A metagenomika a molekuláris genetika egyik ága , amely a környezeti mintákból nyert genetikai anyagot vizsgálja . A metagenomika a környezet egy mintájában – a metagenomban – található összes mikroorganizmus génkészletét vizsgálja . A metagenomikus elemzés lehetővé teszi a vizsgált minta fajdiverzitásának meghatározását anélkül, hogy mikroorganizmusok izolálása és tenyésztése szükséges lenne.
A metagenomikus megközelítés alkalmazásának fő előnye, hogy nemcsak a tenyésztett, hanem a nem tenyésztett mikroorganizmusokat is figyelembe veszi. Kiderült, hogy az ilyen szervezetek adják a fő hozzájárulást a közösségek faji sokféleségéhez [1] . A metagenomika lehetővé teszi a közösségek sokféleségének részletes tanulmányozását, ezáltal működésük mechanizmusainak feltárását, anyagcsere - kapcsolatok meghatározását [2] .
A metagenomika széles körű fejlődése az új generációs szekvenálási módszerek elterjedésének köszönhető . Lehetővé teszik a közösség minden mikroorganizmusának szinte valamennyi génjének szekvenciájának beszerzését [3] . Mivel a DNS-szekvenálás ára minden nap csökken, az ilyen elemzések egyre megfizethetőbbé válnak.
A "metagenomika" kifejezést először Joe Handelsman [ , John Clardy , Robert Goodman , Sean Brady és mások használták 1998-as kiadványukban [4] . A "metagenom" kifejezés abból az elképzelésből ered, hogy a környezetből összegyűjtött génkészletet ugyanúgy lehet elemezni, mint a teljes genomokat. Kevin Chen és Lyor Patcher ( a Kaliforniai Egyetem kutatói, Berkeley ) a metagenomikát úgy határozták meg, mint "a modern genomikai technikák alkalmazása az egyes fajok izolálása és laboratóriumi tenyésztése nélkül" [5] .
Hosszú ideig a mikroorganizmusok genomjának szekvenálásakor általában azonos sejtek tenyészeteit használták DNS-forrásként. A korai metagenomikai vizsgálatok azonban kimutatták, hogy sok élőhelyen nagy mikroorganizmus-csoportok találhatók, amelyeket nem lehet laboratóriumi tenyészetben termeszteni, és ezért genomjuk nem szekvenálható. Ezek a korai munkák 16S rRNS-szekvenciákat tanulmányoztak , amelyek meglehetősen rövidek, gyakran egyetlen fajon belül konzerváltak, és fajonként eltérőek. Számos, különböző élőhelyen található 16S rRNS szekvencia nem tulajdonítható egyik tenyésztett fajnak sem, ami sok nem izolált mikroorganizmus létezésére utal. Ezek a vizsgálatok kimutatták, hogy a környezeti mintában talált fajok mindössze 1%-át termesztik [1] .
Ezen a területen a molekuláris kutatást Norman Pace és munkatársai kezdeményezték, akik PCR segítségével vizsgálták az rRNS-szekvenciák sokféleségét [6] . E tanulmányok révén Pace 1985-ben előmozdította a DNS közvetlen környezeti mintákból történő klónozásának ötletét [7] . 1991-ben Pace és munkatársai közzétették az első jelentést a környezeti mintákból származó DNS izolálásáról és klónozásáról [8] . Bár a meglévő módszertan akkoriban csak nagyon konzervatív, nem fehérjét kódoló génekkel tette lehetővé a munkát , lehetővé tette a morfológiai mikrobiológiai vizsgálatok eredményeinek megerősítését, ami a mikroorganizmusok nagyobb fajdiverzitását jelezte, mint a laboratóriumi tenyésztési módszerek. Healy 1995-ben beszámolt a funkcionális gének metagenomikus izolálásáról a környezeti mikroorganizmusok száraz füvön termesztett komplex laboratóriumi tenyészetéből [9] . Edward DeLong , aki elhagyta Pace laboratóriumát, lefektette az alapjait a mikroorganizmusok törzsfejlődésének a környezetből 16S rRNS alapján történő felépítéséhez. Saját csoportja elkezdte összeállítani a tengeri mikroorganizmusok genetikai anyagának könyvtárát [10] .
2002-ben Mia Breitbard, Forest Rower és munkatársai a környezeti minták sörétes szekvenálásával kimutatták, hogy 200 liter tengervíz több mint 5000 fajta vírust tartalmaz [11] . További vizsgálatok kimutatták, hogy az emberi széklet több mint ezer fajta vírust tartalmaz, és egy kilogramm tengeri üledék több mint egymillió fajta vírust tartalmazhat, beleértve a bakteriofágokat is . Szinte mindegyik vírus új faj volt. 2004-ben a DNS-t teljesen szekvenálták a savas bányavizekből [12] . Ennek a vizsgálatnak köszönhetően lehetőség nyílt olyan baktérium- és régészeti fajok teljes vagy csaknem teljes genomjának megszerzésére, amelyeket korábban nem tenyésztettek laboratóriumban [13] .
2003 elején Craig Venter , a Human Genome Project párhuzamos projektjének vezetője expedíciót szervezett, hogy óceánvízmintákat gyűjtsön a Föld minden tájáról ( angolul: Global Ocean Sampling Expedition (GOS) ). Minden mintát sörétes szekvenálással azonosították az új szervezetek genomját. 2000 különböző faj DNS-ét azonosították a Sargasso-tengerben, köztük 148 új baktériumfajt [14] .
Stefan Schuster és munkatársai a Pennsylvaniai Egyetemen 2005-ben publikálták az első szekvenciát egy környezeti mintából, amelyet nagy áteresztőképességű szekvenálás, pontosabban piroszekvenálás segítségével nyertek [15] .
Számos humán metagenomikai projekt a megvalósítás különböző szakaszaiban van, vagy már befejeződött, beleértve a bőr és a bél mikroflóra elemzését [16] . A szervezetről alkotott teljes bakteriális kép megszerzése óriási erőfeszítést igényel, a mikroorganizmusok hatalmas faji sokfélesége miatt.
2007-2008-ban elindították a Human Microbiome nevű globális projektet . 2011-ben bemutattak néhány eredményt [17] [18] . 2010 óta Oroszországban körvonalazzák az emberi metagenom nagyszabású tanulmányozását. A gasztroenterológia és a molekuláris biológia területén tevékenykedő vezető orosz intézetek konzorciuma kezdeményező projektként megkezdte az első kísérleteket az emberi bélből származó DNS - minták nagyszabású szekvenálására [19] .
A véletlenszerű fragmentációval történő szekvenálás első széles körben használt módszere a shotgun módszer . Ez abban rejlik, hogy a mintából izolált DNS véletlenszerű fragmentumokra hidrolizálódik . Ezután a molekuláris klónozás módszereivel a kapott fragmentumokból klónkönyvtárat hoznak létre . A DNS-szekvenciákat Sanger-szekvenálással határozzák meg , majd a genomot összeállítják [20] . A szekvenálás információt nyújt a mintában szereplő szervezetekben található génekről. E gének termékeinek funkcionális leírása lehetővé teszi a közösségen belüli metabolikus kapcsolatok meghatározását [21] .
A molekuláris klónozás szakaszának jelenléte a módszerben meglehetősen időigényessé teszi. 2016-tól azonban a Sanger-szekvenálást már nem használják genomszekvenciák meghatározására, hanem új generációs szekvenálási módszereket alkalmaznak , amelyek lehetővé teszik a környezeti mintában lévő szervezetek genomszekvenciáinak gyorsabb és stádium nélküli kinyerését. molekuláris klónozás. [22] [23]
Egy ilyen elemzéssel a mintából származó DNS-készletben a leginkább reprezentált organizmusokhoz tartozó szekvenciák lesznek túlsúlyban. Az alulreprezentált szervezetek genomjainak megfelelő lefedettsége érdekében nagy mennyiségű mintaközeg használata válik szükségessé. Másrészt a szekvenálási módszerek véletlenszerű természete (a DNS-szekvencia véletlenszerű fragmentációja egy mintából) számos organizmus szekvenciáját eredményezi, amelyek észrevétlenek maradhatnak a hagyományos tenyésztési módszerek alkalmazásával, hogy legalább néhány kisebb parcellán rendelkezésre álljanak az elemzéshez. genomi DNS-szekvenciáik [12] .
A közösség fajösszetételének meghatározásának feladatát bizonyos gének szekvenálásával oldják meg, amelyekkel egy közösségben minden élőlénynek rendelkeznie kell. Az ilyen genomi DNS-szekvenciák egyes régiói, például a 16S rRNS - t kódoló gén erősen konzervált szekvenciákból és hipervariábilis régiókból állnak [24] . Ez a funkció lehetővé teszi a konzervált régiókkal komplementer szekvenáló primerek használatát hipervariábilis régiók szekvenciáinak létrehozására. A kapott szekvenciák lehetővé teszik az élőlény egy adott fajhoz való hozzárendelését [25] [26] .
A metagenomikai kísérlet eredményeként kapott adatok hatalmas mennyiségű információt és zajt tartalmaznak, hiszen több ezer és több tízezer különböző fajhoz tartozó DNS-szekvenciák töredékeiről van szó [27] . A hasznos biológiai információk összegyűjtése, gyűjtése és kinyerése ekkora adatkészletekből olyan számítási kihívás, amely bioinformatika segítségével megoldható [28] .
A metagenomikai elemzés első szakasza az adatok előzetes szűrése. Ez magában foglalja a redundáns és gyenge minőségű szekvenciák eltávolítását. Az állati szervezetekből származó metagenomok esetében fontos az eukarióta eredetű szekvenciák eltávolítása [29] . Az eukarióta genomi DNS-szennyeződést az Eu-Detect [30] és a DeConseq [31] algoritmusok segítségével távolítják el .
Lényegében a genomikai és metagenomikai kísérletekből származó DNS-szekvenciák megegyeznek. A metagenomikai kísérletek azonban alacsonyabb lefedettséget biztosítanak, és a következő generációs szekvenálási módszerek alkalmazása az elemzéshez a szekvenálandó szekvencia hosszának korlátozásához vezet [28] . A feladatot a közösségen belüli fajok eltérő reprezentációja is nehezíti. Ezek a sajátosságok oda vezetnek, hogy egy metagenomikai kísérlet adataiból genomrégiók összeállítása nehéz feladattá válik, nagy számítási teljesítményt igényel és hibás eredményekhez vezethet. Például kiméra szekvenciákat kaphatunk, amelyek különböző szervezetekből származó DNS-szekvenciák metszeteinek kombinációi [32] .
Számos olyan program létezik, amely összeállítja a párvégi olvasást, ez a módszer lehetővé teszi a hibák számának csökkentését. Az olyan programokat, mint a Phrap vagy a Celera Assembler eredetileg egyetlen genom összeállítására hozták létre, de jó eredményeket adnak a metagenomikus adatok feldolgozásakor [27] . Más programok, például a Velvet assembler de Bruijn gráfokat használnak a következő generációs szekvenálási módszerekből származó rövid sorozatok (olvasások) kezelésére. A leggyakoribb fajok genomjainak összeállítását a referenciagenomok [32] alkalmazása segíti elő . Összeszerelés után a következő probléma adódik: meg kell határozni, hogy az így létrejövő szekvenciák mely fajokhoz tartoznak [33] .
A metagenomiai elemzésben két fő megközelítést alkalmaznak a kódoló szekvenciák összeállítás utáni megjegyzésére [32] . Az első módszer a homológ annotált gének keresésén alapul , általában BLAST használatával . Ezt a megközelítést a MEGAN4 program [34] valósítja meg . A második megközelítés ( ab initio ) a szekvencia belső jellemzőit használja a kódoló régiók előrejelzésére , megvalósításához rokon organizmusok génjeinek tanító készleteit használják [35] . Ezt a megközelítést a GeneMark [36] és a GLIMMER [37] programok használják . Az ab initio megközelítés fő előnye, hogy képes azonosítani azokat a kódoló szekvenciákat, amelyeknek nem ismertek homológjai [27] .
Míg a metagenom annotációja jelzi, hogy mely funkciók valósulnak meg a közösségben, a fajösszetétel meghatározása lehetővé teszi annak meghatározását, hogy mely szervezetek felelősek ezek megvalósításáért. Azt a folyamatot, amely során bizonyos géneket, és ebből következően azokat a funkciókat, amelyeket képesek ellátni, bizonyos típusú organizmusokkal társítani binningnek nevezik . A BLAST módszerrel valósítják meg hasonló gének keresésén keresztül, amelyeknél ismert, hogy melyik szervezethez tartoznak. Ezt a megközelítést a MEGAN program (MEta Genome Analyzer) valósítja meg [38] . Ezenkívül ez a program lehetővé teszi a metagenom funkcionális annotációjának elvégzését. A feldolgozás során a szekvenciákat NCBI taxonómiai csomópontokhoz és SEED vagy KEGG [39] funkcionális osztályozási csomópontokhoz társítják a legkevésbé közös ősalgoritmus [39 ] segítségével . A program első verzióját 2005-ben használták a mamutcsontból nyert DNS-szekvenciák metagenomikus kontextusának elemzésére [ 15 ] .
Egy másik program, a PhymmBL interpolált Markov modelleket [27] használ erre a célra . A MetaPhlAn [40] és az AMPHORA [41] módszerek egyedi genetikai markerek – bármely kládra jellemző szekvenciák – adatait használják fel, hogy meghatározzák egy taxonómiai csoport reprezentációját egy közösségben [42] . Egyes binning módszerek a belső szekvencia tulajdonságaira vonatkozó információkat használnak, például az oligonukleotidok gyakoriságát vagy a kodonhasználatot .
A rendelkezésre álló DNS-szekvenciák exponenciálisan növekvő számának elemzése nagy kihívást jelent. Ezenkívül az elemzést bonyolítja a metagenomikai projektekhez kapcsolódó összetett metaadatok. Tartalmaznak információkat a vizsgált minta földrajzi elhelyezkedéséről, a környezeti jellemzőkről, a fizikai adatokról, valamint a mintavételi módszerekről [28] . Ezek az információk a kísérletek reprodukálhatóságának biztosításához és a további elemzéshez szükségesek. Fontos, hogy ezeket az információkat szabványosított adatformátumok segítségével mutassuk be, és olyan speciális adatbázisokat fejlesszünk ki, mint például a Genomes OnLine Database (GOLD) [43] .
A metaadatok és a genomiális szekvenciák adatainak integrálására speciális szolgáltatásokat fejlesztettek ki. 2007-ben létrehoztak egy elérhető szolgáltatást a metagenomikai kísérletekből származó adatok elemzésére, a Metagenomics Rapid Annotation az alrendszertechnológiai szerver (MG-RAST) segítségével. 2012-ig körülbelül 50 000 metagenomot töltöttek fel ebbe az adatbázisba [44] .
A metagenomok összehasonlító elemzése lehetővé teszi a mikrobiológiai közösségek működésének sajátosságainak megértését, a szimbiotikus mikroorganizmusok esetében pedig a gazdaszervezet egészségének megőrzésében betöltött szerepük megállapítását [45] . A metagenomok páronkénti és többszörös összehasonlítását fragmenseik összehangolásával , a GC-összetétel , az oligonukleotid-használati minták és a fajdiverzitás összehasonlításával végezzük. Funkcionális összehasonlítás végezhető úgy, hogy a metagenomok fragmenseit összehasonlítjuk a metabolikus útvonalakra vonatkozó információkat tartalmazó adatbázisokkal [39] . Egy közösség funkciójának meghatározásában nem a fajösszetétel meghatározása játszik fontos szerepet, hanem a benne található összes gén funkcionális leírása. A hasonló ökológiai feltételek melletti közösségekben ugyanazok a funkciók találhatók meg, bár az ilyen közösségek fajösszetétele nagymértékben eltérhet [46] . Éppen ezért az összehasonlító elemzés szempontjából nagyon fontosak a metagenomikus minta beszerzésének feltételeit leíró metaadatok [27] .
Az összehasonlító metagenomika fő célja a mikroorganizmusok azon csoportjainak azonosítása, amelyek meghatározzák a környezet egy adott területének jellemzőit. Ezek a jellemzők a mikroorganizmusok csoportjai közötti kölcsönhatások eredményei. Erre a célra fejlesztették ki a Community-Analyzer programot [47] . Lehetővé teszi a közösségek taxonómiai összetételének összehasonlítását és az észlelt mikroorganizmuscsoportok közötti lehetséges kölcsönhatások azonosítását. Ahelyett, hogy egyszerűen összehasonlítaná a taxonómiai csoportok eloszlását, a program az interakciók valószínűségi mintázatait veszi figyelembe.
A metagenomikus közösség elemzésének fő módszere a leolvasások leképezése a GenBankban annotált ismert baktériumok vagy archaeák genomjára . Így ahhoz, hogy megértsük, mely mikroorganizmusok élnek egy adott mintában, és milyen metabolikus kapcsolatok lehetségesek közöttük, nem szükséges újra összeállítani a szekvenciát [48] .
Számos természetes és mesterséges baktériumközösségben (például bioreaktorokban ) az anyagcsere-folyamatokban megoszlik a felelősség, az úgynevezett syntrophia , amelynek eredményeként egyes mikroorganizmusok anyagcseretermékeit más mikroorganizmusok hasznosítják [49]. . Például az egyik ilyen rendszerben - rothasztókban - két szintetikus faj ( Syntrophobacterales és Synergistia ) található, amelyek közös munkája eredményeként a felhasznált nyersanyag teljesen metabolizálható hulladékká ( metán ) alakul. ) [50] . A génexpresszió DNS-mikrotömbök vagy proteomikai analízis segítségével történő tanulmányozásával a kutatók összehozhatják a metabolikus hálózat darabjait metabolikus klaszterek kialakításához [51] .
A metagenomika lehetővé teszi a kutatók számára, hogy hozzáférjenek a mikrobiális közösségek funkcionális és metabolikus sokféleségéhez, azonban a metagenomika nem tudja megmutatni, hogy ezek közül az anyagcsere-folyamatok közül melyik aktív. A metagenomikus hírvivő RNS (metatranskriptom) kinyerése és elemzése információt nyújt a komplex közösségek génexpressziós profiljának szabályozásáról [46] . Technikai nehézségek (például a hírvivő RNS - molekulák gyors lebomlása) miatt a mai napig nagyon kevés tanulmány készült a nem tenyésztett mikrobiális közösségek átiratairól . A microarray technológiák fejlődése azonban lendületet adott a metatranszkriptomák vizsgálatának, és lehetővé vált az egész közösség különböző génjeinek expressziójának értékelése [52] .
A metagenomikus szekvenálást a vírusközösségek tanulmányozására használják . Mivel a vírusok nem rendelkeznek közös univerzális filogenetikai markerrel (például 16S RNS a baktériumok és archaeák esetében, és 18S RNS az eukarióták esetében), az egyetlen módja annak, hogy egy ökológiai mintában egy vírusközösség genetikai diverzitásának tanulmányozását a metagenomikán keresztül érjük el. A vírusmetagenomoknak (más néven viromáknak ) így egyre több információt kell szolgáltatniuk a vírusok sokféleségéről és evolúciójáról [53] .
A metagenomika számos alkalmazásban feltárható. A metagenomika alkalmazható gyakorlati problémák megoldására olyan területeken, mint az orvostudomány , a mérnöki munka, a mezőgazdaság és az ökológia.
A mikrobiális közösségek kulcsszerepet játszanak az emberi egészség megőrzésében , de összetételük és működési mechanizmusaik továbbra is tisztázatlanok [54] . A metagenomikus szekvenálást több száz egyed mikrobiális közösségeinek jellemzésére használták. Ez része az úgynevezett Humán Mikrobiom Projektnek, melynek fő céljai: az emberi mikrobák alapkészletének azonosítása , annak megértése, hogy az emberi mikroflóra változásai hogyan kapcsolódnak az egészségi állapot változásaihoz, valamint az eléréshez szükséges technológiai és bioinformatikai bázis fejlesztése. ezek a célok [55] laboratóriumi körülmények között tenyésztésre alkalmas bélmikroorganizmusok genomjainak szekvenálása:
Egy másik orvosi irány a MetaHit ( az emberi emésztőrendszer metagenomikája ) projekt, amelyben 124 személy vett részt Dániából és Spanyolországból , köztük egészségesek, túlsúlyosak és emésztőrendszeri betegségekben szenvedők. A vizsgálat fő célja a gyomor-bélrendszeri baktériumok filogenetikai diverzitásának jellemzése volt. A tanulmány kimutatta, hogy két bakteriális klád, a Bacteroidetes és a Firnicutes , a bél disztális részét domináló összes ismert bakteriális filogenetikai csoport több mint 90%-át teszik ki. A bélben található gének relatív gyakoriságát felhasználva a kutatók 1244 metagenomikus klasztert azonosítottak, amelyek kritikus szerepet játszanak az egészséges állapot fenntartásában. E klaszterek két fő funkcióját azonosították: a háztartási gének expressziójának fenntartását és a gyomor-bél traktusra specifikus gének expresszióját. A háztartási gén klaszter minden baktérium számára nélkülözhetetlen, és gyakran fontos szerepet játszik az anyagcsere folyamatokban, például a központi szén -anyagcserében, az aminosav- szintézisben . A specifikus gének csoportjába tartozik a gazdafehérjékhez való tapadásának képessége és a cukrokkal való táplálkozás képessége . A vastagbélirritációban szenvedő betegeknél 25%-kal kevesebb ez a gén, és alacsonyabb a baktériumszámuk is, mint azoknál, akiknél nem diagnosztizáltak gyomor-bélrendszeri problémát.
Noha ezeknek a vizsgálatoknak potenciálisan értékes orvosi alkalmazásai vannak, a szekvenciáknak csak 31-48,8%-a igazodott a 194 ismert bélbaktérium-genomhoz, és a leolvasásoknak csak 7,6-21,2%-a volt igazítva a GenBank szekvenciáihoz , ami azt jelzi, hogy a szekvenciák további fejlesztésére van szükség. kutatás az összes bakteriális genom teljes lefedése érdekében [56] .
Az emberi genom szekvenálásának költsége az elmúlt három évben[ mi? ] csaknem 100-szorosára csökkent, és továbbra is gyorsan csökken. Az NGS DNS -szekvenálási technológiák fejlesztése a közeljövőben a következő árküszöb (1000 USD/genom) túllépéséhez vezet, és alapvető változásokat fog okozni a biológia és az orvosi genetika számos területén , ami a jövőben az orvostudomány személyre szabásához vezet . A molekuláris genetika ezen területén tapasztalható technológiai fellendülés arra utal, hogy a metagenomika fokozatosan felváltja a PCR - diagnosztikát. 2011-ben Oroszországban is pályázatot hirdettek metagenomikai kutatásokra [57] .
A bioüzemanyagokat a biomassza átalakításával nyerik , például a kukoricából és kölesből származó cellulóz hidrolízis-alkohollá alakításával . Ez a folyamat mikrobiális konzorciumokon alapul, amelyek a cellulózt cukrokká alakítják, majd a cukrokat etanollá erjesztik . A mikroorganizmusok különféle bioenergia-forrásokat is termelnek, beleértve a metánt és a hidrogént [58] .
Az új vegyületek biomasszából történő hatékony ipari előállításához nagyobb termelékenységű és alacsonyabb termelési költségekkel rendelkező új enzimekre van szükség [59] . A komplex mikrobiális közösségek elemzésének metagenomikus megközelítései lehetővé teszik a bioüzemanyagok gyártásában ipari felhasználású enzimek, például glikozil-hidrolázok célzott szűrését [60] . Ezenkívül a mikrobiális közösségek működésének ismerete elengedhetetlen e közösségek kezeléséhez, és a metagenomika kulcsfontosságú eszköz ezek megértésében. A metagenomikai megközelítések lehetővé teszik a mikroorganizmusok konvergens rendszereinek összehasonlító elemzését .
A metagenomika révén stratégiák javíthatók a szennyező anyagok ökoszisztémára gyakorolt hatásának nyomon követésére , és új módszereket lehet kidolgozni a szennyezett környezet megtisztítására. A mikrobiális közösségek szennyezőanyagokkal való bánásmódjának alaposabb megértése reményt ad arra, hogy ez az eljárás a jövőben felhasználható az ipari szennyezés elleni küzdelemben [61] .
A mikrobiális közösségek biológiailag aktív anyagok széles skáláját képesek előállítani, amelyeket más szervezetek tovább hasznosítanak. A ma használt gyógyszerek nagy része eredetileg mikroorganizmusokban található. A nem tenyésztett mikroorganizmusokból származó változatos genetikai anyag kinyerésében elért közelmúltbeli sikerek új gének, enzimek és más aktív vegyületek felfedezéséhez vezettek. A metagenomika alkalmazása lehetővé tette a vegyipar és a gyógyszeripar új ágainak fejlődését [62] .
Egy gramm növénytermesztésre használt talaj 10 9 és 10 10 közötti mikrobiális sejtet tartalmaz [63] . A talajban élő mikrobiális közösségek összetétele régóta felkeltette a tudósok figyelmét, de gazdasági jelentőségük ellenére továbbra is kevéssé ismert. A mikrobiális közösségek a növények növekedéséhez szükséges ökoszisztéma-funkciók széles skáláját látják el (például a nitrogén megkötését ), a növények védelmét a betegségektől, részt vesznek a vas és más fémek körforgásában . A metagenomika segít tanulmányozni a mikrobák kölcsönhatását ebben a közösségben, valamint a növények és mikrobák közötti kölcsönhatásokat. A metagenomikus elemzéssel nyert adatok alapján lehetővé válik a nem művelt taxonokhoz tartozó mikroorganizmusok tulajdonságainak azonosítása, az anyagok körforgásában betöltött szerepük, valamint a növényekkel való kapcsolatuk megértése. Mindez a növények egészségi állapotának javításához szükséges [64] .
A metagenomika értékes információkkal szolgálhat a környezeti közösségek funkcionális ökológiájáról [65] . Például az ausztrál oroszlánfókák ürülékében talált baktériumközösségek metagenomikus elemzései azt mutatják, hogy az oroszlánfókák ürüléke tápanyagban gazdag , és fontos táplálékforrás lehet a part menti ökoszisztémák számára. Ennek az az oka, hogy a széklettel egyidejűleg kiürülő baktériumok az emészthetetlen vegyületeket biológiailag elérhető formákká alakíthatják, amelyek tovább vehetők részt a táplálékláncban [66] .
A DNS-szekvenálás a vízoszlopban jelenlévő fajok azonosítására is használható. Ez segíthet az invazív fajok és a veszélyeztetett fajok körének meghatározásában , valamint a szezonális populációk nyomon követésében [67] .
Szótárak és enciklopédiák | |
---|---|
Bibliográfiai katalógusokban |
Személyre szabott orvoslás | |
---|---|
Omix adatszakaszok | |
Alkalmazási szakaszok | |
Mód | |
Kapcsolódó cikkek |