stringtranslate.com

Estudio de asociación del microbioma en su conjunto

Un estudio de asociación de todo el microbioma ( MWAS ), también conocido como estudio de asociación de todo el metagenoma ( MGWAS ), es una metodología estadística utilizada para examinar el metagenoma completo de un microbioma definido en varios organismos para determinar si alguna característica (por ejemplo, gen o especie) del microbioma está asociada con un rasgo del huésped . El MWAS ha sido adoptado por el campo de la metagenómica a partir del ampliamente utilizado estudio de asociación de todo el genoma (GWAS).

Resultados de los análisis de asociación de todo el microbioma utilizando el método de regresión de una sola OTU entre las unidades taxonómicas operativas y la ingesta de alimento residual (RFI) y la tasa de conversión alimenticia (FCR). En los gráficos, las líneas continuas y discontinuas representan la significancia y la significancia sugestiva con tasas de error de tipo I de 5 y 10 % por familia, respectivamente [1]

Si bien MWAS está vinculado fonética y conceptualmente a GWAS, existen varias diferenciaciones clave:

Existen varias formas de clasificar qué característica del microbioma se utilizará en un MWAS. El MWAS se puede evaluar utilizando un nivel taxonómico específico (especie, género, [8] filo, etc.), unidad taxonómica operativa (OTU) [1] o variante de secuencia de amplicón (ASV), transcriptoma [ 9] , proteoma [10] y más. El enfoque utilizado depende de la hipótesis de investigación, ya que cada método a menudo dará resultados diferentes.

A menudo, se utiliza un enfoque basado en el nivel taxonómico o OTU/ASV para determinar las correlaciones entre la característica específica del microbioma y el fenotipo deseado. Se pueden emplear varios métodos, como enfoques de aprendizaje automático como bosques aleatorios [11] y aprendizaje profundo [12] . La asociación de características también se puede establecer con programas como DESeq2 y ANCOM. Sin embargo, las correlaciones establecidas por la amplia gama de herramientas disponibles pueden no siempre traducirse en causalidad. Los investigadores determinan la causalidad a través de pruebas secuenciales [13] . Los métodos más nuevos han explorado la inferencia de gemelos digitales del ecosistema microbiano para abordar algunos desafíos de modelado que surgen de la diversidad de microbios en dichos entornos, la variabilidad entre hospedadores y la composicionalidad de las mediciones [14] .

Referencias

  1. ^ ab Aliakbari, Amir; Zemb, Olivier; Cauquil, Laurent; Barilly, Céline; Billon, Yvon; Gilbert, Hélène (25 de abril de 2022). "Análisis de asociación de microbioma y microbiobilidad de la eficiencia alimentaria y los rasgos de rendimiento en cerdos". Genetics Selection Evolution . 54 (1): 29. doi : 10.1186/s12711-022-00717-7 . ISSN  1297-9686. PMC  9036775 . PMID  35468740.
  2. ^ Consorcio MetaHIT; 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 (4 de marzo de 2010). "Un catálogo de genes microbianos intestinales humanos establecido mediante secuenciación metagenómica". 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 (7 de julio de 2016). "Estudios de asociación de todo el microbioma vinculan consorcios microbianos dinámicos con enfermedades". 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. (15 de marzo de 2011). "Sucesión de consorcios microbianos en el microbioma intestinal infantil en desarrollo". Actas de la Academia Nacional de Ciencias . 108 (suplemento_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 (18 de noviembre de 2021). "Variabilidad temporal en los perfiles cuantitativos del microbioma intestinal humano e implicaciones para la investigación clínica". 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. (15 de noviembre de 2017). "Los conjuntos de datos del microbioma son compositivos: y esto no es opcional". Frontiers in Microbiology . 8 : 2224. doi : 10.3389/fmicb.2017.02224 . ISSN  1664-302X. PMC 5695134 . PMID  29187837. 
  7. ^ Aitchison, John; Greenacre, Michael (8 de octubre de 2002). "Biplots de datos compositivos". Revista de la Royal Statistical Society Serie C: Estadística Aplicada . 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 (3 de noviembre de 2015). White, Bryan A (ed.). "Estudios de asociación de todo el genoma de la microbiota intestinal humana". 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 (23 de noviembre de 2020). "El análisis integrado del microbioma y el transcriptoma del huésped revela correlaciones entre la microbiota intestinal y los resultados clínicos en el carcinoma hepatocelular relacionado con el VHB". Medicina del genoma . 12 (1): 102. doi : 10.1186/s13073-020-00796-5 . ISSN  1756-994X. PMC 7682083 . PMID  33225985. 
  10. ^ Riddell, Nina; Crewther, Sheila G. (30 de enero de 2017). "La comparación integrada de estudios de GWAS, transcriptoma y proteómica destaca similitudes en la base biológica de la miopía animal y humana". Oftalmología de investigación y ciencia visual . 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 (3 de agosto de 2021). "La genética APOE influye en el microbioma intestinal murino". doi : 10.21203/rs.3.rs-746611/v1 . {{cite journal}}: Requiere citar revista |journal=( ayuda )
  12. ^ Zhu, Qiang; Li, Bojing; Él, hormigueo; Li, Guangrong; Jiang, Xingpeng (15 de febrero de 2020). "Descubrimiento sólido de biomarcadores para estudios de asociación de todo el microbioma". Métodos . 173 : 44–51. doi :10.1016/j.ymeth.2019.06.012. PMID  31238097. S2CID  195660885.
  13. ^ Surana, Neeraj K.; Kasper, Dennis L. (14 de diciembre de 2017). "Más allá de las asociaciones de todo el microbioma para la identificación causal de microbios". Nature . 552 (7684): 244–247. Bibcode :2017Natur.552..244S. doi :10.1038/nature25019. ISSN  0028-0836. PMC 5730484 . PMID  29211710. 
  14. ^ Sizemore, Nicholas; Oliphant, Kaitlyn; Zheng, Ruolin; Martin, Camilia R.; Claud, Erika C.; Chattopadhyay, Ishanu (12 de abril de 2024). "Un gemelo digital del microbioma infantil para predecir los déficits del desarrollo neurológico". Science Advances . 10 (15): eadj0400. Bibcode :2024SciA...10J.400S. doi :10.1126/sciadv.adj0400. ISSN  2375-2548. PMC 11006218 . PMID  38598636.