Shipped and shifted: modeling collection-induced bias in microbiome multi-omics using a tractable fermentation system

科学分野:

• 微生物学
• メタボロミクス
• バイオインフォマティクス

背景:

• 分散型微生物群集研究と市民科学イニシアチブでは、多くの場合、常温保管が関与する。
• この保管はバイアスを導入し、サンプル組成を変化させ、データ比較性に影響を与える可能性がある。

研究 の 目的:

• 微生物群集とメタボロームデータの保管によるバイアスの定量化とモデリングのための一般化可能なフレームワークを開発すること。
• サワードウ発酵モデルを使用して、温度と時間がサンプル組成に与える影響を評価すること。

主な方法:

• 制御された温度（4°C、17°C、30°C）で最大28日間保管されたサワードウサンプルのマルチオミクスプロファイリング（微生物群集、メタボローム、培養）。
• 温度依存的なシフトを特定し、保管条件を予測するために機械学習モデルを適用した。

主要な成果:

• 温度は細菌群集構造と代謝プロファイルに著しく影響を与えたが、真菌群集は安定していた。
• 保管は生態系の再構築を誘発し、より高い温度ではネットワークのモジュール性が低下した。
• 代謝物は保管条件の重要な予測因子であり、環境暴露に対する高い感受性を示した。

結論:

• 短期間の常温保管（<2日）でさえ、微生物群集とメタボロームプロファイルを大幅に再構築する。
• 開発されたフレームワークは、保管効果の堅牢な定量化とモデリングを可能にし、分散型研究におけるバイアスの検出と補正を支援する。