病毒多样性中的非随机模式

Non-random patterns in viral diversity.

作者信息Simon J Anthony, Ariful Islam, Christine Johnson, Isamara Navarrete-Macias, Eliza Liang, Komal Jain, Peta L Hitchens, Xiaoyu Che, Alexander Soloyvov, Allison L Hicks, Rafael Ojeda-Flores, Carlos Zambrana-Torrelio, Werner Ulrich, Melinda K Rostal, Alexandra Petrosov, Joel Garcia, Najmul Haider, Nathan Wolfe, Tracey Goldstein, Stephen S Morse, Mahmudur Rahman, Jonathan H Epstein, Jonna K Mazet, Peter Daszak, W Ian Lipkin
PMID26391192
发布时间2015-09-22
DOI10.1038/ncomms9147

实验完整度

高

结合共识PCR与高通量测序发现184种病毒,并用网络建模、零模型和系统发育β多样性分析验证非随机组装模式

主要模型

野生猕猴粪便样本 孟加拉国九个城市地点的猕猴种群

重点核对

粪便样本n=458,采自孟加拉国九个城市/城郊地点,每地点采样3天 共识PCR使用41种检测体系覆盖27个病毒科或属,并以两种合成质粒作为通用对照 高通量测序样本按8个一池处理,分别使用Ion Torrent PGM和Illumina High-Seq平台 β多样性使用Jaccard指数和零模型检验,PbV系统发育β多样性使用βMNTD和βNTI,随机化999次 网络共occurrence显著性使用PAIRS2的C-score检验

摘要

目前尚不清楚病毒群落的变化是否能够被预测。本文通过考察病毒群落是通过确定性(通常可预测)还是随机性(不可预测)过程组装而成,来研究野生动物中的病毒群落是否具有内在结构(从而推断可预测性)。我们在孟加拉国九个地点采集猕猴粪便样本,利用共识PCR和测序发现了来自14个病毒科的184种病毒。随后我们运用网络建模和统计零假设检验,在不同尺度(地点间和个体内)展示了非随机确定性模式的存在。我们同时表明确定性的效应并非绝对的,因为也观察到了随机模式。在证明确定性是病毒群落组装的重要过程之后,我们得出结论:应该有可能预测病毒群落某些部分的变化,但总会有一些部分难以预测。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
野生动物中的病毒群落是否具有内在结构,即群落组装是否由确定性过程驱动从而具有可预测性,还是主要由随机过程决定?
核心机制
病毒群落组装主要受确定性生态过程影响,表现为地点特异性的病毒组成和个体内近缘病毒共occurrence受限;同时随机过程也贡献部分病毒分布。
主要证据
在孟加拉国九个地点458只猕猴粪便中发现184种病毒;网络建模和零模型检验显示地点间和个体内存在非随机β多样性模式;PbV分析显示同一宿主内序列最大identity为85.8%(G1)和88.7%(G2),显著低于不同宿主间的99.8%;PAIRS分析显示35/184种病毒存在显著正共occurrence,12/184存在负关联。
研究意义
研究表明病毒多样性具有内在结构,为未来开发预测病毒群落变化的概率模型提供了理论基础,并提示应研究确定性的具体机制以及持续系统地描述野生动物病毒多样性。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

野生动物病毒多样性发现

全面描述孟加拉国猕猴粪便病毒群落组成和多样性

采集九个城市/城郊地点猕猴粪便样本,结合共识PCR和高通量测序发现并确认病毒,构建病毒发现曲线评估群落饱和度和估计总丰富度。

2

地点间病毒群落结构确定性检验

检验地点间病毒组成差异是否偏离随机期望,判断确定性过程是否驱动群落组装

构建病毒-宿主二模关联网络展示地点特异性多样性,使用Jaccard指数评估地点间β多样性,并以零模型检验观察分布是否显著偏离随机;同时检验地理距离与β多样性的关联以及PbV系统发育β多样性。

3

个体内近缘病毒共occurrence限制检验

检验同一宿主内近缘病毒共occurrence是否受到确定性机制限制

比较同一宿主内和不同宿主间PbV序列的两两遗传identity最大值,并以Wilcoxon rank-sum检验判断是否显著偏离随机。

4

病毒-病毒共occurrence网络分析

识别病毒间显著正负共occurrence关系,验证确定性机制同时促进和阻止病毒共occurrence

构建一模式病毒-病毒网络展示宿主共享频率,使用PAIRS2的C-score检验病毒对共occurrence显著性。

5

随机分布模式识别

识别无法用确定性模式解释的病毒分布,评估随机过程对病毒群落的贡献

检查MmAdV-5、MmSFV和MmHV-1/2等在多地点检出但无确定性分布特征的病毒,将其分布归因于随机过程。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
样本采集
样本类型为猕猴粪便,n=458,采自孟加拉国九个城市/城郊地点,采样时间为2013年2-3月共2个月,每地点采样3天,采集后10分钟内液氮保存并转-80°C
阅读提示:Methods的Sample collection小节及Supplementary Table 3
病毒发现
共识PCR使用41种检测体系覆盖27个病毒科或属,并以两种合成质粒作为通用对照;高通量测序按8个样本一池,分别使用Ion Torrent PGM(约100万reads/池)和Illumina High-Seq(约1000万reads/池)
阅读提示:Methods的Sample processing and viral discovery小节及Supplementary Methods和Supplementary Table 4
病毒定义与确认
unique virus定义为单系序列簇,与最近邻的非重叠遗传identity相区别;HTS鉴定的病毒均经PCR确认,所有样本重新单独筛查;植物病毒或从未感染脊椎动物的昆虫病毒被排除
阅读提示:Results的Virodiversity of the rhesus macaque in Bangladesh小节及Methods的Sample processing and viral discovery小节
β多样性及零模型分析
β多样性使用Jaccard incidence-based指数;零模型检验观察分布是否偏离随机;βNTI基于βMNTD,将PbV分类单元按固定相对丰度在站点间随机化999次
阅读提示:Results的Evidence of determinism driving viral community structure小节、Methods的Network, phylogenetic and statistical analyses小节及Supplementary Fig. 1和Supplementary Fig. 2
共occurrence网络分析
一模式病毒-病毒网络基于宿主共享频率构建;PAIRS2 C-score检验共occurrence显著性,P<0.05为显著
阅读提示:Results的Evidence of determinism driving viral community structure小节、Figure 4图注及Methods的Network, phylogenetic and statistical analyses小节