Darmmikrobiom-Signaturen extremer Umweltanpassung bei tibetischen Schweinen

npj Biofilms and Microbiomes Band 9, Artikelnummer: 27 (2023) Diesen Artikel zitieren

740 Zugriffe

8 Altmetrisch

Details zu den Metriken

Tibetische Schweine (TPs) können sich aufgrund ihrer Eigengenomsignale an die extremen Umgebungen auf dem tibetischen Plateau anpassen, es ist jedoch wenig über die Rolle der Darmmikrobiota bei der Wirtsanpassung bekannt. Hier haben wir 8210 aus Metagenomen zusammengesetzte Genome von TPs (n = 65) rekonstruiert, die in in Gefangenschaft gehaltenen Schweinen in großen und niedrigen Höhen leben (87 aus China – CPs und 200 aus Europa – EPs), die in 1050 Genombehältern auf Artenebene gruppiert wurden (SGBs) an der Schwelle einer durchschnittlichen Nukleotididentität von 95 %. 73,47 % der SGBs stellten neue Arten dar. Die auf 1.048 SGBs basierende Analyse der mikrobiellen Gemeinschaftsstruktur im Darm zeigte, dass sich TPs deutlich von in Gefangenschaft gehaltenen Schweinen in geringer Höhe unterschieden. TP-assoziierte SGBs ermöglichten die Verdauung mehrerer komplexer Polysaccharide, darunter Cellulose, Hemicellulose, Chitin und Pektin. Insbesondere fanden wir heraus, dass TPs die häufigste Anreicherung der Phyla Fibrobacterota und Elusimicrobia aufwiesen, die an der Produktion von kurz- und mittelkettigen Fettsäuren (Essigsäure, Butanoat und Propanoat; Oktan-, Decan- und Dodecansäure) beteiligt sind an der Biosynthese von Laktat, 20 essentiellen Aminosäuren, mehreren B-Vitaminen (B1, B2, B3, B5, B7 und B9) und Cofaktoren beteiligt. Unerwarteterweise zeigte Fibrobacterota ausschließlich eine starke Stoffwechselkapazität, einschließlich der Synthese von Essigsäure, Alanin, Histidin, Arginin, Tryptophan, Serin, Threonin, Valin, B2, B5, B9, Häm und Tetrahydrofolat. Diese Metaboliten könnten zur Anpassung des Wirts an große Höhen beitragen, beispielsweise zur Energiegewinnung und zur Resistenz gegen Hypoxie und ultraviolette Strahlung. Diese Studie liefert Einblicke in das Verständnis der Rolle des Darmmikrobioms bei der Anpassung von Säugetieren an große Höhen und entdeckt einige potenzielle Mikroben als Probiotika zur Verbesserung der Tiergesundheit.

Das tibetische Schwein (Sus scrofa Domesticus) ist eine einheimische Rasse, die auf dem Qinghai-Tibet-Plateau beheimatet ist und langfristig den rauen Umgebungsbedingungen in großer Höhe wie Hypoxie, starker Kälte, intensiver ultravioletter Strahlung (UVR) und Nahrungsmittelknappheit standhalten kann1. 2,3. Daher ist das Verständnis des Höhenanpassungsmechanismus des tibetischen Schweins sehr wichtig für die Entdeckung neuer genetischer Komponenten, die an der Stressresistenz beteiligt sind. Bei der Genomanalyse wurden 268 Gene unter positiver Selektion bei tibetischen Wildschweinen entdeckt, die mit Anpassungen an große Höhen zusammenhängen, wie z. B. der Aufrechterhaltung der genomischen Stabilität gegenüber UV-Strahlung und der molekularen Anpassung unter Hypoxie4. Genauer gesagt identifizierte diese Studie drei Vitamin-B6-bindende Gene (ALB, SPTLC2 und GLDC), die die Synthese von Hämoglobin unterstützen und die Sauerstoffbindung verbessern, sowie vier Hypoxie-bezogene Gene (ALB, ECE1, GNG2 und PIK3C2G). Weitere Studien ergaben genetische Mutationen in den Genen PLA2G12A und EPAS1, die mit der phänotypischen Variation des pulmonalen Gefäßtonus und der Hämoglobinkonzentration zusammenhängen5. Kürzlich wurde in weiteren Studien auch auf die Signaturen des Darmmikrobioms bei der Höhenanpassung bei tibetischen Schweinen geachtet, da die Darmmikrobiota eine wesentliche Rolle beim Nährstoffstoffwechsel6,7, der Energieregulierung8,9 und der Entwicklung des Immunsystems für die Aufrechterhaltung der Gesundheit des Wirts spielt10,11. Beispielsweise ergab eine 16 S-ribosomale Metaanalyse die drei am häufigsten vorkommenden Darmbakterien Acinetobacter, Pseudomonas und Sphingobacterium bei tibetischen Schweinen im Vergleich zu Schweinen in geringer Höhe12. Die Metabolomik-Analyse von 12 Kotproben von tibetischen Schweinen aus großer Höhe zeigte, dass die Produktion von Propansäure und Octadecansäure deutlich verbessert wurde und auch die mit diesen beiden Metaboliten verbundenen Gene hochreguliert wurden12. Kurz gesagt, diese Ergebnisse deuten darauf hin, dass die Umgebung in großer Höhe das einzigartige Darmmikrobiom und die funktionelle Vielfalt des tibetischen Schweins geprägt hat. Aufgrund der Einschränkungen aufgrund der geringen Probengröße und der geringen metagenomischen Sequenzierungstiefe in früheren Studien bleibt jedoch unklar, welche Diversität und Funktionslandschaft in der Darmmikrobiota von tibetischen Schweinen vorliegt und welche Bedeutung sie für die Höhenanpassung des Wirts hat.

Schweine sind weltweit die wichtigsten Haustiere und ein wichtiger Bestandteil der weltweiten Tierproduktion. Das rasante Wachstum der Tierproduktion in den letzten Jahrzehnten hat jedoch auch zur Entstehung und Ausbreitung von Infektionskrankheiten wie dem porcinen epidemischen Durchfallvirus geführt und führt direkt zu enormen wirtschaftlichen Verlusten für die Schweinezuchtindustrie13,14. Es treibt die häufigsten Anwendungen der Antibiotikaverabreichung in der Schweineproduktion zur Behandlung und Vorbeugung von Infektionen in der Säuge- und Nachentwöhnungsphase voran. Der Einsatz von Antibiotika trägt zur zunehmenden mikrobiellen Resistenz und zum Rückgang der mikrobiellen Vielfalt bei15,16 und kann auch ein Risiko für die Gesundheit von Schweinen darstellen. Um den Nebeneffekt des Antibiotikaeinsatzes zu verringern, empfahl Blaser17 Probiotika als Ersatz für lebenswichtige fehlende und/oder ausgestorbene Arten und Stämme, die entscheidende Entwicklungswege modulierten, möglicherweise durch begleitende Präbiotika. Die wilden Verwandten oder einheimischen Rassen domestizierter Tiere könnten eine enorme Ressource für die Erforschung von Probiotika darstellen. Beispielsweise berichteten Rosshart et al.18, dass die eventuelle Transplantation des Darmmikrobioms von Wildmäusen in Labormäuse die Fitness des Wirts fördern und die Krankheitsresistenz bei Lungeninfektionen und Tumorentstehung verbessern könnte. Durch die Übertragung von Fäkalienmikroben einer einheimischen Schweinerasse, die über eine stärkere Krankheitsresistenz verfügte, auf kommerzielle Ferkel könnte wiederkehrender Durchfall verhindert werden, der durch frühen Entwöhnungsstress verursacht wird19. Kürzlich wurden über 13.000 kohlenhydratabbauende Gene im Darmmikrobiom von tibetischen Schweinen (n=11) identifiziert, die größtenteils in fünf Stämmen verteilt waren: Firmicutes, Bacteroidetes, Spirochaetota, Verrucomicrobiota und Fibrobacterota20. Diese Studien deuten darauf hin, dass tibetische Schweine unerwartete probiotische Mikroben zur Verbesserung der Schweinegesundheit beherbergen könnten. Bisher fehlt jedoch noch eine systemische Untersuchung des Darmmikrobioms von tibetischen Schweinen auf Genomebene.

Hier führten wir eine tiefe metagenomische Sequenzierung von 31 Kot- und 34 Blinddarmproben von 47 frei grasenden tibetischen Schweinen (TPs) durch, die in der Präfektur Deqen in der chinesischen Provinz Yunnan auf einer durchschnittlichen Höhe von über 3500 m über dem Meeresspiegel leben. Wir haben 1048 Genom-Bins (SGBs) auf Artenebene aus dem Darmmikrobiom von Schweinen gewonnen, indem wir veröffentlichte Darmmetagenome von 287 in geringer Höhe gehaltenen Schweinen (87 aus China – CPs und 200 aus Europa – EPs) integriert haben. Wir entdeckten eine deutliche Diversität und funktionelle Profile der Darmmikrobiota bei TPs im Vergleich zu CPs und EPs. Die Ergebnisse werden nicht nur Einblicke in das Verständnis der Höhenanpassung tibetischer Schweine liefern, sondern auch das Potenzial von TP-assoziierten Darmmikrobiota als Probiotika untersuchen.

Über 779 GB metagenomische Sequenzdaten wurden von der Illumina HiSeq × Ten-Plattform aus 65 TPs-Proben generiert (Ergänzungstabelle 1). Wir haben die obigen Sequenzierungs-Rohdaten mit einem veröffentlichten metagenomischen Sequenzdatensatz von 287 in Gefangenschaft gehaltenen Schweinen aus Dänemark, Frankreich und China21 integriert, um den Darmgenomkatalog von Schweinen zu erstellen. Unter Verwendung einer Einzelproben-Montagestrategie haben wir insgesamt 8210 MAGs mit einem Qualitätsschwellenwert für Vollständigkeit >75 % und Kontamination <10 %22,23 rekonstruiert (siehe „Methoden“; Abb. 1A). Insgesamt handelte es sich bei 3807 dieser MAGs um qualitativ hochwertige Genome mit einer Vollständigkeit von >90 % und einer Kontamination von <5 % (Abb. 1B). Nach der Dereplikation bei einem durchschnittlichen Nukleotididentitätsschwellenwert (ANI) von 95 %24 wurden 1050 SGBs für die weitere Analyse identifiziert (siehe „Methoden“). Wir haben eine Genomabdeckung von mindestens 40 % verwendet, um das Vorhandensein von SGBs in jeder Probe zu bestimmen, und schließlich wurden 1048 repräsentative SGBs erhalten, von denen 623 SGBs (59,45 %) hochwertige Genome waren (> 90 % Vollständigkeit und < 5 % Kontamination). (Ergänzungstabelle 2). Jedes SGB wurde von durchschnittlich 7,8 MAGs unterstützt und 57,25 % der SGBs enthielten mindestens zwei MAGs (Ergänzungstabelle 2). Wir haben das Genom-Taxonomie-Datenbank-Toolkit (GTDB-Tk)25 verwendet, um eine taxonomische Zuordnung der SGBs durchzuführen (siehe „Methoden“). Die Ergebnisse zeigten, dass sie in 20 Bakterienstämme und einen Archaeenstamm eingeteilt wurden, 90,74 % der SGBs bekannten Gattungen zugeordnet wurden und 73,47 % der SGBs nicht klassifizierte Arten (genannt uSGBs) waren (Abb. 1C). Außerdem wurden 45,04 % der 1048 SGBs Firmicutes A zugeordnet, 25,86 % Bacteroidetes, 6,97 % Firmicutes und 5,63 % Proteobacteria (Ergänzungstabelle 3). Die Prävalenz und Klassifizierung von SGBs in TPs, EPs und CPs sind in Abb. 1D dargestellt und zeigen die Unterschiede der mikrobiellen Gemeinschaft auf Stammebene zwischen drei Gruppen. Darüber hinaus wurden funktionelle Genprofile von 1048 SGBs mit MetaGeneMark (v.3.38)26 vorhergesagt (siehe „Methoden“). Alle Genanmerkungen wurden unter Verwendung der Datenbanken Carbohydrate-aktive Enzyme (CAZymes)27 und Kyoto Encyclopedia of Genes and Genomes (KEGG) Orthology (KO)28 durchgeführt (siehe „Methoden“).

A Profile von MAGs mittlerer und hoher Qualität. Genomgröße, N50 und Contigs-Anzahl von Genomen mittlerer und hoher Qualität mit unterschiedlichen Farben, die auf unterschiedliche Genomqualität hinweisen. Die zugehörigen Quelldaten werden als Quelldatendatei bereitgestellt. B Geschätzte Vollständigkeit und Kontamination von 8210 Genomen, die aus Schweinedarm-Metagenomen gewonnen wurden. Die Genomqualität wurde als Vollständigkeit – 5 Kontamination bewertet und nur Genome mit einem Qualitätsfaktor von über 75 % wurden beibehalten. Genome mittlerer Qualität werden in Grün dargestellt, Genome hoher Qualität in Rot. Histogramme entlang der x- und y-Achse zeigen den Prozentsatz der Genome mit unterschiedlichem Grad der Vollständigkeit bzw. Kontamination. Die zugehörigen Quelldaten werden als Quelldatendatei bereitgestellt. C Anzahl der SGBs in jedem taxonomischen Rang. Die SGBs ohne vorhandene Referenzgenome auf Artenebene wurden von GTDB-Tk als unbekannte SGBs (uSGBs) definiert, stattdessen wurden die SGBs mit mindestens einem Referenzgenom als bekannte SGBs (kSGBs) betrachtet. D Phylogenetischer Baum der repräsentativen Schweinedarm-SGBs. Der innere Kreis ist ein phylogenetischer Baum von 1048 repräsentativen SGBs, die gemäß taxonomischen Klassifizierungen auf GTDB-Stammebene gefärbt sind (siehe Farblegende). Konzentrische Ringe, die sich vom ersten zum dritten Ring nach außen bewegen, repräsentieren gruppenangereicherte SGBs entsprechend dem Vorhandensein/Fehlen von SGBs in jeder Gruppe. TPs stehen für frei grasende tibetische Schweine, EPs für in geringer Höhe gehaltene europäische Schweine und CPs für in geringer Höhe gehaltene chinesische Schweine. Die zugehörigen Quelldaten werden als Quelldatendatei bereitgestellt.

Chen et al.29 identifizierten 6339 MAGs (>50 % Vollständigkeit und <5 % Kontamination) und 2673 SGBs (ANI ≥ 95 %) aus dem Darmmikrobiom-Datensatz von 500 chinesischen Schweinen. Um die Einzigartigkeit unserer identifizierten SGBs zu untersuchen, haben wir unsere 8210 MAGs mit Chens Datensatz integriert und die MAGs mit einer Vollständigkeit von >75 % und einer Kontamination von <5 % belassen, um SGBs am Schwellenwert von ANI ≥ 95 % zu identifizieren. Insgesamt wurden schließlich 2266 SGBs erworben. 1248 (55,08 %) davon betrafen nur Chens Studie, 519 (22,90 %) diese Studie und 499 (22,02 %) überlappten sich (ergänzende Abbildung 1). Dieser Befund zeigt, dass weitere Anstrengungen erforderlich sind, um die mikrobielle Vielfalt im Schweinedarm zu verstehen.

Die Alpha- und Beta-Diversitätsanalysen der Darmmikrobiota aus vier Gruppen (TPs, CPs, EPs-Dänemark, EPs-Frankreich) wurden basierend auf der Prävalenz oder Häufigkeit von SGBs durchgeführt (siehe „Methoden“). Die Ergebnisse zeigten, dass die Artenreichtums-, Shannon- und Simpson-Diversitätsindizes bei TPs im Vergleich zu anderen Gruppen signifikant erhöht waren (Abb. 2A, Wilcoxon-Rang-Summen-Test, p < 0,001). Die Hauptkoordinatenanalyse (PCoA) (basierend auf der gewichteten UniFrac-Distanzmatrix) und die nichtmetrische mehrdimensionale Skalierungsanalyse (NMDS) (basierend auf der Jaccard-Distanzmatrix) zeigten durchweg eine klare Trennung der TPs von den anderen Gruppen (Abb. 2B, ergänzende Abb. 2A, B). Darüber hinaus war der Unterschied in der mikrobiellen Vielfalt zwischen den Probentypen (Stuhl und Blinddarm) deutlich geringer als zwischen den Wirtsgruppen (ergänzende Abbildung 2C – F), was darauf hindeutet, dass die TPs unterschiedliche Darmmikrobiota beherbergen. Beispielsweise waren 14,12 %, 8,97 % und 1,43 % aller SGBs ausschließlich in TPs, EPs und CPs vorhanden (Abb. 2C). Je nach Vorhandensein oder Fehlen jedes SGB in jeder Stichprobe stellten wir fest, dass 464 SGBs signifikant mit TPs, 209 SGBs mit EPs und 146 SGBs mit CPs assoziiert waren (Ergänzungstabelle 4, Wilcoxon-Rangsummentest, p < 0,05, FDR). korrigiert). Auf Stammebene war die Prävalenz von Fibrobacterota und Elusimicrobia bei TPs signifikant höher als bei EPs und CPs (Abb. 2D; Abb. 2E, Fisher-Test, p < 0,001). Stattdessen war Methanobacteriota, das für seine Rolle bei der Methanogenese30 bekannt ist, in TPs äußerst signifikant geringer als in anderen Gruppen (Fisher-Test, p < 0,001). CPs hatten die höchste Prävalenz von Methanobacteriota (Fisher-Test, p < 0,001). Sowohl TPs als auch CPs hatten eine höhere Prävalenz von Actinobacteriota und Verrucomicrobiota als EPs (Fisher-Test, p < 0,01). Desulfobacterota und Planctomycetotah kamen hauptsächlich in CPs vor (Fisher-Test, p <0,001), und Deferribacterota und Verrucomicrobiota_A waren in EPs deutlich vorhanden (Fisher-Test, p <0,05).

Ein Vergleich der Alpha-Diversitätsindizes des Darmmikrobioms zwischen TPs, EPs und CPs. Das Violin-Plot und das Box-Plot repräsentieren jeweils den Artenreichtum, den Shannon- und den Simpson-Diversitätsindex. Balkendiagramm des Artenreichtums basierend auf der Anwesenheit oder Abwesenheit von SGBs in jeder Probe, Shannon- und Simpson-Diversitätsindex basierend auf der relativen Häufigkeit von SGBs in jeder Probe. Die Farben zeigen Wirtsgruppen an. Die zugehörigen Quelldaten werden als Quelldatendatei bereitgestellt. B Vergleich der Beta-Diversität zwischen TPs, EPs und CPs. PCoA basierte auf der gewichteten UniFrac-Distanzmatrix zwischen den Proben. Die Farben und Formen zeigen Wirtsgruppen bzw. Probentypen an. PCoA-Darstellung, die die mikrobielle Gemeinschaft von TPs getrennt von denen von EPs und CPs zeigt (multivariate Varianzanalyse pro Mutation, p = 0,001, angepasstes R2 = 0,44). Die B-NMDS-Plotanalyse basierte auf der Jaccard-Distanzmatrix zwischen den Proben. Die Farben und Formen zeigen Wirtsgruppen bzw. Probentypen an. Die NMDS-Auftragung zeigt die mikrobielle Gemeinschaft von TPs getrennt von EPs und CPs (Stress = 0,13). Die zugehörigen Quelldaten werden als Quelldatendatei bereitgestellt. C Verteilung der SGBs auf TPs, EPs und CPs. Venn-Diagramm, das die Prävalenz von SGBs in TPs, EPs und CPs zeigt. Die Farben geben die Probengruppe an. D Verteilung der Mikrobiota auf Stammebene zwischen TPs, EPs und CPs. Kreisdiagramm, das die Prävalenz von Phyla in TPs, EPs und CPs zeigt. E, Vergleich der Anreicherungsanalyse auf Stammebene zwischen TPs, EPs und CPs. Farbe und Größe des Blasendiagramms entsprechend der Prävalenz von SGBs in einem bestimmten Stamm. Die Wärmekarte zeigt das Signifikanzniveau der Anreicherung (kein * steht für p > 0,05) und die Farben zeigen angereicherte Gruppen an.

Um das Potenzial der Kohlenhydratverwertung von Wirtsgruppen-assoziierten SGBs zu untersuchen, führten wir eine CAZyme-Annotation mit dbCAN231 durch und führten eine Anreicherungsanalyse von CAZymes über den Fisher-Test durch (siehe „Methoden“). Die Ergebnisse zeigten, dass TPs-assoziierte SGBs viel mehr Kohlenhydratverwertungsgene kodierten als SGBs, die mit in Gefangenschaft gehaltenen Schweinen assoziiert waren, und dass die Gene hauptsächlich zu den Familien der Glykosidhydrolasen (GHs), Familien der Kohlenhydratesterasen (CEs) und Familien der Polysaccharidlyasen (PLs) gehörten (Ergänzungstabelle). 5 und Abb. 3, Fisher-Test, p < 0,05). Beispielsweise umfassten TPs-assoziierte SGBs mehr Gene in GH43, CE12, GH105, GH88, GH35 und GH51 als CPs und EPs (Fisher-Test, p < 0,001). Sie umfassten außerdem mehr Gene in CE1, PL1 und GH53 als in CPs und Gene in GH127 und GH146 als in EPs (Fisher-Test, p < 0,05). Basierend auf der CAZy- und dbCAN-PUL-Datenbank haben wir herausgefunden, dass alle CAZyme von GH43, CE12, GH105, GH35 und GH51 mit dem Abbau pflanzlicher Polysaccharide wie Cellulose, Pektin, Chitin, Xylan und anderen Glucanen verbunden sind. GH88 hängt mit der Verwendung von N-Glykan und Glykosaminoglykan zusammen. CE1, PL1, GH53, GH127 und GH146 sind am Abbau mehrerer Polysaccharide wie Cellulose, Hemicellulosen und anderer Beta-Glucane beteiligt. Diese Ergebnisse legen nahe, dass das Darmmikrobiom der TPs über eine deutlich stärkere Polysaccharidverwertungsfähigkeit verfügt als in Gefangenschaft gehaltene Schweine.

Wärmekarte, die den signifikanten Unterschied in CAZymes (außer Glykosyltransferasen) zwischen TPs, EPs und CPs und ihren zugehörigen potenziellen Substraten zeigt. Es zeigt nur die deutlich angereicherten CAZymes in der ehemaligen Wirtsgruppe.

Die Fibrobacterota und Elusimicrobia kamen hauptsächlich in TPs und nicht in anderen Gruppen vor (Fisher-Test, p < 0,001). Bemerkenswerterweise waren die SGBs in den beiden Bakterienstämmen alle von hoher Qualität mit einer Vollständigkeit von > 90 % und einer Kontamination von < 5 % (Ergänzungstabelle 2). Daher führten wir eine KO-Annotation und Anreicherungsanalyse der KEGG-Signalwege durch, um deren funktionelles Potenzial zu entschlüsseln. Die Ergebnisse zeigten, dass es 38 KEGG-Signalwege gab, die in den SGBs von Fibrobacterota signifikant angereichert waren, bzw. 39 Signalwege in den SGBs von Elusimicrobia (Ergänzungstabelle 6, Fisher-Test, p < 0,05, FDR-korrigiert). Insgesamt zeigten die beiden Phyla-Bakterien unterschiedliche Stoffwechseleigenschaften, obwohl die zehn am stärksten angereicherten Stoffwechselwege in ihnen beide Translation, Replikation und Reparatur, Signaltransduktion und Energiestoffwechsel umfassten (Abb. 4, Fisher-Test, p < 0,001). Fibrobacterota war insbesondere am Metabolismus von Cofaktoren und Vitaminen sowie am Aminosäurestoffwechsel beteiligt, und Elusimicrobia war hauptsächlich an der Glykanbiosynthese und dem Glykanstoffwechsel sowie am Kohlenhydratstoffwechsel beteiligt. Darüber hinaus unterschieden sich die am Aminosäurestoffwechsel beteiligten angereicherten Wege zwischen Fibrobacterota und Elusimicrobia (Abb. 4 und Ergänzungstabelle 6, Fisher-Test, p < 0,05, FDR-korrigiert). Beispielsweise war Fibrobacterota in den Stoffwechselwegen der Valin-, Leucin- und Isoleucin-Biosynthese (Fisher-Test, p = 0,002), des Alanin-, Aspartat- und Glutamatstoffwechsels (Fisher-Test, p = 0,010) und der Arginin-Biosynthese (Fisher-Test, p = 0,014) signifikant angereichert ), Phenylalanin-, Tyrosin- und Tryptophan-Biosynthese (Fisher-Test, p = 0,023), Lysin-Biosynthese (Fisher-Test, p = 0,025), Histidin-Metabolismus (Fisher-Test, p = 0,025), Cystein- und Methionin-Metabolismus (Fisher-Test, p = 0,032). ). Elusimicrobia bevorzugte die Lysin-Biosynthese (Fisher-Test, p = 0,0174) und den Glycin-, Serin- und Threonin-Metabolismus (Fisher-Test, p = 0,0277).

Blasendiagramm, das die signifikant angereicherten KEGG-Signalwege in Elusimicrobia und Fibrobacterota zeigt. Die Anreicherungssignifikanz (p-Wert) wurde mit dem Fisher-Test gemessen (siehe „Methoden“). Die Blasenfarbe reagiert auf die Bedeutung der Anreicherung und die Blasengröße hängt vom Verhältnis der Anzahl der Gene ab, die einem bestimmten Signalweg zugeordnet sind. Die gleiche Farbe der Stoffwechselwege rechts weist auf das gleiche Stoffwechselwegmodul hin.

Die Analyse des Stoffwechselwegs zeigte, dass die SGBs in Fibrobacteres und Elusimicrobiota eine Reihe von Schlüsselenzymgenen im Glykolyseweg (10 Gene) und im Pyruvatstoffwechselweg (2 Gene) enthielten, um die Umwandlung von Glucose-6-phosphat in Pyruvat und weiter in Kurzform zu katalysieren. Kettenfettsäuren (SCFAs), mittelkettige Fettsäuren (MCFAs), Laktat, Ethanol usw. (Abb. 5, ergänzende Abbildung 3 und ergänzende Tabelle 7). Darüber hinaus kodierten sie zahlreiche Enzymgene für die Fettsäuresynthese, die Umwandlung von Acetyl-CoA in Malonyl-CoA sowie die Synthese von Octansäure, Decansäure und Dodecansäure. Dennoch kodierten die SGBs in Fibrobacteres mehr Enzymgene auf diesen Wegen als in Elusimicrobiota, mit Ausnahme der Synthesewege von Laktat, Butanoat, Ethanol und Propanoat. Es war bemerkenswert, dass die SGBs in zwei Phyla einige einzigartige Enzymgene kodierten, um an einem bestimmten katalytischen Prozess teilzunehmen. Beispielsweise waren die SGBs in Fibrobacteres ausschließlich über zwei Wege an der Essigsäuresynthese beteiligt. Eine davon war die direkte Umwandlung von Pyruvat in Essigsäure. Eine andere war Pyruvat in Acetyladenylat und dann in Essigsäure. Die SGBs in Elusimicrobiota waren lediglich an der direkten Umwandlung von Pyruvat in Laktat beteiligt. Sicherlich erfordern einige Wege möglicherweise die Zusammenarbeit der beiden Phyla, wie beispielsweise die Butanoatsynthese. Die Schlüsselenzyme Trans-2-Enoyl-CoA-Reduktase [EC:1.3.1.44] und Butyratkinase [EC:2.7.2.7] wurden anhand der SGBs in Fibrobacteres bzw. in Elusimicrobiota annotiert.

Elusimicrobia und Fibrobacterota waren am Polysaccharidabbau, Membrantransport, Glykolyse und TCA-Zyklus sowie am Anabolismus von Fettsäuren, Aminosäuren sowie B-Vitaminen und Cofaktoren beteiligt. DHAP-Dihydroxyacetonphosphat, GAP-Glycerinaldehyd-3-phosphat, PRPP-5-Phosphoribosyldiphosphat, 3PG-3-Phosphoglycerat, PEP-Phosphoenolpyruvat, AIR-Aminoimidazol-Ribonukleotid, IMP-Inosinmonophosphat, GTP-Guanosin-5′-triphosphat, D-Ru5P-D-Ribulose-5-phosphat, FAD Flavinadenindinukleotid, FMN Riboflavin-5-phosphat, DHF 7,8-Dihydrofolat, THF Tetrahydrofolat, AL (S)-2-Acetolactat, OIV 2-Oxoisovalerat, NAD+ Nicotinamidadenindinukleotid, NADP+ Nicotinamidadenindinukleotidphosphat.

Darüber hinaus wurden von den SGBs in Fibrobacteres und Elusimicrobiota zahlreiche Enzymgene kodiert, die den Prozess nichtoxidativer Zweige des Pentosephosphatwegs katalysieren (ergänzende Abbildung 3). Zum Beispiel Transketolase [EC:2.2.1.1], Ribulose-Phosphat-3-Epimerase [EC:5.1.3.1], Ribose-5-Phosphat-Isomerase A [EC:5.3.1.6] und Ribose-Phosphat-Pyrophosphokinase [EC:2.7. 6.1] katalysieren die Umwandlung von Fructose-6-phosphat zu Erythrose-4-phosphat (Erythrose-4P) und zu 5-Phospho-alpha-D-ribose-1-diphosphat (PRPP). Es ist bekannt, dass Erythrose-4P das wesentliche Substrat für die Chorismatsynthese über den Shikimatweg ist. Chorismat kann als Vorstufe für die Biosynthese von Tyrosin, Phenylalanin und Tryptophan dienen. Und PRPP ist der Schlüsselvorläufer für die Histidinsynthese und die Bildung von Aminoimidazolribonukleotid (AIR) und Guanosintriphosphat (GTP), die für die Biosynthese von Vitamin B1, B2, B9, Flavinadenindinukleotid (FAD) und Flavinmononukleotid (FMN) verwendet werden ) und Tetrahydrofolat (THF).

Die Anreicherungsanalysen der Stoffwechselwege von Fibrobacteres und Elusimicrobiota zeigten, dass beide Phyla an der Synthese von 20 essentiellen Aminosäuren beteiligt waren (Abb. 5, ergänzende Abbildung 4 und ergänzende Tabelle 7). Die SGBs in Fibrobacteres kodierten mehr verwandte Enzymgene als die in Elusimicrobiota. Beispielsweise enthielten die SGBs in Fibrobacteres alle Schlüsselenzymgene, die PRPP zur Bildung von Histidin (9 Gene), Oxalacetat zu Glutamat und weiter zu Arginin (11 Gene), Oxalacetat zu Aspartat (1 Gen) und Aspartat zu Lysin (7) katalysierten Gene) und zu Threonin (5 Gene) sowie zu Glycin (7 Gene), 3-Phosphoglycerat zu Serin (3 Gene), Pyruvat zu Alanin (2 Gene) und zu Valin (5 Gene), Erythrose-4P zu Chorismat und weiter zu Tryptophan (12 Gene). Die Ergebnisse zeigten, dass Fibrobacteres eine stärkere Kapazität zur Synthese von Aminosäuren hatten als Elusimicrobiota. Die SGBs in Elusimicrobiota kodierten alle sieben Schlüsselenzymgene im Lysinsyntheseweg (7 Gene) und alle Schlüsselenzymgene katalysierten die Umwandlung von Threonin in Glycin und weiter in Serin, wie z. B. Threonin-3-Dehydrogenase [EC:1.1.1.103].

Darüber hinaus enthielten die SGBs in Fibrobacteres und Elusimicrobiota mehrere Enzymgene in den Synthesewegen von B-Vitaminen und ihren aktiven Formen mit Ausnahme von Pyridoxin und Cobalamin (ergänzende Abbildung 4). Beispielsweise umfassten die SGBs in zwei Bakterienstämmen 10 Gene im Syntheseweg von Thiamin, 13 Gene in Niacin, Nicotinamid und Nicotinamidadenindinukleotid (NAD+), 11 Gene in Pantothenat und Coenzym A (CoA), 13 Gene in Biotin, sowie 19 Gene in Häm. Es war bemerkenswert, dass Fibrobacteres über alle wesentlichen Enzymgene für die Katalyse von GTP zur Bildung von Riboflavin (7 Gene), Folat und THF (12 Gene) verfügte, was auf ihre wichtige Rolle bei der Synthese von B-Vitaminen hinweist. Die SGBs in Elusimicrobiota enthielten mehr Enzymgene für die Niacin- und Nikotinamidsynthese.

In dieser Studie haben wir 8210 MAGs aus verschiedenen Schweinerassen gewonnen und diese in 1050 SGBs zusammengefasst. Mindestens 73,47 % der SGBs gehörten zu neuartigen, nicht identifizierten Bakterienarten. Im Vergleich zum größten Datensatz des Schweinemikrobioms29 gab es in dieser Studie immer noch 519 einzigartige SGBs. Diese Ergebnisse legen nahe, dass diese Studie das bekannte Artenrepertoire erweitern und die bekannte phylogenetische Vielfalt der Mikrobiota im Schweinedarm erweitern kann. Darüber hinaus wiesen TPs eine größere mikrobielle Diversität auf als CPs und EPs, was mit der Feststellung übereinstimmt, dass chinesische Rhesusaffen in Tibet eine höhere mikrobielle Diversität im Darm aufwiesen als ihre Verwandten in geringer Höhe32. Allerdings fanden Zeng et al.14 bei tibetischen Schweinen und Tibetern eine geringere mikrobielle Vielfalt als bei ihren Verwandten in geringer Höhe. Worthmann et al.33 berichteten, dass Kälteeinwirkung bei Mäusen zu einem geringeren Artenreichtum und einem verringerten Shannon-Diversitätsindex führte. Ob die Höhenlage die Bildung der mikrobiellen Diversität im Darm tibetischer Tiere vorantreibt, muss weiter geklärt werden. Außerdem stellten wir fest, dass der Unterschied in der Beta-Diversität zwischen den Probentypen (Kot vs. Blinddarminhalt) deutlich geringer war als zwischen den Wirtsgruppen. Dies steht im Einklang mit unserer früheren Feststellung, dass der Unterschied in der mikrobiellen Diversität zwischen den Stellen entlang des menschlichen Darms geringer war als die interindividuelle Variation34.

Unsere vorherige Studie zeigte die konvergente Entwicklung von Pansenmikrobiomen bei Yak- und tibetischen Schafen im Hinblick auf die Energiegewinnungspersistenz ihrer Wirte35, was darauf hindeutet, dass die durch Darmmikrobiome vermittelte Energiehomöostase für die Anpassung von Säugetieren an eine hohe Haltung von entscheidender Bedeutung sein könnte. In dieser Studie haben wir größere Mengen an Enzymgenen mit dem Potenzial zum Abbau von Polysacchariden, Cellulose und anderen Beta-Glucanen, Hemicellulose, Chitin und Pektin in TP-assoziierten mikrobiellen Genomen identifiziert, was mit der vorherigen Studie übereinstimmt, die die Darmmikrobiome von TPs codierten in größerem Umfang Gene für kohlenhydratabbauende Enzyme als diejenigen ihrer Verwandten in geringer Höhe20. Darüber hinaus entdeckten wir eine signifikant hohe Prävalenz von Fibrobacterota und Elusimicrobia im Darm von TPs. Sie waren an der Energieerzeugung beteiligt, beispielsweise von Butyrat, Essigsäure, Propionat, Ethanol und Laktat. Butyrat kann von den Epithelzellen des Dickdarms absorbiert werden, um die Integrität der Darmwandbarriere aufrechtzuerhalten und eine Entzündung der Enterozyten zu verhindern36. Essigsäure und Propionat wurden in den Blutkreislauf aufgenommen und zur Leber transportiert, um den Energiestoffwechsel des Gewebes anzukurbeln37. Zheng et al.38 zeigten, dass Elusimicrobia Glukose zur Fermentation zu Laktat und Essigsäure nutzen kann, was mit unserem Befund übereinstimmt. Daraus folgerten wir, dass einzigartige Darmmikrobiota, die in TPs enthalten sind, die Nutzung ballaststoffreicher Nahrung verbessern könnten, um den Energiestoffwechsel für die Anpassung des Wirts an extreme Umgebungen in großer Höhe zu fördern.

Höhenhypoxie und UV-Strahlung sind typische Merkmale im Qinghai-Tibet-Plateau2. Schwerer Sauerstoffmangel könnte die Häufigkeit von Lungenschäden39, Herz-Kreislauf-Erkrankungen40 und Hirnverletzungen41 erhöhen. Da die Einwirkung hoher UV-Strahlung zu vorzeitiger Hautalterung und vielen anderen umweltbedingten Hauterkrankungen führte42. In dieser Studie fanden wir funktionelle Potenziale von Fibrobacterota und Elusimicrobia bei der Produktion von Laktat, Aminosäuren (z. B. Histidin und Arginin) und Vitaminen/Cofaktoren (z. B. B2, B3, B9, THF und Häm) (Abb. 5). , Ergänzende Abb. 3 und Ergänzende Abb. 4) waren mit Resistenz gegen Hypoxie und UVR-Schäden verbunden. Beispielsweise wurde Laktat als Promotor der hypoxischen Reaktion unabhängig vom Hypoxie-induzierbaren Faktor (HIF) angesehen, indem es an das NDRG3-Protein bindet, um Angiogenese und Zellwachstum zu fördern43. Arginin ist eine Vorstufe von Stickstoffmonoxid (NO), das als natürlicher Vasodilatator zur Förderung der Durchblutung und Sauerstoffversorgung gilt44. Histidin kann in Histamin umgewandelt werden und spielt eine besonders wichtige Rolle bei der Erhöhung des Blutflusses und der Kapillarpermeabilität45. Es kann auch durch UV-Strahlung in Trans-Urethan und weiter in Cis-Urethan umgewandelt werden, um die Haut zu schützen46. Riboflavin und seine Cofaktoren trugen dazu bei, die Blutzellen gesund zu halten, die Hautgesundheit zu schützen und die Hypoxie-Ausdauer bei jungen Erwachsenen zu verbessern47,48. Folat und THF spielten eine entscheidende Rolle bei der Unterdrückung von Hypoxie-induzierten Entzündungen49, der Bildung roter Blutkörperchen und der Produktion von Melanin zum Schutz der Haut50. Nikotinamid und Niacin waren an der Vorbeugung von Lungengewebeschäden51 beteiligt, während NAD+ sowohl die Gesundheit als auch die Lebensdauer verlängerte52. Häm ist der wichtige Vorläufer von Hämoglobin, das für die Sauerstoffwahrnehmung, den Sauerstofftransfer und den Elektronentransfer unerlässlich ist53,54. Diese Ergebnisse zeigten einen unerwarteten Zusammenhang zwischen dem Darmmikrobiom und der Anpassung des Wirts an Höhenhypoxie und UV-Strahlung.

Unsere Studie liefert Einblicke in das Verständnis der Rolle des Darmmikrobioms bei der Höhenanpassung von Säugetieren und zeigt einige Kandidatenmikroben für die Erforschung von Probiotika in der Zukunft, wie etwa die Mitglieder von Fibrobacterota und Elusimicrobia, die in erheblichem Maße mit Höhenlagen verbunden sind Säugetiere und tragen möglicherweise zur Anpassung des Wirts an extrem raue Umgebungen im Qinghai-Tibet-Plateau bei. Allerdings können wir die Auswirkungen unterschiedlicher Lebensstile auf die Divergenz des Darmmikrobioms zwischen tibetischen Schweinen und ihren Verwandten aus Tieflandschweinen immer noch nicht vollständig entschlüsseln. Zukünftig ist es notwendig, unsere entdeckten Zusammenhänge zwischen Darmmikrobiom und Wirtsmerkmalen zu bestätigen, indem keimfreie Tiermodelle verwendet werden, die im Rahmen kontrollierter Experimente mit kultivierten Darmbakterien besiedelt werden.

Alle Tierversuche wurden von der Ethikkommission der Yunnan-Universität für Tierversuche genehmigt.

Frische Proben des Blinddarminhalts (n = 34) und Kotproben (n = 31) wurden von 47 frei grasenden tibetischen Schweinen (Weibchen und Männchen) in 3500 m Höhe über dem Meeresspiegel in der Präfektur Deqen in der Provinz Yunnan in China in sterilen Sammelröhrchen gesammelt ( Ergänzungstabelle 1). Alle Proben wurden sofort in Trockeneis eingefroren und dann bis zur Verwendung bei –80 °C gelagert.

DNA-Extraktionen wurden mit dem QIAamp DNA Stool Mini Kit (Qiagen, Hilden, Deutschland) gemäß den Anweisungen des Herstellers durchgeführt, mit zusätzlichen Schritten des mechanischen Aufschlusses und der Ausfällung von Ammoniumacetat-Protein. Die Konzentration und Reinheit der DNA wurden mithilfe des NanoDrop (Thermo Fisher Scientific Inc., Wilmington, DE, USA) und der Agarosegelelektrophorese gemessen. Die Vorbereitung der Metagenombibliothek wurde in einer DNA-Paired-End-Bibliothek mit einer Insertgröße von 300 Basenpaaren (bp) für jede Probe gemäß den Anweisungen des Herstellers (Illumina, San Diego, CA, USA) durchgeführt. Die Probe wurde auf einer Illumina HiSeq × 10-Plattform unter Verwendung einer 150-bp-PE-Sequenzierungsstrategie sequenziert.

Wir haben den öffentlich verfügbaren metagenomischen Datensatz von Xiao et al. gesammelt. Studie21, insgesamt 1758 GB hochwertige Lesevorgänge, hinterlegt im European Nucleotide Archive (ENA) unter dem Zugangscode PRJEB11755. Die Sequenzierungs-Rohdaten wurden von 287 in geringer Höhe gehaltenen Schweinen (100 Schweine aus Frankreich, 100 Schweine aus Dänemark und 87 Schweine aus China) mit einem Durchschnitt von 6,13 Gb pro Probe generiert. Diese Datensätze wurden zur weiteren metagenomischen Zusammenstellung in unsere Rohdaten integriert.

Unsere Rohdaten und öffentlich verfügbaren Daten wurden gefiltert, um Sequenzen mit geringer Qualität zu entfernen, einschließlich der folgenden: (1) mehr als 40 % kontinuierliche Basen, deren Qualitätsbewertung unter 32 bp lag; (2) mehr als 10 % N-Basen. Anschließend wurde die Qualität der Lesevorgänge weiter kontrolliert, indem Trimmomatic zum Filtern von Leseadaptern mit schlechter Qualität und Lesevorgängen mit geringerer Qualität verwendet wurde55. Wir haben insgesamt 2,3 TB hochwertige, saubere Lesevorgänge für 352 Proben erhalten, mit einem Durchschnitt von 6,6 GB pro Probe. MEGAHIT (v1.0)56 wurde verwendet, um alle sauberen Lesevorgänge in jeder Probe einzeln zusammenzustellen. Contigs mit einer Länge > 500 bp wurden mit BWA(v.0.7.12)57 auf Lesevorgänge ausgerichtet. Die Abdeckung und Tiefe der Contigs wurden dann mithilfe von Samtools (v.1.9)58 und Bedtools (v.2.27.1)59 berechnet. Wir haben MetaBAT260 durchgeführt, um die zusammengesetzten Contigs in mutmaßliche Genome (MAGs) innerhalb jeder Probe einzuteilen, basierend auf der Tetranukleotidhäufigkeit und der Häufigkeit (oder der durchschnittlichen Tiefe) der Contigs. Anschließend wurde CheckM (v.1.0.7)61 verwendet, um die Vollständigkeit und Kontamination von MAGs durch linienspezifische Markergene und Standardparameter abzuschätzen. Im Allgemeinen wurden gewonnene MAGs mit einer Vollständigkeit > 50 % und einer Kontamination < 10 % als mittel- oder hochwertig angesehen62,63,64, wir haben jedoch einen strengeren Schwellenwert für mittlere Qualität festgelegt, da Vollständigkeit > 75 % und Kontamination < 10 %22,23 . Die MAGs mit einer Vollständigkeit > 75 % und einer Kontamination < 10 % wurden zur weiteren Verfeinerung und Validierung aufbewahrt. Wir haben RefineM (v.0.0.14)22 verwendet, um die Bins mit unterschiedlichen genomischen Eigenschaften, mit inkongruenter taxonomischer Klassifizierung und mit inkongruenten 16 S-rRNA-Genen unter Verwendung von Standardparametern zu filtern. CheckM (v.1.0.7) wurde erneut ausgeführt, um die Genomqualität der beibehaltenen MAGs zu bewerten. Es wurden 8210 MAGs hoher bis mittlerer Qualität (Vollständigkeit 75 % und Kontamination 10 %) erhalten. Anschließend wurden diese MAGs mithilfe von dRep (v.2.6.2)65 mit den Standardparametern Mash66 und ANIs67 (bei der Schwelle von 95 %) in Genome auf Artenebene geclustert. Die Genome mit dem höchsten Genomqualitätswert (Vollständigkeit – 5-fache Kontamination + 0,5 logN50) in jedem Cluster wurden als repräsentative SGBs ausgewählt. Es wurde festgestellt, dass SGBs mit einer Deckung von mehr als 40 % in einer Stichprobe in dieser Stichprobe vorhanden waren. In dieser Studie wurden schließlich insgesamt 1048 repräsentative SGBs im Schweinedarm rekonstruiert (Ergänzungstabelle 2).

GTDB-Tk (v.1.4.0)25 wurde verwendet, um taxonomische Zuordnungen von 1048 repräsentativen SGBs basierend auf GTDB (Version 95) durchzuführen (Ergänzungstabelle 3). Die phylogenetischen Bäume der SGBs wurden von FastTree (v.2.1.10)68 erstellt und mit iTOL (v.6.6)69 visualisiert.

Offene Leserahmen (ORFs) wurden mit MetaGeneMark (v.3.38)26 in jedem SGB vorhergesagt. Alle ORFs wurden der KEGG-Gendatenbank (v.96) zugeordnet, um KOs zu annotieren, und mit dbCAN231 an der CAZy-Datenbank abgeglichen, um CAZymes zu annotieren. Die Kohlenhydratsubstrate der CAZyme-haltigen Gene wurden mithilfe der dbCAN-PUL-Datenbank ermittelt.

Der Artenreichtum wurde basierend auf der Anwesenheit oder Abwesenheit jedes SGB in jeder Probe (siehe Quelldatendatei) pro Vegan-Paket berechnet. Der Diversitätsindex von Shannon und Simpson wurde basierend auf der Häufigkeit jedes SGB in jeder Stichprobe (siehe Quelldatendatei) pro Vegan-Paket berechnet. Die Häufigkeit oder Tiefe jedes SGB wurde anhand der Formel berechnet: Gesamte im Genom kartierte Basenlänge dividiert durch die Genomgröße. Der statistische Unterschied in der Alpha-Diversität zwischen den vier Gruppen wurde mithilfe des Wilcoxon-Rang-Summen-Tests gemessen. Die PCoA-Plotanalyse wurde basierend auf der gewichteten UniFrac-Distanzmatrix zwischen Proben unter Verwendung des Phyloseq-Pakets durchgeführt. Die NMDS-Plotanalyse wurde basierend auf der Jaccard-Distanzmatrix zwischen Proben unter Verwendung des Vegan-Pakets durchgeführt. Die Anreicherungsanalyse aller SGBs in jeder Gruppe wurde anhand ihrer Anwesenheit oder Abwesenheit in jeder Probe gemessen. Der statistische Unterschied in jeder SGB-Anreicherung zwischen drei Gruppen wurde mit dem Wilcoxon-Rang-Summen-Test analysiert. Die angereicherten SGBs in jeder Gruppe wurden mit CAZymes versehen und dann führten wir entsprechend der Anzahl der mit Anmerkungen versehenen CAZymes in jeder Gruppe die Anreicherungsanalyse unter Verwendung des exakten Fisher-Tests durch. Alle SGBs der Phyla Fibrobacteres und Elusimicrobiota wurden ihren mit Anmerkungen versehenen KOs zugeordnet. Wir haben Fishers exakten Test verwendet, um die Anreicherung des KEGG-Signalwegs jedes Stammes auf der Grundlage des Verhältnisses der annotierten KO-Zählungen zur gesamten KO-Zählung in dem bestimmten Signalweg zu analysieren.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Research Reporting Summary.

Rohsequenzdaten und MAGs-Profile wurden im CNGB Sequence Archive (CNSA) der China National GeneBank DataBase (CNGBdb) mit der Zugangsnummer CNP0003325 hinterlegt. Sie sind auch unter https://db.cngb.org/qtp/ verfügbar. Die Quelldaten, die den Abb. zugrunde liegen. 1–2 und ergänzende Abbildungen 1–2 werden als Quelldatendatei bereitgestellt.

Detaillierte Informationen zum Code, der zur Durchführung unserer Datenanalysen verwendet wird, finden Sie in den ergänzenden Materialien.

Yang, S. et al. Der lokale Ursprung des tibetischen Schweins und weitere Einblicke in die Herkunft asiatischer Schweine. PLoS One 6, e28215 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Yang, J. et al. Genetische Signaturen der Höhenanpassung bei Tibetern. Proz. Natl. Acad. Wissenschaft. USA 114, 4189–4194 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Qu, Y. et al. Das Genom der Bodenmeisen zeigt die Anpassung der Vögel an das Leben in großen Höhen auf dem tibetischen Plateau. Nat. Komm. 4, 2071 (2013).

Artikel PubMed Google Scholar

Li, M. et al. Genomanalysen identifizieren unterschiedliche Selektionsmuster bei domestizierten Schweinen und tibetischen Wildschweinen. Nat. Genet. 45, 1431–1438 (2013).

Artikel CAS PubMed Google Scholar

Ai, H. et al. Populationsgeschichte und genomische Signaturen für die Höhenanpassung bei tibetischen Schweinen. BMC-Genom. 15, 834 (2014).

Artikel Google Scholar

Valdes, AM, Walter, J., Segal, E. & Spector, TD Rolle der Darmmikrobiota für Ernährung und Gesundheit. BMJ 361, k2179 (2018).

Artikel PubMed PubMed Central Google Scholar

Rowland, I. et al. Funktionen der Darmmikrobiota: Stoffwechsel von Nährstoffen und anderen Nahrungsbestandteilen. EUR. J. Nutr. 57, 1–24 (2018).

Artikel CAS PubMed Google Scholar

Krajmalnik-Brown, R., Ilhan, ZE, Kang, DW & DiBaise, JK Auswirkungen von Darmmikroben auf die Nährstoffaufnahme und Energieregulierung. Nutr. Klin. Pr. 27, 201–214 (2012).

Artikel Google Scholar

Blaut, M. Darmmikrobiota und Energiehaushalt: Rolle bei Fettleibigkeit. Proz. Nutr. Soc. 74, 227–234 (2015).

Artikel CAS PubMed Google Scholar

Fouhse, JM, Zijlstra, RT & Willing, BP Die Rolle der Darmmikrobiota für die Gesundheit und Krankheit von Schweinen. Anim. Vorderseite. 6, 30–36 (2016).

Artikel Google Scholar

Belkaid, Y. & Hand, TW Rolle der Mikrobiota bei Immunität und Entzündungen. Zelle 157, 121–141 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Zeng, B. et al. Die Darmmikrobiota von Tibetern und tibetischen Schweinen variiert zwischen hoch- und tiefgelegenen Umgebungen. Mikrobiol. Res. 235, 126447 (2020).

Artikel CAS PubMed Google Scholar

VanderWaal, K. & Deen, J. Globale Trends bei Infektionskrankheiten bei Schweinen. Proz. Natl. Acad. Wissenschaft. USA 115, 11495–11500 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Antas, M. & Wozniakowski, G. Aktueller Stand der porcinen epidemischen Diarrhoe (PED) bei europäischen Schweinen. J. Tierarzt. Res. 63, 465–470 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Looft, T. et al. Auswirkungen von Antibiotika im Futter auf das Darmmikrobiom von Schweinen. Proz. Natl. Acad. Wissenschaft. USA 109, 1691–1696 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Mahnert, A. et al. Vom Menschen verursachte mikrobielle Resistenzen in gebauten Umgebungen. Nat. Komm. 10, 968 (2019).

Artikel PubMed PubMed Central Google Scholar

Blaser, MJ Antibiotikaeinsatz und seine Folgen für das normale Mikrobiom. Wissenschaft 352, 544–545 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Rosshart, SP et al. Die Mikrobiota des Wildmaus-Darms fördert die Fitness des Wirts und verbessert die Krankheitsresistenz. Zelle 171, 1015–1028 e1013 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Hu, J. et al. Ein von Mikrobiota abgeleitetes Bakteriozin zielt auf den Wirt ab, um früh entwöhnten Ferkeln eine Durchfallresistenz zu verleihen. Cell Host Microbe 24, 817–832 e818 (2018).

Artikel CAS PubMed Google Scholar

Zhou, S. et al. Charakterisierung von aus Metagenomen zusammengesetzten Genomen und kohlenhydratabbauenden Genen in der Darmmikrobiota von tibetischen Schweinen. Vorderseite. Mikrobiol. 11, 595066 (2020).

Artikel PubMed PubMed Central Google Scholar

Xiao, L. et al. Ein Referenzgenkatalog des Schweinedarmmikrobioms. Nat. Mikrobiol. 1, 16161 (2016).

Artikel CAS PubMed Google Scholar

Parks, DH et al. Die Wiederherstellung von fast 8.000 aus Metagenomen zusammengesetzten Genomen erweitert den Stammbaum des Lebens erheblich. Nat. Mikrobiol. 2, 1533–1542 (2017).

Artikel CAS PubMed Google Scholar

Anderson, CL & Fernando, SC Einblicke in die Diversität mikrobieller biosynthetischer Gencluster im Pansen durch genomaufgelöste Metagenomik. Komm. Biol. 4, 818 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Jain, C., Rodriguez, RL, Phillippy, AM, Konstantinidis, KT & Aluru, S. Hochdurchsatz-ANI-Analyse von 90.000 prokaryotischen Genomen zeigt klare Artengrenzen. Nat. Komm. 9, 5114 (2018).

Artikel PubMed PubMed Central Google Scholar

Chaumeil, PA, Mussig, AJ, Hugenholtz, P. & Parks, DH GTDB-Tk: ein Toolkit zur Klassifizierung von Genomen mit der Genome Taxonomy Database. Bioinformatik 36, 1925–1927 (2019).

PubMed PubMed Central Google Scholar

Zhu, W., Lomsadze, A. & Borodovsky, M. Ab-initio-Genidentifizierung in metagenomischen Sequenzen. Nukleinsäuren Res. 38, e132 (2010).

Artikel PubMed PubMed Central Google Scholar

Cantarel, BL et al. Die Datenbank für kohlenhydrataktive Enzyme (CAZy): eine Expertenressource für Glykogenomik. Nukleinsäuren Res. 37, D233–D238 (2009).

Artikel CAS PubMed Google Scholar

Kanehisa, M., Sato, Y., Kawashima, M., Furumichi, M. & Tanabe, M. KEGG als Referenzressource für die Annotation von Genen und Proteinen. Nukleinsäuren Res. 44, D457–D462 (2016).

Artikel CAS PubMed Google Scholar

Chen, C. et al. Erweiterter Katalog mikrobieller Gene und aus Metagenomen zusammengesetzter Genome aus dem Schweinedarmmikrobiom. Nat. Komm. 12, 1106 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Wang Y. et al. Ein methylotropher Ursprung der Methanogenese und frühe Divergenz des anaeroben Multikohlenstoff-Alkanstoffwechsels. Wissenschaft. Adv. 7, eabj1453.

Zhang, H. et al. dbCAN2: ein Metaserver für die automatisierte Annotation kohlenhydrataktiver Enzyme. Nukleinsäuren Res. 46, W95–W101 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Zhao, J. et al. Charakterisierung der Mikrobiota des Darms in sechs geografischen Populationen chinesischer Rhesusaffen (Macaca mulatta), was eine Anpassung an die Umgebung in großer Höhe impliziert. Mikro. Ökologisch. 76, 565–577 (2018).

Artikel Google Scholar

Worthmann, A. et al. Kälteinduzierte Umwandlung von Cholesterin in Gallensäuren bei Mäusen formt das Darmmikrobiom und fördert die adaptive Thermogenese. Nat. Med. 23, 839–849 (2017).

Artikel CAS PubMed Google Scholar

Zhang, Z. et al. Räumliche Heterogenität und Koexistenzmuster menschlicher Schleimhaut-assoziierter Darmmikrobiota. ISME J. 8, 881–893 (2014).

Artikel PubMed Google Scholar

Zhang, Z. et al. Konvergente Entwicklung von Pansenmikrobiomen bei Säugetieren in großen Höhen. Curr. Biol. 26, 1873–1879 (2016).

Artikel CAS PubMed Google Scholar

Rombeau, JL & Kripke, SA Stoffwechsel- und Darmeffekte kurzkettiger Fettsäuren. JPEN J. Parenter. Eingeben. Nutr. 14, 181s–185s (1990).

Artikel CAS Google Scholar

Schönfeld, P. & Wojtczak, L. Kurz- und mittelkettige Fettsäuren im Energiestoffwechsel: die zelluläre Perspektive. J. Lipid Res. 57, 943–954 (2016).

Artikel PubMed PubMed Central Google Scholar

Zheng, H., Dietrich, C., Radek, R. & Brune, A. Endomicrobium proavitum, das erste Isolat der Endomicrobia-Klasse. Nov. (Phylum Elusimicrobia) – ein Ultramikrobakterium mit einem ungewöhnlichen Zellzyklus, das Stickstoff mit einer Nitrogenase der Gruppe IV fixiert. Umgebung. Mikrobiol. 18, 191–204 (2016).

Artikel CAS PubMed Google Scholar

Beall, CM Zwei Wege zur funktionellen Anpassung: Tibeter und Anden-Eingeborene in großer Höhe. Proz. Natl. Acad. Wissenschaft. USA 104, 8655–8660 (2007).

Artikel CAS PubMed PubMed Central Google Scholar

Abe, H., Semba, H. & Takeda, N. Die Rolle der Hypoxie-Signalisierung bei der Pathogenese von Herz-Kreislauf-Erkrankungen. J. Atheroscler. Thromb. 24, 884–894 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Yang, SJ et al. Regulierung von Hypoxie-Reaktionen durch Flavin-Adenin-Dinukleotid-abhängige Modulation der HIF-1α-Proteinstabilität. EMBO J. 36, 1011–1028 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Amaro-Ortiz, A., Yan, B. & D'Orazio, JA Ultraviolette Strahlung, Alterung und die Haut: Vorbeugung von Schäden durch topische cAMP-Manipulation. Molecules 19, 6202–6219 (2014).

Artikel PubMed PubMed Central Google Scholar

Lee, DC et al. Eine Laktat-induzierte Reaktion auf Hypoxie. Zelle 161, 595–609 (2015).

Artikel CAS PubMed Google Scholar

Zong, E. et al. Die Auswirkungen von Schwefelaminosäuren aus der Nahrung auf die Wachstumsleistung, die Darmmorphologie, die Enzymaktivität und die Nährstofftransporter bei Absetzferkeln. J. Anim. Wissenschaft. 96, 1130–1139 (2018).

Artikel PubMed PubMed Central Google Scholar

Huang, H., Li, Y., Liang, J. & Finkelman, FD Molekulare Regulierung der Histaminsynthese. Vorderseite. Immunol. 9, 1392 (2018).

Artikel PubMed PubMed Central Google Scholar

Taylor, RG, Levy, HL & McInnes, RR Histidase und Histidinämie. Klinische und molekulare Überlegungen. Mol. Biol. Med. 8, 101–116 (1991).

CAS PubMed Google Scholar

Wei, JY et al. Beeinflussung des Ernährungszustands und der Hypoxie-Ausdauer durch ein Nahrungsergänzungsmittel bei jungen Erwachsenen, die in großen Höhen leben. Zhongguo Ying Yong Sheng Li Xue Za Zhi 23, 150–153 (2007).

CAS PubMed Google Scholar

Lu, C. et al. Riboflavin (VB2) photosensibilisierte Oxidation von 2′-Desoxyguanosin-5′-monophosphat (dGMP) in wässriger Lösung: eine Studie über vorübergehende Zwischenprodukte. Physik. Chem. Chem. Physik. 2, 329–334 (2000).

Artikel CAS Google Scholar

Huang, X. et al. Folsäure unterdrückt durch Hypoxie verursachte Entzündungen in THP-1-Zellen durch Hemmung des PI3K/Akt/HIF-1α-Signalwegs. PLoS One 11, e0151553 (2016).

Artikel PubMed PubMed Central Google Scholar

Jones, P., Lucock, M., Veysey, M. & Beckett, E. Die Vitamin-D-Folat-Hypothese als Evolutionsmodell für die Hautpigmentierung: eine Aktualisierung und Integration aktueller Ideen. Nährstoffe 10, 554 (2018).

Artikel PubMed PubMed Central Google Scholar

Nagai, A. et al. Auswirkungen von Nikotinamid und Niacin auf Bleomycin-induzierte akute Verletzungen und nachfolgende Fibrose in der Lunge von Hamstern. Exp. Lungenres. 20, 263–281 (1994).

Artikel CAS PubMed Google Scholar

Verdin, E. NAD+ im Alter, Stoffwechsel und Neurodegeneration. Science 350, 1208–1213 (2015).

Artikel CAS PubMed Google Scholar

Layer, G. Häm-Biosynthese in Prokaryoten. Biochim Biophys. Acta Mol. Zellauflösung 1868, 118861 (2021).

Artikel CAS PubMed Google Scholar

Swenson, SA et al. Von der Synthese bis zur Nutzung: die Besonderheiten des mitochondrialen Häms. Zellen 9, 579 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Bolger, AM, Lohse, M. & Usadel, B. Trimmomatic: ein flexibler Trimmer für Illumina-Sequenzdaten. Bioinformatik 30, 2114–2120 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Li, D. et al. MEGAHIT v1.0: Ein schneller und skalierbarer Metagenom-Assembler, der auf fortschrittlichen Methoden und Community-Praktiken basiert. Methoden 102, 3–11 (2016).

Artikel CAS PubMed Google Scholar

Li, H. & Durbin, R. Schnelle und genaue Langzeitausrichtung mit Burrows-Wheeler-Transformation. Bioinformatik 26, 589–595 (2010).

Artikel PubMed PubMed Central Google Scholar

Li, H. et al. Das Sequenzausrichtungs-/Kartenformat und SAMtools. Bioinformatik 25, 2078–2079 (2009).

Artikel PubMed PubMed Central Google Scholar

Quinlan, AR BEDTools: Das Schweizer Armee-Tool zur Analyse von Genommerkmalen. Curr. Protokoll. Bioinformatik 47, 11.12.1–34 (2014).

Artikel PubMed Google Scholar

Kang, DD et al. MetaBAT 2: ein adaptiver Binning-Algorithmus für eine robuste und effiziente Genomrekonstruktion aus Metagenom-Assemblys. PeerJ 7, e7359 (2019).

Artikel PubMed PubMed Central Google Scholar

Parks, DH, Imelfort, M., Skennerton, CT, Hugenholtz, P. & Tyson, GW CheckM: Bewertung der Qualität mikrobieller Genome, die aus Isolaten, Einzelzellen und Metagenomen gewonnen wurden. Genomres. 25, 1043–1055 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Pasolli, E. et al. Umfangreiche, unerforschte Diversität menschlicher Mikrobiome anhand von über 150.000 Genomen aus Metagenomen, die sich über Alter, Geografie und Lebensstil erstrecken. Zelle 176, 649–662.e620 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Stewart, RD et al. Zusammenstellung von 913 mikrobiellen Genomen aus der metagenomischen Sequenzierung des Kuhpansens. Nat. Komm. 9, 870 (2018).

Artikel PubMed PubMed Central Google Scholar

Bowers, RM et al. Mindestinformationen über ein einzelnes amplifiziertes Genom (MISAG) und ein Metagenom-assembliertes Genom (MIMAG) von Bakterien und Archaeen. Nat. Biotechnologie. 35, 725–731 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Olm, MR, Brown, CT, Brooks, B. & Banfield, JF dRep: ein Tool für schnelle und genaue Genomvergleiche, das eine verbesserte Genomwiederherstellung aus Metagenomen durch De-Replikation ermöglicht. ISME J. 11, 2864–2868 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Ondov, BD et al. Mash: Schnelle Genom- und Metagenom-Abstandsschätzung mit MinHash. Genombiol. 17, 132 (2016).

Artikel PubMed PubMed Central Google Scholar

Richter, M. & Rossello-Mora, R. Verschiebung des genomischen Goldstandards für die Definition prokaryotischer Arten. Proz. Natl. Acad. Wissenschaft. USA 106, 19126–19131 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Price, MN, Dehal, PS & Arkin, AP FastTree: Berechnung großer Bäume mit minimaler Evolution mit Profilen anstelle einer Distanzmatrix. Mol. Biol. Entwicklung 26, 1641–1650 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Letunic, I. & Bork, P. Interaktiver Lebensbaum (iTOL) v3: ein Online-Tool zur Anzeige und Kommentierung phylogenetischer und anderer Bäume. Nukleinsäuren Res. 44, W242–W245 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Referenzen herunterladen

Diese Studie wurde vom Second Tibetan Plateau Scientific Expedition and Research (STEP) Program (NR. 2019QZKK0503), der Chinese National Natural Science Foundation (NR. U2002206 und 31970571), dem Major Science and Technology Project in der chinesischen Provinz Yunnan (NR . 202001BB050001), das Key Research Program der Chinesischen Akademie der Wissenschaften (NR. KFZDSW-219) und das Yunnan University Graduate Research Innovation Project (NR. KC-22221159).

Diese Autoren haben gleichermaßen beigetragen: Fangfang Zhao, Lili Yang, Tao Zhang.

Staatliches Schlüssellabor für die Erhaltung und Nutzung von Bioressourcen in Yunnan, School of Life Sciences, Yunnan University, Kunming, Yunnan, 650091, China

Fangfang Zhao, Tao Zhang, Daohua Zhuang, Qunfu Wu, Jiangkun Yu, Chen Tian und Zhigang Zhang

Gansu Key Laboratory of Herbivorous Animal Biotechnology, Fakultät für Tierwissenschaften und -technologie, Gansu Agricultural University, Lanzhou, Gansu, 730070, China

Fangfang Zhao

Staatliches Schlüssellabor für genetische Ressourcen und Evolution, Labor für evolutionäre und funktionelle Genomik, Kunming-Institut für Zoologie, Chinesische Akademie der Wissenschaften, Kunming, Yunnan, 650201, China

Lili Yang, Qunfu Wu und Zhigang Zhang

Sie können diesen Autor auch in PubMed Google Scholar suchen

Das ZGZ konzipierte und gestaltete die Forschung. DHZ, FFZ, CT, LLY und TZ analysierten Daten. QFW hat zur Probensammlung beigetragen. JKY hat zu den Methoden beigetragen. FFZ und ZGZ haben das Manuskript verfasst. ZGZ überarbeitete das Manuskript. Alle Autoren haben die endgültige Version vor der Einreichung gelesen und genehmigt.

Korrespondenz mit Zhigang Zhang.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Zhao, F., Yang, L., Zhang, T. et al. Darmmikrobiom-Signaturen extremer Umweltanpassung bei tibetischen Schweinen. npj Biofilms Microbiomes 9, 27 (2023). https://doi.org/10.1038/s41522-023-00395-3

Zitat herunterladen

Eingegangen: 09. August 2022

Angenommen: 10. Mai 2023

Veröffentlicht: 24. Mai 2023

DOI: https://doi.org/10.1038/s41522-023-00395-3

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt