Wetenschappers van de Icahn School of Medicine op de berg Sinaï, Sema4, en samenwerkende instellingen New York University en de University of Florida hebben vandaag een rapport gepubliceerd waarin hun nieuwe, nauwkeurigere methode voor het identificeren van individuele microbiële soorten en stammen in een gemeenschap. Deze techniek heeft belangrijke implicaties voor microbioomanalyse, met potentiële langetermijntoepassingen voor klinische zorg. De krant kwam vandaag uit in Natuur Biotechnologie .

Microbiomen zijn gemeenschappen van bacteriën, virussen, en andere microben die overal te vinden zijn, van de oppervlakken van toetsenborden en mobiele telefoons tot omgevingen op en in ons, zoals onze mond of darmen. Verstoring van het natuurlijke microbioom is betrokken bij gezondheidsproblemen, waaronder infectieziekten, kankers, en complexe aandoeningen zoals de ziekte van Crohn, colitis ulcerosa, en suikerziekte, onder vele anderen. Succesvolle analyse van microbiomen hangt af van het vermogen om in te zoomen op deze gemeenschappen en de individuele soorten en stammen die erin leven te identificeren.

Daten, de meeste technieken voor het identificeren van microbiële leden van deze groepen bieden onvoldoende resolutie. Bijvoorbeeld, een soort kan alleen worden geclassificeerd als onderdeel van zijn bredere genetische familie, in plaats van op zichzelf uniek te worden geïdentificeerd. Bestaande methoden zijn ook niet effectief bij de karakterisering van een belangrijke klasse van genetisch materiaal dat kan pendelen tussen verschillende bacteriesoorten, bekend als mobiele genetische elementen.

In dit nieuwe werk wetenschappers gebruikten Single Molecule, Real-Time Sequencing-technologie en nieuwe computerhulpmiddelen om microben voor het eerst te classificeren door zowel hun genetische code als hun methyleringspatronen te analyseren, een tweede DNA-code die genactiviteit reguleert. Deze uitgebreidere benadering met behulp van long-read sequencing bleek nauwkeuriger dan industriestandaard protocollen zoals 16S sequencing of short-read sequencing. het corrigeren van fouten en onvolledige resultaten in microbe-identificatie die door deze methoden wordt gegenereerd. belangrijk, de methode biedt een nieuwe manier om mobiele genetische elementen te koppelen aan hun bacteriële gastheren, waardoor wetenschappers de virulentie nauwkeuriger kunnen voorspellen, resistentie tegen antibiotica, en andere biologisch en klinisch kritische eigenschappen van individuele bacteriesoorten en stammen.

"De biomedische gemeenschap heeft lang behoefte gehad aan een analysemethode voor het microbioom die in staat is om individuele soorten en stammen met een hoge resolutie op te lossen, " zei Gang Fang, doctoraat, Universitair docent genetica en genomische wetenschappen op de berg Sinaï, en senior auteur van het artikel. "We ontdekten dat DNA-methylatiepatronen kunnen worden gebruikt als zeer informatieve natuurlijke streepjescodes om microbiële soorten van elkaar te onderscheiden, helpen mobiele genetische elementen te associëren met hun gastheergenomen en een nauwkeurigere microbioomanalyse te bereiken."

In proefprojecten waarbij gebruik wordt gemaakt van zowel synthetische als echte microbioommonsters, wetenschappers waren in staat onderscheid te maken tussen zelfs nauw verwante soorten en bacteriestammen. Ze gebruikten methylatiepatronen om gerelateerde DNA-sequentiegegevens te koppelen, het verstrekken van meer holistische informatie over individuele organismen. Het team valideerde de methode in microbiële gemeenschappen met een lage tot gemiddelde complexiteit, en ontwikkelt momenteel meer geavanceerde technologieën om gemeenschappen met een hoge complexiteit, zoals microbiomen in het milieu, effectief op te lossen.

"Dit project demonstreert de verfijning en kracht van het samen analyseren van vele soorten gegevens om inzichten te verkrijgen die niet mogelijk zijn met meer simplistische benaderingen, " zei Eric Schadt, doctoraat, Sema4 CEO, Decaan voor precisiegeneeskunde op de berg Sinaï, en een co-auteur van het papier. "Biologie is complex, en onze analyses moeten die complexiteit nauwkeurig weergeven als we hopen deze informatie uiteindelijk voor klinisch gebruik in te zetten."