🔧На сайте запланированы технические работы
25.12.2025 в промежутке с 18:00 до 21:00 по Московскому времени (GMT+3) на сайте будут проводиться плановые технические работы. Возможны перебои с доступом к сайту. Приносим извинения за временные неудобства. Благодарим за понимание!
🔧Site maintenance is scheduled.
Scheduled maintenance will be performed on the site from 6:00 PM to 9:00 PM Moscow time (GMT+3) on December 25, 2025. Site access may be interrupted. We apologize for the inconvenience. Thank you for your understanding!

 

Контаминация при RNA-Seq как метатранскриптомные данные для скрининга вредителей и симбионтов растений

Обложка

Цитировать

Полный текст

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

Аннотация

Обоснование. Данные секвенирования транскриптома могут содержать до 30% контаминирующих прочтений. Их происхождение может быть связано либо с лабораторной контаминацией, либо с биологически значимыми сигналами, которые можно исследовать методами метатранскриптомики.

Цель исследования. Оценить возможность использования загрязняющих прочтений для масштабного скрининга вредителей растений и симбионтов.

Методы. Проанализированы данные РНК-секвенирования ржи (Secale cereale L.), включая собственные эксперименты (5 образцов) и общедоступные наборы данных (50 образцов) из архива биоинформационной базы NCBI SRA (Sequence Read Archive from the National Center for Biotechnology Information). Прочтения, значимо картировавшиеся на геном ржи, были отфильтрованы; оставшиеся потенциальные загрязняющие прочтения подвергнуты анализу.

Результаты. После исключения очевидных лабораторных контаминантов проведено сравнение встречаемости тлей, симбиотических грибов, бактерий и вирусов между образцами. Чтения, происходящие из симбиома, воспроизводимы в биологических повторностях и варьируют в зависимости от локации/условий/вида растения, что позволяет использовать их для последующего метатранскриптомного анализа.

Заключение. Результаты демонстрируют корреляцию между видами, обнаруженными в полевых условиях или предполагаемыми к присутствию, и загрязняющими прочтениями. Распределение различных видов в образцах из одних и разных локаций подтверждает целесообразность использования существующих и будущих архивных данных секвенирования для скрининга распространения вредителей растений, мониторинга новых симбиотических организмов и планирования мер борьбы с ними в условиях глобального изменения климата.

Об авторах

Павел Александрович Зыкин

Санкт-Петербургский государственный университет

Email: pavel.zykin@spbu.ru
ORCID iD: 0000-0003-1624-6163
SPIN-код: 2730-5890

канд. биол. наук

Россия, 199034, Санкт-Петербург, Университетская наб., д. 7–9

Елена Александровна Андреева

Санкт-Петербургский государственный университет; Институт общей генетики Российской академии наук

Email: e.a.andreeva@spbu.ru
ORCID iD: 0000-0002-9326-3170
SPIN-код: 7269-8240

канд. биол. наук

Россия, 199034, Санкт-Петербург, Университетская наб., д. 7–9; 117971, Москва, ул. Губкина, д. 3

Наталья Владимировна Цветкова

Санкт-Петербургский государственный университет

Email: n.tswetkowa@spbu.ru
ORCID iD: 0000-0002-7353-1107
SPIN-код: 1687-5757

канд. биол. наук

Россия, 199034, Санкт-Петербург, Университетская наб., д. 7–9

Андрей Николаевич Буланов

Институт общей генетики Российской академии наук

Email: an.bulanov20002014@gmail.com
ORCID iD: 0009-0003-8092-9978
SPIN-код: 3791-9700
Россия, 117971, Москва, ул. Губкина, д. 3

Анатолий Васильевич Войлоков

Институт общей генетики Российской академии наук

Автор, ответственный за переписку.
Email: av_voylokov@mail.ru
ORCID iD: 0000-0003-3423-8511

д-р биол. наук

Россия, 117971, Москва, ул. Губкина, д. 3

Список литературы

  1. Sangiovanni M, Granata I, Thind AS, Guarracino MR. From trash to treasure: detecting unexpected contamination in unmapped NGS data. BMC Bioinformatics. 2019;20:168. doi: 10.1186/s12859-019-2684-x
  2. Simion P, Belkhir K, François C, et al. A software tool ‘CroCo’ detects pervasive cross-species contamination in next generation sequencing data. BMC Biology. 2018;16:28. doi: 10.1186/s12915-018-0486-7
  3. Chen S, Zhou Y, Chen Y, Gu J. fastp: an ultra-fast all-in-one FASTQ preprocessor. Bioinformatics. 2018;34(17):i884–i890. doi: 10.1093/bioinformatics/bty560
  4. Rabanus-Wallace MT, Hackauf B, Mascher M, et al. Chromosome-scale genome assembly provides insights into rye biology, evolution and agronomic potential. Nat Genet. 2021;53:564–573. doi: 10.1038/s41588-021-00807-0
  5. Bushnell B. BBMap: A fast, accurate, splice-aware aligner. USA: Department of Energy. Office of Science; 2014.
  6. Bushmanova E, Antipov D, Lapidus A, Prjibelski A.D. rnaSPAdes: a de novo transcriptome assembler and its application to RNA-Seq data. Gigascience. 2019;8(9):giz100. doi: 10.1093/gigascience/giz100
  7. NCBI Resource Coordinators. Database resources of the National Center for Biotechnology Information. Nucleic Acids Res. 2018;46(D1):D8–D13. doi: 10.1093/nar/gkx1095
  8. Wingett SW, Andrews S. FastQ Screen: A tool for multi-genome mapping and quality control. F1000Res. 2018;7:1338. doi: 10.12688/f1000research.15931.2
  9. Lafond-Lapalme J, Duceppe M-O, Wang S, et al. A new method for decontamination of de novo transcriptomes using a hierarchical clustering algorithm. Bioinformatics. 2017;33(9):1293–1300. doi: 10.1093/bioinformatics/btw793
  10. Chen Y, Singh A, Kaithakottil GG, et al. An aphid RNA transcript migrates systemically within plants and is a virulence factor. PNAS. 2020;117(23):12763–12771. doi: 10.1073/pnas.1918410117
  11. Salter SJ, Cox MJ, Turek EM, et al. Reagent and laboratory contamination can critically impact sequence-based microbiome analyses. BMC Biol. 2014;12:87. doi: 10.1186/s12915-014-0087
  12. Berim MN. The most harmful species of aphids in the north-west of Russia. Plant protection and quarantine. 2014;(9):29–30. EDN: SJYWIX
  13. van Kleeff PJM, Galland M, Schuurink RC, Bleeker PM. Small RNAs from Bemisia tabaci are transferred to Solanum lycopersicum phloem during feeding. Front Plant Sci. 2016;7:1759. doi: 10.3389/fpls.2016.01759
  14. Su Y-L, Li J-M, Li M, et al. Transcriptomic analysis of the salivary glands of an invasive whitefly. PLoS One. 2012;7(6):e39303. doi: 10.1371/journal.pone.0039303
  15. Ban L, Didon A, Jonsson LMV, et al. An improved detection method for the Rhopalosiphum padi virus (RhPV) allows monitoring of its presence in aphids and movement within plants. J Virol Methods. 2003;142(1–2): 136–142. doi: 10.1016/j.jviromet.2007.01.014
  16. Zhao S, Ye Z, Stanton R. Misuse of RPKM or TPM normalization when comparing across samples and sequencing protocols. RNA. 2020;26(8): 903–909. doi: 10.1261/rna.074922.120
  17. Zhao Y, Li M–C, Konaté MM, et al. TPM, FPKM, or normalized counts? A comparative study of quantification measures for the analysis of RNA-seq data from the NCI patient-derived models repository. J Transl Med. 2021;19:296. doi: 10.1186/s12967-021-02936-w
  18. Mukherjee A, Reddy MS. Metatranscriptomics: an approach for retrieving novel eukaryotic genes from polluted and related environments. 3 Biotech. 2020;10:71. doi: 10.1007/s13205-020-2057-1
  19. Shakya M, Lo C–C, Chain PSG. Advances and challenges in metatranscriptomic analysis. Front Genet. 2019;10:904. doi: 10.3389/fgene.2019.00904
  20. Barton HA, Taylor NM, Lubbers BR, Pemberton AC. DNA extraction from low-biomass carbonate rock: An improved method with reduced contamination and the low-biomass contaminant database. J Microbiol Methods. 2006;66(1):21–31. doi: 10.1016/j.mimet.2005.10.005
  21. Wally N, Schneider M, Thannesberger J, et al. Plasmid DNA contaminant in molecular reagents. Sci Rep. 2019;9:1652. doi: 10.1038/s41598-019-38733-1
  22. Weyrich LS, Farrer AG, Eisenhofer R, et al. Laboratory contamination over time during low-biomass sample analysis. Mol Ecol Resour. 2019;19(4):982–996. doi: 10.1111/1755-0998.13011
  23. Christensen GJM, Brüggemann H. Bacterial skin commensals and their role as host guardians. Benef Microbes. 2014;5(2):201–215. doi: 10.3920/BM2012.0062

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Приложение 1
Скачать (822KB)
Метаданные
3. Приложение 2
Скачать (1MB)
Метаданные
4. Приложение 3
Скачать (1MB)
Метаданные
5. Приложение 4
Скачать (1MB)
Метаданные
6. Приложение 5
Скачать (1MB)
Метаданные
7. Приложение 6
Скачать (874KB)
Метаданные

© Эко-Вектор, 2025

Ссылка на описание лицензии: https://eco-vector.com/for_authors.php#07
 


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».