- Код статьи
- S30346347S0042132425030036-1
- DOI
- 10.7868/S3034634725030036
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 145 / Номер выпуска 3
- Страницы
- 230-238
- Аннотация
- Методы секвенирования нового поколения позволяют полностью выявлять качественный состав микробиоты в ферментированных продуктах, таких как йогурты и кефиры. Однако для правильных методических рекомендаций по применению высокопроизводительного секвенирования для анализа продуктов необходимо выяснить оптимальное сочетание биоинформатического программного обеспечения и базы данных. Цель данного исследования – определить состав микробиоты ферментированных молочных продуктов с помощью высокопроизводительного секвенирования и проанализировать, как выбор программы влияет на полученные данные. Было отсеквенировано 7 образцов метагеномов ферментированных молочных продуктов с целью сопоставления состава и выявления основных компонентов. Чтения, полученные в результате секвенирования участка гена 16S рРНК 7 образцов ферментированных молочных продуктов, были проанализированы с помощью BLASTN по базе данных 16S Microbial NCBI, а также MEGAN и MG-RAST. Также были проанализированы смеси сгенерированных псевдопрочтений, которые состояли из видов Lactococcus lactis, Levilactobacillus brevis, Lactobacillus kefiri и Leuconostoc mesenteroides. Используемые биоинформатические средства отличаются по степени применимости в зависимости от допустимого уровня ошибок. BLASTN без биннинга позволяет определять до вида образцы, которые MEGAN и MG-RAST определяют только до рода, но вместе с этим допускает больше ложноположительных ошибок при использовании разных баз данных с неверно определенными референсными последовательностями. Таким образом, дальнейшее определение бактериального состава кисломолочных продуктов требует создания курируемой базы данных для верного определения до уровня вида.
- Ключевые слова
- метабаркодинг высокопроизводительное секвенирование Levilactobacillus Lactococcus Leuconostoc стартовые культуры
- Дата публикации
- 08.04.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 69
Библиография
- 1. Шеховцов С.В., Шеховцова И.Н., Пельтек С.Е. ДНК-штрихкодирование: методы и подходы // Успехи соврем. биол. 2019. Т. 139 (3). С. 211–220.
- 2. Adiloğlu A.K., Gönülateş N., Işler M., Senol A. The effect of kefir consumption on human immune system: a cytokine study // Mikrobiyoloji bulteni. 2013. V. 47 (2). P. 273–281.
- 3. de Andrade G.R., Neves I.V., Marques V.D. et al. Influence of a kefir-derived antimicrobial fraction on Zika virus cytopathic effects and lymphocyte proliferation // J. Virol. Curr. Res. 2017. V. 2. P. 555584.
- 4. Brasil G.A., de Almeida Silva-Cutini M., Moraes F.D.S.A. et al. The benefits of soluble non-bacterial fraction of kefir on blood pressure and cardiac hypertrophy in hypertensive rats are mediated by an increase in baroreflex sensitivity and decrease in angiotensin-converting enzyme activity // Nutrition. 2018. V. 51. P. 66–72.
- 5. Dobson A., O’Sullivan O., Cotter P.D. et al. High-throughput sequence-based analysis of the bacterial composition of kefir and an associated kefir grain // FEMS Microbiol. Lett. 2011. V. 320 (1). P. 56–62.
- 6. Ellatif S.A., Abdel Razik E.S., Abu-Serie M.M. et al. Immunomodulatory efficacy-mediated anti-HCV and anti-HBV potential of kefir grains; unveiling the in vitro antibacterial, antifungal, and wound healing activities // Molecules. 2022. V. 27 (6). P. 2016.
- 7. Endo A., Okada S. Lactobacillus farraginis sp. nov. and Lactobacillus parafarraginis sp. nov., heterofermentative lactobacilli isolated from a compost of distilled shochu residue // Int. J. Syst. Evol. Microbiol. 2007. V. 57 (4). P. 708–712.
- 8. Ferchichi M., Valcheva R., Prévost H. et al. Rapid identification of Lactobacillus nantensis, Lactobacillus spicheri and Lactobacillus hammesii species using species-specific primers // Int. J. Food Microbiol. 2008. V. 123 (3). P. 269–276.
- 9. Fujiwara M., Kuwahara D., Hayashi M. et al. Lowering effect of viable Pediococcus pentosaceus QU 19 on the rise in post-prandial glucose // Biosci. Microb. Food Health. 2020. V. 39 (2). P. 57–64.
- 10. Gao J., Gu F., He J. et al. Metagenome analysis of bacterial diversity in Tibetan kefir grains // Eur. Food Res. Technol. 2013. V. 236. P. 549–556.
- 11. Hamida R.S., Shami A., Ali M.A. et al. Kefir: a protective dietary supplementation against viral infection // Biomed. Pharmacother. 2021. V. 133. P. 110974.
- 12. Hong S.H., Bunge J., Leslin C. et al. Polymerase chain reaction primers miss half of rRNA microbial diversity // ISME J. 2009. V. 3 (12). P. 1365–1373.
- 13. Huson D.H., Auch A.F., Qi J., Schuster S.C. MEGAN analysis of metagenomic data // Gen. Res. 2007. V. 17 (3). P. 377–386.
- 14. Korsak N., Taminiau B., Leclercq M. et al. Evaluation of the microbiota of kefir samples using metagenetic analysis targeting the 16S and 26S ribosomal DNA fragments // J. Dairy Sci. 2015. V. 98 (6). P. 3684–3689.
- 15. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform // Bioinformatics. 2009. V. 25 (14). P. 1754–1760.
- 16. Lindgreen S., Adair K.L., Gardner P.P. An evaluation of the accuracy and speed of metagenome analysis tools // Sci. Rep. 2016. V. 6 (1). P. 19233.
- 17. Macori G., Cotter P.D. Novel insights into the microbiology of fermented dairy foods // Curr. Opin. Biotechnol. 2018. V. 49. P. 172–178.
- 18. Mande S.S., Mohammed M.H., Ghosh T.S. Classification of metagenomic sequences: methods and challenges // Brief. Bioinform. 2012. V. 13 (6). P. 669–681.
- 19. Marsh A.J., O’Sullivan O., Hill C. et al. Sequencing-based analysis of the bacterial and fungal composition of kefir grains and milks from multiple sources // PLoS One. 2013. V. 8 (7). P. e69371.
- 20. de Melo Pereira G.V., de Carvalho Neto D.P., Maske B.L. et al. An updated review on bacterial community composition of traditional fermented milk products: what next-generation sequencing has revealed so far? // Crit. Rev. Food Sci. Nutr. 2022. V. 62 (7). P. 1870–1889.
- 21. Meola M., Rifa E., Shani N. et al. DAIRYdb: a manually curated reference database for improved taxonomy annotation of 16S rRNA gene sequences from dairy products // BMC Genom. 2019. V. 20. P. 1–16.
- 22. Meyer F., Paarmann D., D’Souza M. et al. The metagenomics RAST server – a public resource for the automatic phylogenetic and functional analysis of metagenomes // BMC Bioinform. 2008. V. 9. P. 1–8.
- 23. Nalbantoglu U., Cakar A., Dogan H. et al. Metagenomic analysis of the microbial community in kefir grains // Food Microbiol. 2014. V. 41. P. 42–51.
- 24. O’Rourke D.R. Bokulich N.A., Jusino M.A. et al. A total crap-shoot? Evaluating bioinformatic decisions in animal diet metabarcoding analyses // Ecol. Evol. 2020. V. 10 (18). P. 9721–9739.
- 25. Ounit R., Wanamaker S., Close T.J., Lonardi S. CLARK: fast and accurate classification of metagenomic and genomic sequences using discriminative k-mers // BMC Genomics. 2015. V. 16. P. 1–13.
- 26. Palmnäs-Bédard M., de Santa Izabel A., Dicksved J., Landberg R. Characterization of the bacterial composition of 47 fermented foods in Sweden // Foods. 2023. V. 12 (20). P. 3827.
- 27. Patuzzi I., Baruzzo G., Losasso C. et al. metaSPARSim: a 16S rRNA gene sequencing count data simulator // BMC Bioinform. 2019. V. 20. P. 1–13.
- 28. Portik D.M., Brown C.T., Pierce-Ward N.T. Evaluation of taxonomic classification and profiling methods for long-read shotgun metagenomic sequencing datasets // BMC Bioinform. 2022. V. 23 (1). P. 541.
- 29. Ramesh M., Sen A., Vachher M., Nigam A. Delineating bacteria using DNA barcoding // Mol. Genet. Microbiol. Virol. 2021. V. 36 (1). P. S65–S73.
- 30. Seshadri R., Kravitz S.A., Smarr L. et al. CAMERA: a community resource for metagenomics // PLoS Biol. 2007. V. 5 (3). P. e75.
- 31. da Silva Ghizi A.C., de Almeida Silva M., de Andrade Mor- aes F.S. et al. Kefir improves blood parameters and re- duces cardiovascular risks in patients with metabolic syndrome // PharmaNutrition. 2021. V. 16 (1). P. 100266.
- 32. Syromyatnikov M.Yu., Grabovich M.Yu. Study of the microbiological composition of dairy products and mayonnaise using DNA barcoding and metabarcoding // Foods Raw Mater. 2018. V. 6 (1). P. 144–153.
- 33. Tenorio‐Salgado S., Castelán‐Sánchez H.G., Dávila‐Ramírez S. et al. Metagenomic analysis and antimicrobial activity of two fermented milk kefir samples // MicrobiologyOpen. 2021. V. 10 (2). P. e1183.
- 34. Vinderola G., Perdigon G., Duarte J., et al. Effects of kefir fractions on innate immunity // Immunobiology. 2006. V. 211 (3). P. 149–156.
- 35. Wang X., Xiao J., Jia Y. et al. Lactobacillus kefiranofaciens, the sole dominant and stable bacterial species, exhibits distinct morphotypes upon colonization in Tibetan kefir grains // Heliyon. 2018. V. 4 (6). P. e00649.
- 36. Wood D.E., Salzberg S.L. Kraken: ultrafast metagenomic sequence classification using exact alignments // Gen. Biol. 2014. V. 15. P. 1–12.
- 37. Yu Z., Du F., Ban R., Zhang Y. SimuSCoP: reliably simulate Illumina sequencing data based on position and context dependent profiles // BMC Bioinform. 2020. V. 21. P. 1–18.
- 38. Yun S.I., Park H.O., Kang J.H. Effect of Lactobacillus gasser iBNR17 on blood glucose levels and body weight in a mouse model of type 2 diabetes // J. Appl. Microbiol. 2009. V. 107 (5). P. 1681–1686.
- 39. Zamberi N.R., Mohamad N.E., Yeap S.K. et al. 16S metagenomic microbial composition analysis of kefir grain using MEGAN and BaseSpace // Food Biotechnol. 2016. V. 30 (3). P. 219–230.
- 40. Zheng J., Wittouck S., Salvetti E. et al. A taxonomic note on the genus Lactobacillus: description of 23 novel genera, emended description of the genus Lactobacillus Beijerinck 1901, and union of Lactobacillaceae and Leuconostocaceae // Int. J. Syst. Evol. Microbiol. 2020. V. 70 (4). P. 2782–2858.
