宏基因组学研究进展

不可培养微生物占据微生物总数的99%以上, 这己成为微生物资源开发利用的一个限制性因素。宏基因组学是通过提取某一环境中的所有微生物基因组DNA、构建基因组文库及对文库进行筛选寻找和发现新的功能基因及活性代谢产物的一种方法。它避开了微生物分离培养的过程, 极大地扩展了微生物资源的利用空间, 是现代基因工程一个新的发展方向和研究热点。本文主要对宏基因组的DNA提取方法、文库的构建、筛选策略的选择及近年来宏基因组学在各领域中的应用研究现状进行了综述。     

宏基因组技术在开发未培养环境微生物基因资源中的应用

环境微生物宏基因组是一个巨大的基因资源库,但是仅有0.1%～1%的微生物在现有技术条件下是可培养的,因此致使未培养微生物基因资源的开发利用受到限制.宏基因组技术直接提取环境样品总DNA,避开了微生物分离培养的问题,极大扩展了微生物资源的利用空间,增加了获得新生物活性物质的机会.简要介绍了宏基因组的概念及宏基因组克隆技术的基本操作流程和技术要点,重点阐述了目的基因富集、核酸提取、载体和宿主系统选择、宏基因组文库筛选等"瓶颈"技术的研究进展.目的基因富集技术主要包括稳定同位素探针(SIP)、抑制消减杂交(SSH)和差异显示(DD)等.基因文库筛选分为序列依赖性筛选和非序列依赖性筛选,其中序列依赖性筛选包括特定基因PCR、反转录PCR (RT-PCR)、DNA微阵、亲和捕获等技术;非序列依赖性筛选主要指基于基因表达活性筛选和基因"陷阱"技术等.此外,介绍了一些近年来通过构建宏基因组文库筛选目的基因的应用实例.     

海绵宏基因组文库构建及抗菌肽功能基因的初步筛选

宏基因组文库技术是利用未培养微生物基因资源的有效途径。成功构建澳大利亚厚皮海绵的Fosmid宏基因组文库,插入片段平均大小为36.8kb。利用建立的宏基因组文库,采用PCR技术初步筛选到具有编码抗菌肽的功能基因。这是我国首次尝试构建海绵宏基因组文库,对于今后开发利用海绵丰富的基因资源具有重要的意义。     

宏基因组学在胃肠道微生物研究中的应用

动物胃肠道中普遍存在大量共生微生物群,对于它们的研究一直受制于纯培养技术。随着分子生物学的快速发展及其在微生物学及生态学上的应用,针对未培养微生物研究的一门新型学科——宏基因组技术应运而生并迅速发展。通过提取胃肠道粘膜表面以及内容物中微生物DNA,构建总DNA文库的方法,利用基因组学的研究策略,来研究胃肠道中微生物遗传组成及群落功能。宏基因组技术在胃肠道微生物研究中广泛的应用,对于医学、生态学、生物能源利用等领域的研究具有重大的价值。     

宏基因组学的研究方法进展及应用概述

宏基因组学是以某一特定环境样品中的微生物群体基因组为研究对象,通过提取DNA、构建文库、文库筛选等基本流程来研究微生物多样性、进化关系以及寻找新基因等为研究目的的新的微生物学研究方法,其总体流程包括环境样品总DNA提取、宏基因组文库构建、宏基因组文库筛选三个阶段。宏基因组学做为一个崭新的技术在微生物生态学、生物酶制剂开发以及医学等方面都取得了可喜的成绩。本文将就宏基因组学的概念、技术流程和应用三个方面作简单介绍。     

宏基因组学挖掘新型生物催化剂的研究进展

微生物蕴藏着大量具有工业应用潜力的生物催化剂。然而,传统培养方法只能从环境中获得不到1%的微生物。宏基因组学是通过提取某一特定环境中的所有微生物基因组DNA、构建基因组文库并对文库进行筛选,寻找和发现新的功能基因的一种方法。它绕过了微生物分离培养过程,成为研究环境样品中不可培养微生物的有力手段。因此,从宏基因组中挖掘新型生物催化剂一直倍受生物学家的关注。以下主要对宏基因组文库的样品来源、DNA提取方法、文库的构建和筛选策略的选择这4个方面的研究状况进行了综述,列举了近年来利用宏基因组技术所获得的新型生物催化剂,并对其今后的研究方向提出了展望。     

基于功能基因的微生物碳循环分子生态学研究进展

碳循环是生态系统中重要的生物地球化学元素循环之一。微生物参与碳固定、甲烷代谢、碳降解等多个重要的碳循环过程,深入了解微生物群落在碳循环过程中的功能和作用,有助于获悉微生物对全球气候变化的响应、适应和反馈机制,这也是微生物生态学研究的关键问题之一。传统的研究多集中于微生物分离培养技术,无法覆盖绝大部分未培养微生物,并且无法深入解析碳循环过程中微生物群落的结构和功能,宏基因组学技术的出现克服了这些缺陷,成为研究微生物群落结构和功能的有效手段。本文对目前宏基因组学的主要技术——定量PCR、DNA分子指纹图谱、基因芯片、克隆文库和高通量测序等技术进行了简要介绍,着重介绍了参与碳固定、甲烷生成和氧化、碳降解等主要碳循环过程的关键功能基因的研究现状,最后对碳循环过程中微生物宏基因组学研究的未来发展进行了总结与展望。     

宏基因组学在微生物活性物质筛选中的应用

采用传统分离培养筛选微生物新活性物质的方法受到很大制约,自然界99%以上的微生物不能培养,其资源开发受到很大限制。环境微生物宏基因组技术应用避开了微生物分离纯培养问题,极大拓展了微生物资源的利用空间,增加获得新活性物质的机会和途径。本文着重介绍宏基因组的概念、研究策略包括DNA提取、文库构建与筛选等及在微生物活性物质筛选中的应用,并对宏基因组研究中存在的问题进行探讨。     

微生物宏基因组数据分析方法研究进展

随着测序技术的迅速发展,人们对宏基因组的研究逐渐深入。通过宏基因组学对微生物群落的测序和分析,以理解微生物组成与环境之间的相互作用。微生物宏基因组的分析摆脱了传统研究中微生物分离培养的技术限制,并获得了微生物群落的相对丰度和群落的功能等信息。用于微生物数据分析的工具和软件较多,对于研究者选择合适的分析方法具有一定困难。概述了微生物宏基因组分析方法的流程,总结了分析中常用的工具及软件,为研究者快速筛选分析方法,揭示数据背后的生物学意义提供参考。     

宏基因组学技术的研究与挑战

宏基因组学研究作为研究微生物种群生态分布、群体遗传特征和基因相互作用的新兴学科领域,在很大程度上促进了环境微生物资源,特别是未培养微生物资源的开发利用,在土壤、海洋、人体医学、药物等各个领域的应用中取得了突破性的进展,为发现新的生物活性物质提供了新的有效途径。就宏基因组学研究进展进行综述,并重点介绍了宏基因组学研究中的机遇及挑战。     

基于高通量测序技术马肠道菌群研究进展

马肠道非常发达,其中定居着丰富又复杂的微生物菌群,这些微生物在宿主的生理、代谢、营养和免疫功能等方面有着重要作用.基于高通量测序的宏基因组学技术和分析手段的改进,对复杂环境中微生物的研究更加方便、透彻.本文就基于高通量测序的宏基因组技术在马肠道核心菌群、不同肠道段菌群结构、不同因素对肠道菌群结构的影响,以及马肠道微生物...     

宏基因组学应用于耐盐酶类及耐盐基因研究的进展

耐盐酶在高盐浓度下仍具备催化活性和稳定性,在高盐食品和海产品加工、洗涤及其它高盐环境生物技术领域被广泛应用;耐盐基因在高盐条件下可以使微生物维持正常功能,获取并研究不同环境中的耐盐基因对揭示微生物的耐盐机制,以及实现其在高盐环境中的定向应用具有的重要意义。宏基因组学避开纯培养技术探知微生物的多样性及其功能,为我们提供了一种发现新基因、开发新的微生物活性物质和研究微生物群落结构及其功能的新技术。文中结合本课题组的研究工作,综述了利用宏基因组学获取耐盐酶类及耐盐基因的策略,同时着重介绍利用宏基因组学从海洋、土壤、胃肠道等环境中获取耐盐酶类及耐盐基因的研究。     

宏基因组学在未培养微生物研究中的应用

自然环境中约99%的微生物不能用传统的分离培养方法获得其纯培养。随着宏基因组技术的出现,人们可以对这一庞大的未知世界进行多方面的研究,包括微生物的生理、生态及其基因功能等。利用这一技术,研究者已经对地球上的许多生境进行了研究,并取得了很多新的成就。简要概述这一技术在研究未培养微生物方面的应用。     

Individual genome assembly from complex community short-read metagenomic datasets

Assembling individual genomes from complex community metagenomic data remains a challenging issue for environmental studies. We evaluated the quality of genome assemblies from community short read data (Illumina 100 bp pair-ended sequences) using datasets recovered from freshwater and soil microbial communities as well as in silico simulations. Our analyses revealed that the genome of a single genotype (or species) can be accurately assembled from a complex metagenome when it shows at least about 20 × coverage. At lower coverage, however, the derived assemblies contained a substantial fraction of non-target sequences (chimeras), which explains, at least in part, the higher number of hypothetical genes recovered in metagenomic relative to genomic projects. We also provide examples of how to detect intrapopulation structure in metagenomic datasets and estimate the type and frequency of errors in assembled genes and contigs from datasets of varied species complexity.     

土壤宏基因组学技术及其应用

传统的基于培养的研究方法只能反映土壤中少数(0.1%～10 %)微生物的信息,而大部分微生物目前还不能培养,因而这部分微生物资源尚难以被有效地开发利用.宏基因组学是分子生物学技术应用于环境微生物生态学研究而形成的一个新概念,主要技术包括土壤DNA的提取、文库的构建和目标基因克隆的筛选.它可为揭示微生物生态功能及其分子基础提供更全面的遗传信息,并已在微生物新功能基因筛选、活性物质开发和微生物多样性研究等方面取得了显著成果.本文对土壤宏基因组学技术的方法和应用作了详细介绍.     

Targeted metagenomics: a high-resolution metagenomics approach for specific gene clusters in complex microbial communities

A major research goal in microbial ecology is to understand the relationship between gene organization and function involved in environmental processes of potential interest. Given that more than an estimated 99% of microorganisms in most environments are not amenable to culturing, methods for culture-independent studies of genes of interest have been developed. The wealth of metagenomic approaches allows environmental microbiologists to directly explore the enormous genetic diversity of microbial communities. However, it is extremely difficult to obtain the appropriate sequencing depth of any particular gene that can entirely represent the complexity of microbial metagenomes and be able to draw meaningful conclusions about these communities. This review presents a summary of the metagenomic approaches that have been useful for collecting more information about specific genes. Specific subsets of metagenomes that focus on sequence analysis were selected in each metagenomic studies. This 'targeted metagenomics' approach will provide extensive insight into the functional, ecological and evolutionary patterns of important genes found in microorganisms from various ecosystems.     

宏基因组重叠群分箱方法研究综述

宏基因组学技术可以直接从环境中提取微生物的全部遗传物质,而不需要像传统方法一样在培养基上纯培养。这种技术的出现为科学家对微生物群落的结构和功能的认识提供了重要的方法,同时对疾病的诊治、环境的治理以及生命的认识具有重大的意义。从环境中提取出微生物全部遗传物质,对其进行测序从而得到它们的reads片段,通过reads组装工具可以进一步组装成重叠群片段。对重叠群片段进行分箱,可以从宏基因组样本中重建出更多完整的基因。分箱效果的好坏直接影响到后续的生物分析,因此如何将这些含有不同微生物基因混合的重叠群序列进行有效的分箱成为了宏基因组学研究的热点和难点。机器学习方法被广泛应用于宏基因组重叠群分箱,通常分为有监督重叠群分类方法和无监督重叠群聚类方法。该综述针对宏基因组重叠群分箱方法进行了较为全面的阐述,深入剖析了重叠群分类方法与聚类方法,发现其存在分类准确率较低、分箱时间较长、难以从复杂数据集中重建更多微生物基因等问题,并对未来重叠群分箱方法的研究和发展进行了展望。作者建议可以使用半监督学习、集成学习以及深度学习方法,并采用更有效的数据特征表示等途径来提高分箱效果。     

宏基因组学及其在口腔微生物研究中的应用

宏基因组是指环境中所有微生物的遗传物质总和。宏基因组学技术可以最大限度地利用环境中的微生物资源,受到了国内外微生物研究者的重点关注。口腔中寄居着大量的微生物群落,以往对口腔疾病微生物的研究大多局限于单纯的细菌培养技术,然而,由于培养技术的局限性,部分微生物很难或根本不能培养,宏基因组学技术打破了这一局限性,帮助人类发掘更丰富的口腔微生物资源。最近,以宏基因组学测序为基础的研究描绘出了口腔生态系统的图谱,越来越多的实验证明口腔微生物组在各种口腔疾病甚至全身系统性疾病中的重要作用。同时,这也为基于人类微生物组的诊断和治疗开辟了新的途径。本综述旨在说明宏基因组学是研究人类口腔疾病及全身疾病相关微生物的得力工具,而且具有广阔的发展前景,同时也讨论了宏基因组学在应用中有待克服的局限性。     

Application of Meta-Mesh on the analysis of microbial communities from human associated-habitats

With the current fast accumulation of microbial community samples and related metagenomic sequencing data, data integration and analysis system is urgently needed for in-depth analysis of large number of metagenomic samples (also referred to as “microbial communities”) of interest. Although several existing databases have collected a large number of metagenomic samples, they mostly serve as data repositories with crude annotations, and offer limited functionality for analysis. Moreover, the few available tools for comparative analysis in the literature could only support the comparison of a few pre-defined set of metagenomic samples. To facilitate comprehensive comparative analysis on large amount of diverse microbial community samples, we have designed a Meta-Mesh system for a variety of analyses including quantitative analysis of similarities among microbial communities and computation of the correlation between the meta-information of these samples. We have used Meta-Mesh for systematically and efficiently analyses on diverse sets of human associate-habitat microbial community samples. Results have shown that Meta-Mesh could serve well as an efficient data analysis platform for discovery of clusters, biomarker and other valuable biological information from a large pool of human microbial samples.