High throughput in situ metagenomic measurement of bacterial replication at ultra-low sequencing coverage.
High throughput in situ metagenomic measurement of bacterial replication at ultra-low sequencing coverage.
复制标题
DOI：
10.1038/s41467-018-07240-8
复制
发表时间：
2018-11-23
影响因子：
16.6
通讯作者：
Oh J
中科院分区：
文献类型：
--
作者：
Emiola A;Oh J
我们开发了生长速率InDex（GRiD），用于估计超低覆盖率（>0.2×）和从头组装的宏基因组的原位生长速率。将GRiD应用于人类和环境宏基因组数据集以证明其多功能性，我们发现了与以前未表征的细菌的新关联，这些细菌的生长速率与几种疾病特征或环境相互作用相关。此外，使用GRiD-MG（宏基因组学），GRiD的高通量实现，我们估计了来自健康皮肤宏基因组数据集的1756种细菌的生长动力学，并确定了一种新的葡萄球菌-棒状杆菌拮抗作用，可能由皮肤中的抗菌剂产生介导。GRiD-MG显著提高了从复杂的宏基因组数据中提取生长速率推断的能力，而用户的输入最少。细菌生长速率在不同的环境条件下会发生变化，揭示了重要的生物学和生态学信息。在这里，作者开发了GRiD，这是一种生物信息学工具，用于使用低覆盖率宏基因组数据高通量估计生长率。
We developed Growth Rate InDex (GRiD) for estimating in situ growth rates of ultra-low coverage (>0.2×) and de novo-assembled metagenomes. Applying GRiD to human and environmental metagenomic datasets to demonstrate its versatility, we uncovered new associations with previously uncharacterized bacteria whose growth rates were associated with several disease characteristics or environmental interactions. In addition, with GRiD-MG (metagenomic), a high-throughput implementation of GRiD, we estimated growth dynamics of 1756 bacteria species from a healthy skin metagenomic dataset and identified a new Staphylococcus-Corynebacterium antagonism likely mediated by antimicrobial production in the skin. GRiD-MG significantly increases the ability to extract growth rate inferences from complex metagenomic data with minimal input from the user. Bacterial growth rate can change under different environmental conditions and reveals important biological and ecological information. Here, the authors develop GRiD, a bioinformatics tool for high-throughput estimation of growth rate using low coverage metagenomic data.
登录
查看更多内容
影响因子：
48
作者：
Langmead, Ben;Salzberg, Steven L.
通讯作者：
Salzberg, Steven L.
影响因子：
28.3
作者：
Parks, Donovan H.;Rinke, Christian;Tyson, Gene W.
通讯作者：
Tyson, Gene W.
影响因子：
4.6
作者：
Kumar, Rohit;Jangir, Pramod Kumar;Sharma, Rakesh
通讯作者：
Sharma, Rakesh
影响因子：
2.7
作者：
Kang DD;Froula J;Egan R;Wang Z
通讯作者：
Wang Z
影响因子：
7
作者：
Parks DH;Imelfort M;Skennerton CT;Hugenholtz P;Tyson GW
通讯作者：
Tyson GW