au niveau de l'assemblage « Génome complet » (iii) pour une espèce donnée, seulement le plus haut -la séquence à jour a été téléchargée. De plus, les séquences plasmidiques ont été téléchargées à partir de ftp://ftp.ncbi.nlm.nih.gov/genomes/refseq/plasmid/. Les informations taxonomiques ont été obtenues à l'aide du package rentrez (Hiver, 2016, disponible sur https://CRAN.R-project.org/package=rentrez) dans R basé sur taxon_id fourni dans le fichier assembly_summary.txt du FTP NCBI, et ont été en outre manuellement organisé pour filtrer les séquences eucaryotes, archéales et virales. Les séquences d'apprentissage ont ensuite été dédupliquées pour éliminer les plasmides présents à la fois dans les séquences du génome entier et dans la base de données de plasmides Refseq. Toutes les séquences complètes utilisées pour l'entraînement sont répertoriées dans le tableau supplémentaire S1 . Dans l'étape suivante, toutes les séquences ont été divisées au hasard en fragments plus petits avec des longueurs de 5, 10 ou 50 kb, qui couvraient jusqu'à 5 ou 75 % de la longueur de séquence des chromosomes et des plasmides individuels, respectivement. Les séquences restantes, qui n'étaient pas incluses dans l'ensemble de données d'entraînement de 10 ko, ont été filtrées pour avoir une longueur minimale de 1 ko et utilisées pour d'autres analyses de performances. Cet ensemble de données de validation contenait 61 221 fragments de séquence avec des longueurs allant de 1 à 1580 kb. Tous les fragments de séquence ont été marqués en utilisant des informations sur l'origine (plasmide/chromosome) et taxonomique (phylum) (voir les détails ci-dessous).

Pour tester notre approche, nous avons utilisé des données de plasmidome de référence, qui comprenaient : (i) l'assemblage de plasmidome du rumen bovin (ensemble de données Brown Kav) (18), qui a été téléchargé à partir du MG-RAST (32) (accession 4460391.3) (ii) le métagénome plasmidique d'un assemblage de système de boues activées ( 33), qui a été téléchargé à partir du MG-RAST (accession 4474000.3) (iii) le métagénome plasmidique d'une boue activée (ensemble de données Zhang) ( 6), qui a été téléchargé en tant que lectures brutes à partir du NCBI Short Read Archive (SRA) (accession SRP007256.1) et assemblé à l'aide de plasmides SPAdes 3.9.1 (34) (iv) de l'usine de traitement des eaux usées (ensemble de données Szczepanowski) (12) qui a été téléchargé à partir de ftp://ftp.cebitec .uni-bielefeld.de/pub/supplements/SzczepanowskiEtAl_Insight_JournalBiotech_2008.zip en tant que lectures brutes et assemblées à l'aide de SPAdes, avec une option d'assembleur uniquement en raison du manque de données de qualité.

L'applicabilité du logiciel présenté aux données génomiques nouvellement séquencées a été évaluée en utilisant Aeromonas sp. 023A ( 35), assemblés à l'aide de SPAdes, et des projets de séquences génomiques disponibles dans la base de données Refseq, correspondant aux critères suivants : (i) le génome a été marqué comme le « génome représentatif » (ii) le génome était au niveau de l'assemblage « échafaudage » ou 'Contig' et (iii) pour une espèce donnée, seule la séquence la plus récente a été téléchargée. Un test supplémentaire a été effectué en utilisant un ensemble de 42 génomes bactériens contenant un nombre variable de plasmides, qui a été décrit dans Arredondo-Alonso et al. (31). Une liste des génomes et de leurs accessions est fournie dans le tableau supplémentaire S2 . Les données de séquençage brutes pour chaque génome ont été téléchargées à partir de SRA et assemblées à l'aide de SPAdes 3.9.1. Les séquences d'assemblage de référence ont été téléchargées à partir de GenBank.

L'évaluation des données métagénomiques a été réalisée à l'aide de séquences de tapis microbiens habitant les eaux de mine d'une mine d'uranium abandonnée à Kowary (KOW) et d'une mine d'or à Zloty Stok (ZS), en Pologne. Les lectures brutes, disponibles au MG-RAST (numéros d'accès dans le tableau supplémentaire S3), ont été assemblées à l'aide de SPAdes 3.9.1 ( 34).

Traitement des séquences et formation en réseau de neurones

Un organigramme illustrant les principales étapes concernant la préparation de l'ensemble de données d'entraînement, l'entraînement du réseau neuronal et la classification des séquences est présenté à la figure 1.


Fond

Avec la croissance rapide de la population humaine, l'industrialisation et l'urbanisation, les niveaux de pollution dans les rivières ont considérablement augmenté. L'eau douce est nécessaire pour répondre aux demandes de la population humaine, cependant, le déversement de déchets domestiques, industriels et agricoles dans les sources d'eau douce a conduit à sa détérioration rapide. Une grande variété de polluants organiques et inorganiques non traités, y compris les déchets fécaux, les effluents industriels, les huiles, les graisses, les plastiques, les plastifiants, les aromatiques, les pesticides et les métaux lourds sont déversés dans les rivières. En conséquence, de nombreuses rivières ont été converties en drains transportant les eaux usées, ce qui constitue une immense menace pour l'écosystème. Un scénario similaire existe en Inde, où plusieurs grands fleuves présentent des niveaux élevés de pollution affectant la population humaine et l'écosystème environnant [1,2,3,4,5].

La Yamuna, le plus long affluent du Gange, est l'une des rivières les plus polluées de l'Inde [6, 7]. Il prend sa source dans le glacier Yamunotri, traverse 1376 km avant de se fondre dans le Gange à Allahabad. Yamuna reçoit les émissaires de 18 drains majeurs de la région de Delhi (Central Pollution Control Board (CPCB) 2015). Les rejets non traités des eaux de ruissellement urbains constitués de déchets fécaux, de déchets hospitaliers et d'autres déchets ménagers, et d'effluents industriels sont les principaux contributeurs à la pollution, provoquant une augmentation de la charge organique, des produits chimiques toxiques et des métaux lourds dans la rivière [8, 9 ]. Selon les rapports d'évaluation de l'eau de Yamuna, une teneur en coliformes de 0,1 à 1,1 mg/l d'OD, de 29 à 67 mg/l de DBO et de 230 000 à 160 000 000 de NPP/100 ml a été observée en 2016 sur un site de New Delhi (CPCB 2017). Les faibles niveaux d'oxygène dissous et les niveaux très élevés de DBO sont des indicateurs de la détérioration de la qualité de l'eau de la rivière.

Les microbes sont des composants essentiels des écosystèmes aquatiques et possèdent une vaste gamme de gènes métaboliques et sont les principaux agents du cycle biogéochimique [10]. Cependant, les communautés bactériennes d'une rivière polluée comme Yamuna se développent grâce à la charge organique accumulée, aux produits chimiques toxiques, aux xénobiotiques et aux métaux lourds présents dans la rivière. Dans un tel environnement, le microbiome bactérien devrait posséder des gènes capables de dégrader divers polluants, notamment des composés organiques, des toxiques et des xénobiotiques. De plus, le rejet urbain entraîne également une accumulation d'antibiotiques dans les drains récepteurs qui se jettent dans la rivière Yamuna [11,12,13,14,15]. Des antibiotiques tels que l'ampicilline, la ciprofloxacine, la gatifloxacine, la sparfloxacine et la cépuroxime ont été détectés dans la rivière Yamuna sur différents sites de la région de New Delhi [15]. La détection d'antibiotiques et le rejet d'un grand nombre d'eaux usées dans la rivière suggèrent la présence d'un pool de résistome résidant dans la Yamuna [16]. Cependant, on ne sait que peu de choses sur la prévalence des ARG dans la rivière, qui est une source majeure d'eau pour une grande population en Inde.

Comprendre la dynamique de la structure et du fonctionnement des communautés à travers les sources d'eau douce contaminées, telles que la Yamuna, aide à déterminer l'impact des pratiques humaines sur les écosystèmes aquatiques. Les caractéristiques environnementales uniques et la présence d'eutrophisation de la rivière Yamuna en font un site d'étude distinct pour explorer la structure de la communauté bactérienne, qui est mal caractérisée pour cette rivière. Ainsi, le présent travail identifie les communautés bactériennes présentes dans l'eau de la rivière Yamuna en utilisant des approches métagénomiques. Les niveaux de pollution à Yamuna montrent des variations drastiques entre la période précédant et suivant la mousson. Par conséquent, pour capturer la diversité bactérienne de la rivière et comprendre les différences entre les deux saisons, les évaluations métagénomiques ont été réalisées à deux moments : juin (avant la mousson) et novembre (après la mousson). Il s'agit de la première étude à donner un aperçu des caractéristiques fonctionnelles ainsi que de la diversité bactérienne du microbiome de la rivière Yamuna. Étant donné que cette rivière est une source d'eau douce, qui est contaminée par les eaux usées, une analyse comparative du métagénome de la rivière Yamuna avec les métagénomes d'eaux usées et d'eau douce a également été réalisée.


Affiliations

National Center for Biotechnology Information, National Library of Medicine, National Institutes of Health, Bethesda, MD, 20894, États-Unis

Natalya Yutin, Sofiya Shevchenko, Vladimir Kapitonov et Eugene V. Koonin

Unité Biologie Moléculaire du Gène chez les Extrêmophiles, Département de Microbiologie, Institut Pasteur, Paris, France

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Auteur correspondant


Voir la vidéo: Metagenome Assembly, Binning, and Extracting Genomes (Juin 2022).


Commentaires:

  1. Guyapi

    Tu as tout à fait raison. Quelque chose y est et c'est une bonne pensée. C'est prêt pour te soutenir.

  2. Elisheva

    Je rejoins tout ce qui précède. Essayons de discuter de la question. Ici, ou l'après-midi.

  3. Kerrigan

    Quelle pensée abstraite

  4. Togor

    Cette très bonne pensée doit être délibérément

  5. Erhardt

    Me rejeter de cela.



Écrire un message