인테르

ISME 저널(2023)이 기사 인용

측정항목 세부정보

다중 오믹스 분석은 복잡한 바이오가스 생산 미생물 군집의 박테리아와 고세균 구성원 간의 상호작용과 같은 왕국 간 상호 작용을 탐지하고 연구하기 위한 강력한 도구입니다. 본 연구에서는 각각 서로 다른 기질을 공급하는 3개의 산업 규모 바이오가스 소화조의 미생물군집을 메타전사체 데이터로 보완된 기계 학습 유도 게놈 중심 메타게놈학 프레임워크를 사용하여 분석했습니다. 이 데이터를 통해 우리는 풍부한 핵심 메탄생성 공동체와 신트로픽 박테리아 파트너 사이의 관계를 밝힐 수 있었습니다. 전체적으로 우리는 297개의 고품질, 중복되지 않은 메타게놈 조립 게놈(nrMAG)을 발견했습니다. 또한, 이들 nrMAG의 조립된 16 S rRNA 유전자 프로파일은 Firmicutes 문이 가장 높은 사본 수를 보유하는 반면, 고세균 도메인의 대표자는 가장 낮은 사본 수를 갖는 것으로 나타났습니다. 3개의 혐기성 미생물 군집에 대한 추가 조사에서는 시간이 지남에 따라 특징적인 변화가 나타났지만 각 산업 규모의 바이오가스 플랜트에 특정한 변화가 남아 있었습니다. 메타게놈 데이터에 의해 밝혀진 다양한 미생물의 상대적 풍부함은 해당 메타전사체 활성 데이터와 독립적이었습니다. Archaea는 풍부함에서 예상했던 것보다 상당히 높은 활동을 보여주었습니다. 우리는 세 가지 바이오가스 식물 미생물군집 모두에 존재하는 51개의 nrMAG를 서로 다른 풍부도로 발견했습니다. 핵심 미생물군집은 주요 화학적 발효 매개변수와 상관관계가 있었고, 개별 매개변수는 공동체 구성의 주요한 형성자로 나타나지 않았습니다. 다양한 종간 H2/전자 전달 메커니즘이 농업용 바이오매스와 폐수를 사용하는 바이오가스 플랜트의 수소영양 메탄생성 물질에 할당되었습니다. 메타전사체 데이터를 분석한 결과, 메탄생성 경로가 모든 주요 대사 경로 중에서 가장 활동적인 것으로 나타났습니다.

공학적 혐기성 소화 시스템(AD)에서 유기물의 분해와 바이오가스 생산은 효율적인 영양분 재활용을 기반으로 합니다[1, 2]. 이 과정에는 다양한 미생물 군집이 포함되며, 각 미생물은 특정 역할을 수행합니다. AD 단계에 관여하는 미생물 군집의 구성과 기능은 전체 공정의 효율성에 중요한 역할을 하며, 이는 미생물-미생물 상호 작용, 기질 구성, 물리화학적 매개변수 및 작동 조건과 같은 수많은 요인의 영향도 받습니다. [3,4,5,6].

많은 미생물이 특정 미생물 파트너 없이는 생존할 수 없기 때문에 미생물 상호 작용과 그 기본 메커니즘을 밝히는 것은 복잡한 작업입니다[7]. 미생물 분리 및 배양을 위한 혁신적인 방법이 개발되었으며 일부 방법은 새로운 미생물을 배양에 도입하는 데 성공한 것으로 입증되었습니다[8]. 그러나 미생물 다양성의 잠재력을 최대한 활용하려면 이러한 기술의 추가 개발과 발전이 필요합니다 [9, 10]. AD 미생물 집단의 미생물 간에는 강력한 신트로프 상호작용이 있기 때문에 이들의 다양성, 대사 역할 및 분포를 이해하려면 심층적인 연구가 필요합니다. 이러한 연구는 처음에는 배양 의존적 미생물학적 방법에 내재된 한계로 인해 방해를 받았는데, 이는 미생물의 분리가 필요하고 합성 영양 관계가 편재할 때 어려울 수 있습니다[11,12,13]. 처리량이 많은 시퀀싱 및 생물정보학 도구를 사용하면 게놈 물질의 대량 분석이 가능하므로 전체 미생물 군집의 분류 및 기능에 대한 통찰력을 얻을 수 있습니다[14,15,16].

AD 미생물군집에서 흔히 발견되는 미생물의 식별 및 게놈 특성화는 미생물 먹이 사슬과 관련된 중요한 경로와 생태학적 특성을 밝힐 수 있습니다[17, 18]. 16 S rRNA 유전자 앰플리콘 시퀀싱을 사용한 이전 연구에서는 핵심 미생물이 다양한 교란(즉, AD 매개변수 변경)에 저항할 수 있는 안정적인 공동체를 생성한다는 것을 보여주었습니다[19,20,21]. 그러나 앰플리콘 시퀀싱 및 판독 기반 메타유전체학 접근법은 참조 데이터베이스에 대한 의존성으로 인해 핵심 미생물군집 분석으로 알려지지 않은 종을 식별하지 못할 수 있습니다[22, 23]. 또한, 바이오가스 생산 공동체는 이전에 "미생물 암흑 물질"로 설명되었던 특성화되지 않은 미생물의 크고 다양한 우발적 집단을 나타냅니다[19, 24, 25]. 이 문제를 해결하기 위해 점점 더 정교해지는 생물정보학 알고리즘을 사용하여 이러한 복잡한 공동체에서 개별 종의 게놈(또는 MAG: 메타게놈 조립 게놈)을 재구성할 수 있습니다[26,27,28].

5% contamination by CheckM2 analysis (Fig. 2A and B). Furthermore, 24% of nrMAGs (n = 70) were identified at a quality level that was higher than their representatives in the Genome Taxonomy Database (Supplimentary Table 3). These observations confirm the effectiveness of Semibin as a binning procedure for complex anaerobic biogas-producing communities [35]. In addition, the larger number of unique nrMAGs binned by Semibin may also lead to better mapping of metatranscriptome data./p>90%), low contamination (<5%) and have not been found in any available databases (Archaea: MAG_165_3; Bacteria: MAG_114_1, _18_1, 29_1, 77_1, 87_1 and 95_2). Purple symbols represent the core nrMAGs. The outer ring represents bacteria that are significantly more prevalent in the particular BP (using lefser, p < 0.05)./p>90%; n = 107) were present in the Biogas Microbiome database (ANI cutoff: 95%). It is worth noting that seven high-quality nrMAGs, which accounted for 7% of the total high-quality nrMAGs (n = 107) and 2% of all nrMAGs (n = 297), could not be associated with a nearest representative in either database. These nrMAGs were deemed novel because they did not meet the following criteria: species-level identification with 95% reference radius for GTDB and ≥95% ANI for Biogas Microbiome (Fig. 4 and Suppl. Table 3). Three high-quality nrMAGs were found to contain 16 S rRNA gene sequences as well (Supplimentary Table 3). In addition, the seven putative novel nrMAGs demonstrated high abundance and activity, accounting for 3% of the total count per million (CPM) and 5% of the total transcripts per million (TPM), respectively, in the examined microbiome. These nrMAGs may be members of the hypothesised microbial dark matter that can now be released into the realm of known participants in AD communities./p> 0.5). Based on this observation, eight clusters showing characteristic correlations with AD chemical parameters were plotted (Fig. 6B). The eight clusters can be divided into two groups, with microorganisms from clusters I–V correlating positively with the main influencing parameters and microorganisms from clusters VI–VIII correlating negatively with these parameters. We also found that top core nrMAGs belonging to the phyla Firmicutes, Spirochaetota, and Methanobacteriota were positively correlated with TAN, VOAs, and TIC, while members of the phylum Bacteroidota were also correlated with many of the measured parameters. Finally, the C/N ratio showed a more pronounced impact on Bacteroidota than Firmicutes among the top core nrMAGs (Fig. 6B)./p> 0.7 based on network. The blue lines represent positive correlations (Pearson's rho > 0.7), red lines represent negative correlations (Pearson's rho < −0.7). A phylum marked with an asterisk is not present among the correlating microorganisms. B Pearson correlations between core nrMAGs and measured AD chemical parameters. Asterisks represent the significant correlations (considered statistically significant as follows: p < 0.05 (*), p < 0.001 (**), p < 0.0001 (***), ns (no significant difference)). Using the cladogram shown on the left and data for TAN (total ammonia nitrogen), VOAs (volatile organic acids), TIC (total inorganic carbon), TS (total solids) and C/N (carbon to nitrogen ratio), eight clusters were distinguished. These are shown here separated by colour as follows: Cluster I: grey; Cluster II: brown; Cluster III: yellow; Cluster IV: green; Cluster V: purple; Cluster VI: blue; Cluster VII: orange; and Cluster VIII: dark green. Coloured boxes represent the specific phyla to which the nrMAGs belong to. Red dots represent the top hydrolysing nrMAGs (n = 10)./p> −0.7). Based on genomic data, these archaea belong to the class of methanogens capable of maintaining hydrogenotrophic methanogenesis using formate as an electron donor. Typically, formate is oxidised to CO2 by formate dehydrogenase, upon which it is further reduced to methane [85]. Here, interspecies formate transfer (IFT) was maintained by microbial partners, namely SR-FBR-E99 sp002497965 and LD21 sp012519515 (from the phylum Bacteroidota; MAG_72_3 and MAG_394_2), which were positively correlated with MAG_26_2 and MAG_103_2 (Fig. 6A). These MAGs have been previously detected in biogas digesters and were described for their versatile hydrolysing ability. Aside from carbohydrate utilisation, they are protein- and amino-acid degrading microorganisms capable of producing formate. They were also consistently detected alongside formate-utilising methanogens [86]./p>

0.6). However, there were exceptions involving microorganisms belonging to Cluster VII./p> 2.0, p < 0.05). The heat map depicts the average gene activity of each methanogen in the various BPs. The blanks represent genes that were not significantly different in the provided methanogen, or the indicated gene is absent in the given nrMAG./p> 2.0, p ≤ 0.05) (Supplimentary Table 5). KBP and SZBP were shown to contain fewer differentially expressed genes (DEGs) than these compared to MWBP (Fig. 8B and Supplimentary Fig. 2). A comprehensive investigation of DEGs found 215 genes involved in methanogenesis. The activities of alpha, beta, and gamma subunits of methyl coenzyme M reductase showed the most substantial changes (log2 FC > 10, p < 0.0001). Additionally, the expression of genes implicated in hydrogenotrophic methanogenesis, such as the ion-sulphur subunit of F420-non-reducing hydrogenase and methylenetetrahydromethanopterin dehydrogenase, displayed substantial differences (log2 FC > 5, p < 0.001). Acetyl-CoA synthetase demonstrated variances in expression across genes involved in acetotrophic methanogenesis (log2 FC > 5, p < 0.001) [99]. The majority of the different gene activities in KBP were related to Methanothrix A harundinaceae D (MAG_5_1), while Methanothrix_sp016706325 (MAG_97_2) in MWBP and Methanobacterium sp012838205, Methanoculleus sp12797575, and Methanosarcina species (MAG_669_3, _57_1, and _165_3) in SZBP (Fig. 8C)./p>90% cont. <5%) nrMAGs are deposited in the NCBI SRA under accession numbers from SAMN32989584 to SAMN32989690. The main data generated or analysed for this study are included in this published article and its supplementary information files. Workflows and R scripts are available from the first author on reasonable request./p>

소식