Метод выделения ДНК из растений для метагеномного анализа на примере винограда Vitis amurensis Rupr.

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложен новый метод выделения ДНК из растений, на примере дикорастущего винограда Vitis amurensis Rupr., для дальнейшей подготовки библиотек для метагеномного анализа эндофитов. Метод основан на выделении ДНК недорогостоящим ЦТАБ-методом с дополнительной стадией очистки ДНК с использованием кремнеземных спин-колонок (ЦТАБ-спин метод). Проведен сравнительный анализ результатов метагеномного анализа эндофитов на ДНК, выделенной предложенным ЦТАБ-спин методом и с использованием коммерческого набора ZymoBIOMICS DNA Miniprep (Zymo Research, США). Установлено, что при использовании ЦТАБ-спин метода количество последовательностей участка 16S рРНК и многообразие родов бактерий было в 2.8 и 1.2 раза больше соответственно, чем при использовании набора ZymoBIOMICS. В то же время, количество последовательностей участка межгенного спейсера ITS1 и биоразнообразие эндофитных грибов значительно не отличались при экстракции ДНК двумя способами. Таким образом, предложенный метод выделения ДНК для метагеномного анализа является доступной и эффективной альтернативой коммерческим наборам по выделению ДНК растений для методов секвенирования нового поколения.

Об авторах

К. В. Киселев

Федеральный научный центр Биоразнообразия Наземной Биоты Восточной Азии,
ДВО РАН

Email: aleynova@biosoil.ru
Россия, 690022, Владивосток

Н. Н. Нитяговский

Федеральный научный центр Биоразнообразия Наземной Биоты Восточной Азии,
ДВО РАН

Email: aleynova@biosoil.ru
Россия, 690022, Владивосток

О. А. Алейнова

Федеральный научный центр Биоразнообразия Наземной Биоты Восточной Азии,
ДВО РАН

Автор, ответственный за переписку.
Email: aleynova@biosoil.ru
Россия, 690022, Владивосток

Список литературы

  1. Behjati S., Tarpey P.S. // ADS – Education and Practice. 2013. V. 98. P. 236–238.
  2. Slatko B.E., Gardner A.F., Ausubel F.M. // Current Protocols in Mol. Biol. 2018. V. 122. P. e59.https://doi.org/10.1002/cpmb.59
  3. Kulski J.K. Next-Generation Sequencing – An Overview of the History, Tools, and “Omic” Applications. / Ed. J.K. Kulski. IntechOpen. 2016. P. 60.https://doi.org/10.5772/61964
  4. Lam H.Y.K., Clark M.J., Chen R., Chen R., Natsoulis G., O’Huallachain M. et al. // Nat Biotechnol. 2012. V. 30. P. 78–82.
  5. Wang Z., Gerstein M., Snyder M. // Nat. Rev. Genet. 2009. V. 10. P. 57–63.
  6. Rabbani B., Tekin M., Mahdieh N. // J. Hum. Genet. 2014. V. 59. P. 5–15.
  7. Leo V.C., Morgan N.V., Bem D., Jones M.L., Lowe G.C., Lordkipanidzé M. et al. // J. Thrombosis and Haemostasis. 2015. V. 13. P. 643–650.
  8. Kulski J.K., Suzuki S., Ozaki Y., Mitsunaga S., Inoko H., Shiina T. Phase HLA Genotyping by NGS – A Comparison Between two Massively Parallel Sequencing Bench-top Systems, the Roche GS Junior and Ion Torrent PGM. / Ed. Y. Xi. IntechOpen. 2014. P. 141–181.
  9. Pelizzola M., Ecker J.R. // FEBS Letters. 2011. V. 585. P. 1994–2000.
  10. Simner P.J., Miller S., Carroll K.C. // Clin. Infect. Dis. 2018. V. 66. P. 778–788.
  11. Boers S.A., Jansen R., Hays J.P. // Eur. J. Clin. Microbiol. Infect. Dis. 2019. V. 38. P. 1059–1070.
  12. Chiu C.Y., Miller S.A. // Nat. Rev. Genet. 2019. V. 20. P. 341–355.
  13. Iquebal M.A., Jagannadham J., Jaiswal S., Prabha R., Rai A., Kumar D. // Front. Microbiol. 2022. V. 13. P. 708335. https://doi.org/10.3389/fmicb.2022.708335
  14. Fan Y., Gao L., Chang P., Li Z. // Annals of Microbiology. 2020. V. 70. P. 30. https://doi.org/10.1186/s13213-020-01574-9
  15. Cureau N., Threlfall R., Marasini D., Lavefve L., Carbonero F. // Microb. Ecol. 2021. V. 82. P. 845–858.
  16. Marasco R., Rolli E., Fusi M., Michoud G., Daffonchio D. // Microbiome. 2018. V. 6. P. 3.https://doi.org/10.1186/s40168-017-0391-2
  17. Deyett E., Rolshausen P.E. // Front. Plant Sci. 2019. V. 10. P. 1246. https://doi.org/10.3389/fpls.2019.01246
  18. Kiselev K.V., Tyunin A.P., Karetin Y.A. // Plant Cell Rep. 2015. V. 34. P. 311–320.
  19. Ogneva Z.V., Dubrovina A.S., Kiselev K.V. // Biol. Plant. 2016. V. 60. P. 628–634.
  20. Aleynova O.A., Nityagovsky N.N., Dubrovina A.S., Kiselev K.V. // Plants. 2022. V. 11. P. 1128. https://doi.org/10.3390/plants10071276
  21. Deyett E., Rolshausen P.E. // FEMS Microbiol Ecol. 2020. V. 96. P. fiaa053. https://doi.org/10.1093/femsec/fiaa053
  22. Bolyen E., Rideout J.R., Dillon M.R., Bokulich N.A., Abnet C.C., Al-Ghalith M. et al. Nat. Biotechnol. 2019. V. 37. P. 852–857.
  23. Callahan B.J., McMurdie P.J., Rosen M.J., Han A.W., Johnson A.J.A., Holmes S.P. // Nat. Methods. 2016. V. 13. P. 581–583.
  24. Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., et al. // J. Machine Learn. Research. 2011. V. 12. P. 2825–2830.
  25. Bokulich N.A., Kaehler B.D., Rideout J.R., Dillon M., Bolyen E. et al // Microbiome. 2018. V. 6. P. 90. https://doi.org/10.1186/s40168-018-0470-z
  26. Nilsson R.H., Larsson K.-H., Taylor A.F.S., Bengtsson–Palme J., Jeppesen T.S., Schigel D. et al // Nucleic Acids Research. 2019. V. 47. P. D259–D264.
  27. McMurdie P.J., Holmes S. // PLOS ONE. 2013. V. 8. P. e61217.https://doi.org/10.1371/journal.pone.0061217
  28. Wickham H., Averick M., Bryan J., Chang W., McGowan L.D., François R. et al. // J. Open Source Software. 2019. V. 4. P. 1686. https://doi.org/10.21105/joss.01686
  29. Oksanen J., Blanchet F.G., Friendly M., Kindt R., Legendre P., McGlinn D. et al // Vegan: Community Ecology Package. R Package Version 2.5-7. 2020. Доступно онлайн: https://cran.r-project.org/web/packages/vegan/vegan.pdf (дата обращения 9 января 2023).
  30. Gu Z., Eils R., Schlesner M. // Bioinformatics. 2016. V. 32. P. 2847–2849.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2.

Скачать (193KB)
3.

Скачать (153KB)

© К.В. Киселев, Н.Н. Нитяговский, О.А. Алейнова, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».