ミジンコの腸内細菌叢とバクテリオプランクトンの関係を分析するための方法論的フレームワーク

A methodological framework to analyse determinants of host-microbiota networks, with an application to the relationships between Daphnia magna's gut microbiota and bacterioplankton.

• François Massol
• Emilie Macke
• Martijn Callens
• Ellen Decaestecker

抄録

過去30年の間に、ネットワーク理論に基づいたツールを用いて生態学的相互作用を評価することへの関心の高まりと、次世代シークエンスによる微生物共生体の出現に関するデータの爆発的な増加の両方が見られた。従来のネットワーク手法では、環境や生物学的要因がネットワーク構造に及ぼすそれぞれの影響を測定することができないため、ここでは二部作相互作用ネットワークの決定要因を明らかにするための2つの手法を紹介する。1つ目の方法は分類に基づいており、ネットワーク内のコミュニティを、治療法や類似の制御グループによるノードのグループ化と比較している。第二の方法は、特異値分解後の冗長性分析を用いて、多変量説明変数とネットワーク構造との関連性を評価する。どちらの方法でも、効果の有意性は2つの無作為化を介して測定することができる。我々の手法は、ミジンコとその腸内微生物相およびバクテリオプランクトンとの相互作用に関する実験データに適用された。その結果、ミジンコの食餌（藻類やシアノバクテリア）や試料の種類によってネットワーク全体に影響を与えたが、ミジンコの遺伝子型によっては影響を受けなかった。粗粒では、バクテリオプランクトンと腸内微生物群集は異なっていた。この規模では、腸内細菌叢の構造は説明因子とは関連していなかったが、バクテリオプランクトン叢の構造はミジンコの食性と遺伝子型の両方に関連していた。細粒度では、ミジンコの食餌と遺伝子型が両方の微生物ネットワークに影響を与えたが、腸内微生物ネットワーク構造に対する食餌の影響は、微生物の豊富さの違いのみによって媒介された。微生物群集間の相互作用は見られなかったが、詳細な解析により、バクテリオプランクトンが腸内細菌叢の構成に影響を与えている可能性が高いことが明らかになった。我々の手法は二部作ネットワークに広く適用可能であり、大量のシークエンスデータを用いて実験環境下での制御された影響と環境影響の両方を明らかにすることができ、ネットワークの相互作用を分離することができる。我々が提案する二重のアプローチは、ネットワーク構造の異なるスケールでの効果を分離することができるという利点があり、リンクされたネットワークの相互作用を詳細に評価することができます。このように、私たちのネットワーク手法は、生態学者が異なる宿主内での微生物の共起を報告する膨大なデータセットを理解するのに役立ちます。

The past thirty years have seen both a surge of interest in assessing ecological interactions using tools borrowed from network theory and an explosion of data on the occurrence of microbial symbionts thanks to next-generation sequencing. Given that classic network methods cannot currently measure the respective effects of different environmental and biological drivers on network structure, we here present two methods to elucidate the determinants of bipartite interaction networks. The first method is based on classifications and compares communities within networks to the grouping of nodes by treatment or similar controlling groups. The second method assesses the link between multivariate explanatory variables and network structure using redundancy analyses after singular value decomposition. In both methods, the significance of effects can be gauged through two randomizations. Our methods were applied to experimental data on Daphnia magna and its interactions with gut microbiota and bacterioplankton. The whole network was affected by Daphnia's diet (algae and/or cyanobacteria) and sample type, but not by Daphnia genotype. At coarse grains, bacterioplankton and gut microbiota communities were different. At this scale, the structure of the gut microbiota-based network was not linked to any explanatory factors, while the bacterioplankton-based network was related to both Daphnia's diet and genotype. At finer grains, Daphnia's diet and genotype affected both microbial networks, but the effect of diet on gut microbiota network structure was mediated solely by differences in microbial richness. While no reciprocal effect between the microbial communities could be found, fine-grained analyses presented a more nuanced picture, with bacterioplankton likely affecting the composition of the gut microbiota. Our methods are widely applicable to bipartite networks, can elucidate both controlled and environmental effects in experimental setting using a large amount of sequencing data, and can tease apart reciprocal effects of networks on one another. The two-fold approach we propose has the advantage of being able to tease apart effects at different scales of network structure, thus allowing for detailed assessment of reciprocal effects of linked networks on one another. As such, our network methods can help ecologists understand huge datasets reporting microbial co-occurrences within different hosts.

This article is protected by copyright. All rights reserved.