.
Duas das principais técnicas de sequenciamento não estão mais em desacordo, graças a um esforço internacional liderado por cientistas da Universidade da Califórnia em San Diego. Em um estudo publicado em 27 de julho de 2023 em Natureza Biotecnologiaos pesquisadores lançaram um novo banco de dados de referência chamado Greengenes2, que torna possível comparar e combinar dados de microbioma derivados de amplicon de gene de RNA ribossômico 16S (16S) ou técnicas de sequenciamento de metagenômica shotgun.
“Este é um momento significativo na pesquisa do microbioma, pois resgatamos efetivamente mais de uma década de dados 16S que, de outra forma, poderiam ter se tornado obsoletos no mundo moderno do sequenciamento shotgun”, disse o autor sênior Rob Knight, PhD, professor nos departamentos de Pediatria na Escola de Medicina da UC San Diego e Bioengenharia e Ciência da Computação na Escola de Engenharia Jacobs da UC San Diego. “Padronizar os resultados desses dois métodos melhorará significativamente nossas chances de descobrir biomarcadores de microbioma para saúde e doença”.
Os estudos do microbioma dependem da capacidade dos cientistas de identificar quais microrganismos estão presentes em uma amostra. Para fazer isso, eles sequenciam a informação genética na amostra e a comparam com bancos de dados de referência que listam quais sequências pertencem a quais organismos. O 16S e o sequenciamento shotgun são as duas técnicas mais usadas na pesquisa de microbiomas, mas geralmente produzem resultados diferentes.
“Muitos pesquisadores presumiram que os dados do 16S e do sequenciamento shotgun eram simplesmente muito diferentes para serem integrados”, disse o primeiro autor do estudo Daniel McDonald, PhD, diretor científico da The Microsetta Initiative na UC San Diego School of Medicine. “Aqui mostramos que não é o caso e fornecemos um banco de dados de referência que os pesquisadores podem agora usar para fazer exatamente isso”.
O banco de dados Greengenes original foi amplamente utilizado no campo do microbioma por mais de uma década. Foi o banco de dados de referência usado por projetos notáveis, incluindo o National Institutes of Health Human Microbiome Project, o American Gut Project, o Earth Microbiome Project e muitos outros.
No entanto, uma de suas limitações fundamentais era que ele dependia da sequência de um único gene, 16S, para identificar os organismos em uma amostra. Esse gene bem estudado tem sido usado há muito tempo como um marcador taxonômico, com cada organismo tendo seu próprio “código de barras” 16S. Esse método pode descrever o conteúdo de uma amostra de microbioma com resolução em nível de gênero, mas nem sempre pode identificar espécies ou cepas específicas de micróbios, o que é importante para o trabalho clínico.
Desde então, os estudos modernos do microbioma passaram a usar o sequenciamento shotgun, que analisa o DNA de todos os genomas dos organismos, em vez de se concentrar em apenas um gene. Essa poderosa abordagem oferece aos pesquisadores mais especificidade em nível de espécie e também fornece informações sobre a função dos micróbios.
Os cientistas frequentemente atribuem as discrepâncias entre as duas técnicas às diferenças na forma como as amostras são preparadas no laboratório. No entanto, o novo estudo demonstra que as incompatibilidades entre as duas técnicas surgem de diferenças na computação, onde um banco de dados de referência melhor permite que as mesmas conclusões sejam tiradas de ambos os métodos. Isso aborda uma questão importante na reprodutibilidade da pesquisa do microbioma e permite a reutilização de dados de milhões de amostras em estudos mais antigos.
Na tentativa de resolver essas incompatibilidades, os pesquisadores primeiro expandiram o banco de dados completo do genoma da Web of Life. Eles então usaram várias novas ferramentas computacionais desenvolvidas com o co-autor Siavash Mirarab, PhD, professor associado da UC San Diego Jacobs School of Engineering, para integrar sequências 16S de alta qualidade existentes em toda a filogenia do genoma. Com outra ferramenta de aprendizado de máquina desenvolvida pelo grupo de Mirarab, eles colocaram fragmentos 16S de mais de 300.000 amostras de microbioma. O resultado foi um amplo banco de dados de referência no qual os dados de sequenciamento do 16S e do shotgun podem ser mapeados.
Para confirmar se o Greengenes2 ajudaria a padronizar as descobertas de qualquer uma das técnicas de sequenciamento, os pesquisadores adquiriram dados de sequenciamento 16S e shotgun das mesmas amostras de microbioma humano e analisaram ambos contra o pano de fundo da filogenia Greengenes2. Os resultados de ambas as técnicas mostraram avaliações de diversidade altamente correlacionadas, perfis taxonômicos e tamanhos de efeito – algo que os pesquisadores nunca haviam visto antes.
“Através do Greengenes2, um enorme repositório de dados 16S pode agora ser trazido de volta e até mesmo combinado com dados modernos em novas meta-análises”, disse McDonald. “Este é um grande passo para melhorar a reprodutibilidade dos estudos do microbioma e fortalecer a capacidade dos médicos de tirar conclusões clínicas a partir dos dados do microbioma”.
Os co-autores incluem: Yueyu Jiang, Metin Balaban, Kalen Cantrell, Antonio Gonzalez, Giorgia Nicolaou, Se Jin Song e Andrew Bartko, todos na UC San Diego, bem como Qiyun Zhu na Arizona State University, James T. Morton no National Institutes of Health, Donovan H. Parks e Philip Hugenholtz na University of Queensland, Søren Karst na Columbia University, Mads Albertsen na Aalborg University, Todd DeSantis no Second Genome, Aki S. Havulinna, Pekka Jousilahti, Teemu Niiranen e Veikko Salomaa no Instituto Finlandês de Saúde e Bem-Estar, Susan Cheng no Brigham and Women’s Hospital e Cedars-Sinai Medical Center, Mike Inouye na University of Cambridge e Baker Heart and Diabetes Institute, Mohit Jain na Sapient Bioanalytics e Leo Lahti na University of Turku.
.
