Метагеномика: различия между версиями

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску
[непроверенная версия][непроверенная версия]
(Добавлены ссылки)
(Добавлены ссылки, исправлена информация)
Строка 96: Строка 96:


=== Биотопливо ===
=== Биотопливо ===
Биотопливо получается за счет конверсии биомассы, такой же, как в превращении целлюлозы, полученной из кукурузы и проса в целлюлозный спирт. Этот процесс зависит от микробных консорциумов, которые преобразуют целлюлозу в сахара, с последующим сбраживанием сахара в этанол. Микробы также производят различные источники биоэнергии, включая метан и водород.
Биотопливо получается за счет конверсии [[Биомасса|биомассы]], такой же, как в превращении [[Целлюлоза|целлюлозы]], полученной из кукурузы и проса в [[гидролизный спирт]]. Этот процесс зависит от микробных консорциумов, которые преобразуют целлюлозу в сахара, с последующим сбраживанием сахара в этанол. Микробы также производят различные источники биоэнергии, включая метан и водород.<ref>{{Книга|автор=National Research Council|заглавие=The New Science of Metagenomics: Revealing the Secrets of Our Microbial Planet|ссылка=http://www.nap.edu/catalog/11902|год=2007-03-27|isbn=9780309106764}}</ref>


Для эффективного промышленного получения из биомассы новых соединений, требуются новые ферменты с более высокой производительностью и меньшими затратами.  Метагеномные подходы к анализу сложных микробных сообществ позволяют проводить целевой скрининг ферментов промышленного применения в производстве биотоплива, таких как гликозидных гидролаз. Кроме того, знание, как микробные сообщества функционируют необходимо для управления ими, а метагеномика является ключевым инструментом в их понимании. Метагеномные подходы позволяют проводить сравнительный анализ между конвергентными система микроорганизмов.
Для эффективного промышленного получения из биомассы новых соединений, требуются новые [[ферменты]] с более высокой производительностью и меньшими затратами на производстве.<ref>{{Статья|автор=Matthias Hess, Alexander Sczyrba, Rob Egan, Tae-Wan Kim, Harshal Chokhawala|заглавие=Metagenomic Discovery of Biomass-Degrading Genes and Genomes from Cow Rumen|ссылка=http://science.sciencemag.org/content/331/6016/463|язык=en|издание=Science|год=2011-01-28|том=331|выпуск=6016|страницы=463–467|issn=0036-8075, 1095-9203|doi=10.1126/science.1200387}}</ref> Метагеномные подходы к анализу сложных микробных сообществ позволяют проводить целевой скрининг ферментов промышленного применения в производстве биотоплива, таких как [[Гликозил-гидролазы|гликозил-гидролаз]].<ref>{{Статья|автор=Luen-Luen Li, Sean R McCorkle, Sebastien Monchy, Safiyh Taghavi, Daniel van der Lelie|заглавие=Bioprospecting metagenomes: glycosyl hydrolases for converting biomass|ссылка=http://www.biotechnologyforbiofuels.com/content/2/1/10|язык=En|издание=Biotechnology for Biofuels|год=2009-05-18|том=2|выпуск=1|issn=1754-6834|doi=10.1186/1754-6834-2-10}}</ref> Кроме того, знания о том, как микробные сообщества функционируют, необходимы для управления этими сообществами, а метагеномика является ключевым инструментом в их понимании. Метагеномные подходы позволяют проводить сравнительный анализ между конвергентными система микроорганизмов.


=== Восстановление окружающей среды ===
=== Восстановление окружающей среды ===
С помощью метагеномики можно улучшить стратегии для мониторинга воздействия загрязняющих веществ на экосистему, а также разработать новые методы очистки загрязненных сред. Более глубокое понимание того, как микробные сообщества справляются с загрязняющими агентами дает надежду на то, что этот процесс можно в будущем использовать для борьбы с техногенными загрязнениями. 
С помощью метагеномики можно улучшить стратегии для мониторинга воздействия загрязняющих веществ на экосистему, а также разработать новые методы очистки загрязненных сред. Более глубокое понимание того, как микробные сообщества справляются с загрязняющими агентами дает надежду на то, что этот процесс можно в будущем использовать для борьбы с техногенными загрязнениями.<ref>{{Статья|автор=Zissis C. Chroneos|заглавие=Metagenomics: Theory, Methods, and Applications: Edited by Diana Marco Caister Academic Press, Norfolk, UK; 2010|ссылка=http://dx.doi.org/10.1186/1479-7364-4-4-282|издание=Human Genomics|год=2010-01-01|том=4|страницы=282|issn=1479-7364|doi=10.1186/1479-7364-4-4-282}}</ref> 


=== Биотехнология ===
=== Биотехнология ===
Микробные сообщества могут продуцировать широкий спектр биологически активных веществ, которые далее используются другими организмами. Многие лекарственные препараты, используемые сегодня, первоначально были обнаружены у микроорганизмов. Недавний успех в получении богатого генетического материала из некультивируемых микроорганизмов привел к открытию новых генов, ферментов и других активных соединений. Применение метагеномики позволило развить новые отрасли химической, биотехнологической и фармацевтической промышленностей.
Микробные сообщества могут продуцировать широкий спектр биологически активных веществ, которые далее используются другими организмами. Многие лекарственные препараты, используемые сегодня, первоначально были обнаружены у микроорганизмов. Недавний успех в получении богатого генетического материала из некультивируемых микроорганизмов привел к открытию новых генов, ферментов и других активных соединений. Применение метагеномики позволило развить новые отрасли [[Химическая промышленность|химической]] и [[Фармацевтическая промышленность|фармацевтической промышленностей]].<ref>{{Статья|автор=Carola Simon, Rolf Daniel|заглавие=Achievements and new knowledge unraveled by metagenomic approaches|ссылка=http://link.springer.com/article/10.1007/s00253-009-2233-z|язык=en|издание=Applied Microbiology and Biotechnology|год=2009-09-16|том=85|выпуск=2|страницы=265–276|issn=0175-7598, 1432-0614|doi=10.1007/s00253-009-2233-z}}</ref>


=== Сельское хозяйство ===
=== Сельское хозяйство ===
В одном грамме почвы, используемой для выращивания растений, содержится от 100 до 1000 микробных клеток. Состав микробных сообществ, обитающих в почве давно привлек внимание ученых, однако до сих пор остается плохо изученным, несмотря на их экономическое значение. Микробные сообщества выполняют широкий спектр экосистемных функций, необходимых для роста растений (фиксация азота, накопление питательных веществ), защиты растений от болезней, участие в круговороте железа и других металлов. Метагеномика помогает изучать взаимодействия микробов в этом сообществе, а также взаимодействие между растениями и микробами. На основе данных, полученных с помощью метагеномного анализа, можно выявить свойства некоторых членов микробного сообщества, которых нельзя культивировать, понять их роль в круговороте веществ, а также их взаимоотношения с растениями. Все это необходимо для улучшения здоровья сельскохозяйственных культур.
В одном грамме почвы, используемой для выращивания растений, содержится от 10<nowiki><sup>9</sup></nowiki>-10<nowiki><sup>10</sup></nowiki> микробных клеток.<ref>{{Статья|автор=Timothy M. Vogel, Pascal Simonet, Janet K. Jansson, Penny R. Hirsch, James M. Tiedje|заглавие=TerraGenome: a consortium for the sequencing of a soil metagenome|ссылка=http://www.nature.com/doifinder/10.1038/nrmicro2119|издание=Nature Reviews Microbiology|том=7|выпуск=4|страницы=252–252|doi=10.1038/nrmicro2119}}</ref> Состав микробных сообществ, обитающих в почве давно привлек внимание ученых, однако до сих пор остается плохо изученным, несмотря на их экономическое значение. Микробные сообщества выполняют широкий спектр экосистемных функций, необходимых для роста растений ([[Азотфиксация|фиксация азота]], накопление питательных веществ), защиты растений от болезней, участие в круговороте железа и других металлов. Метагеномика помогает изучать взаимодействия микробов в этом сообществе, а также взаимодействие между растениями и микробами. На основе данных, полученных с помощью метагеномного анализа, можно выявить свойства некоторых членов микробного сообщества, которых нельзя культивировать, понять их роль в круговороте веществ, а также их взаимоотношения с растениями. Все это необходимо для улучшения здоровья сельскохозяйственных культур.[http://www.terragenome.org/]


=== Экология ===
=== Экология ===
Метагеномика может дать ценную информацию о функциональной экологии сообществ окружающей среды. Метагеномной анализ бактериальных сообществ, обнаруженных в дефекациях австралийских морских львов, показывает, что богатые питательными веществами фекалии морских львов могут быть важным источником питания для прибрежных экосистем. Это происходит потому, что бактерии, которые выбрасываются одновременно с фекалиями, могут превращать соединения из фекалий в биологически доступные формы, которые далее могут быть вовлечены в пищевую цепь.
Метагеномика может дать ценную информацию о функциональной экологии сообществ окружающей среды.<ref>{{Статья|автор=J. Raes, I. Letunic, T. Yamada, L. J. Jensen, P. Bork|заглавие=Toward molecular trait-based ecology through integration of biogeochemical, geographical and metagenomic data|ссылка=http://msb.embopress.org/cgi/doi/10.1038/msb.2011.6|язык=en|издание=Molecular Systems Biology|год=2011-01-01|том=7|выпуск=1|страницы=473–473|issn=1744-4292, 1744-4292|doi=10.1038/msb.2011.6}}</ref> Метагеномной анализ бактериальных сообществ, обнаруженных в дефекациях австралийских морских львов, показывает, что богатые питательными веществами фекалии морских львов могут быть важным источником питания для прибрежных экосистем. Это происходит потому, что бактерии, которые выбрасываются одновременно с фекалиями, могут превращать соединения из фекалий в биологически доступные формы, которые далее могут быть вовлечены в [[Пищевая цепь|пищевую цепь]].<ref>{{Статья|автор=Trish J. Lavery, Ben Roudnew, Justin Seymour, James G. Mitchell, Thomas Jeffries|заглавие=High Nutrient Transport and Cycling Potential Revealed in the Microbial Metagenome of Australian Sea Lion ( Neophoca cinerea ) Faeces|ссылка=http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0036478|издание=PLOS ONE|год=2012-05-11|том=7|выпуск=5|страницы=e36478|issn=1932-6203|doi=10.1371/journal.pone.0036478}}</ref>


Секвенирование ДНК также может быть использовано для идентификации видов, присутствующих в толще воды. Это может помочь установить диапазон инвазивных видов и исчезающих видов, а также отслеживать сезонные популяции.
Секвенирование ДНК также может быть использовано для идентификации видов, присутствующих в толще воды. Это может помочь установить диапазон [[Инвазионный вид|инвазионных видов]] и [[Вымирающие виды|исчезающих видов]], а также отслеживать сезонные популяции.[http://www.npr.org/2013/07/24/205178477/whats-swimming-in-the-river-just-look-for-dna]


== Метагеном человека ==
== Метагеном человека ==

Версия от 19:35, 1 мая 2016

Метагеномика позволяет изучать сообщества микроорганизмов, например, в струях кислоты, использующихся в горной добыче.

Метагено́мика — это раздел молекулярной генетики, в котором изучается генетический материал, полученный из образцов окружающей среды. Метагеномика изучает набор генов всех микроорганизмов, находящихся в образце среды, - метагеном. Метагеномный анализ позволяет определить видовое разнообразие исследуемого образца без необходимости выделения и культивирования микроорганизмов.

Основным преимуществом использования метагеномного подхода является учет не только культивируемых микроорганизмов, но и некультивируемых. Оказалось, что такие организмы вносят основной вклад в видовое разнообразие сообществ.[1] Метагеномика позволяет детально изучить разнообразие сообществ, а значит и выяснить механизмы их функционирования, определить метаболические взаимосвязи.[2]

Широкое развитие метагеномики обусловлено распространением методов секвенирования нового поколения. Они позволяют получить последовательности практически всех генов каждого микроорганизма сообщества.[3]  И так как цена на секвенирование ДНК падает с каждым днём, такой анализ становится всё более доступным.

История

Происхождение термина

Термин метагеномика был впервые использован в 1998 году.[4] Термин метагеном подразумевал возможность использовать набор генов найденных в образцах среды как геном одного организма для воссоздания функциональных свойств некой среды, уподобляя её единому организму. Лавинообразный интерес к генетике окружающей среды в следующие несколько лет привел к использованию этого термина при описании любого акта секвенирования образцов окружающей среды.

История проектов

Несколько проектов метагеномики человека находятся на разных стадиях выполнения или уже завершены, в том числе анализ микрофлоры кожи и кишечника[5]. Получение полной бактериальной картины организма требует затраты огромных усилий, что обусловлено огромным видовым разнообразием микроорганизмов.

В 2007—2008 годах был запущен глобальный проект, получившего название «Микробиом человека?!». В 2011 году были представлены некоторые результаты[6][7]

Русский метагеном

С 2010 года масштабное исследование метагенома человека наметилось и в России. Консорциум ведущих Российских институтов в области гастроэнтерологии и молекулярной биологии в качестве инициативного проекта начал проводить первые эксперименты по широкомасштабному секвенированию образцов ДНК из кишечника человека[8].

Сферы метагеномики

Методы метагеномики применяются для проведения анализа генома микробных популяций. На сегодняшний день можно выделить две области:

  • Метагеномика окружающей среды — изучающая метагеномы биогеоценозов — озер, морей, болот, почвы и прочее. Здесь основной интерес ученых лежит в исследовании синергии действия множества микроорганизмов для получения конкретных результатов, например, очистка воды или утилизация отходов.
  • Метагеномика организма человека — сравнение бактериальных сообществ организмов людей разного возраста, происхождения и состояния здоровья позволит установить, каким образом микроорганизмы предотвращают или повышают риск развития определенных заболеваний, а также возможные методы управления этими механизмами.

Секвенирование

Секвенирование ДНК из образца среды по методу "дробовика" (A) Получение образцов окружающей среды; (B) Фильтрование частиц по размеры; (C) Лизис клеток и экстрагировани ДНК; (D) Клонирование и создание библиотеки клонов; (E) Секвенирование; (F) Сборка в контиги и скаффолды

Cеквенирование с использованием случайного фрагментирования

Первый широко используемый метод секвенирования путём случайного фрагментирования – это метод дробовика. Он заключается в том, что ДНК, выделенная из образца, гидролизуется на случайные фрагменты. Затем методами молекулярного клонирования из полученных фрагментов создается библиотека клонов. Последовательности ДНК определяют методом секвенирования по Сэнгеру, выравнивают эти последовательности и определяют места перекрывания для получения более длинных фрагментов. Для того, чтобы обеспечить наличие участков перекрывания, стадии фрагментации и секвенирования повторяют несколько раз.[9]

Наличие в методе стадии молекулярного клонирования делает его достаточно трудоёмким. Кроме того, на 2016 год секвенирование по Сенгеру уже не применяется для определения последовательностей геномов. С другой стороны методы секвенирования нового поколения позволяют получить последовательности геномов организмов, находящихся в образце среды, быстрее и без стадии молекулярного клонирования.[10],[11]

В результате секвенирования получается набор генов, которые присутствуют в организмах, представленных в образце. Функциональное описание продуктов этих генов позволяет определить метаболические взаимосвязи в сообществе.[12]

При таком анализе в наборе ДНК из образца будут преобладать гены наиболее представленных организмов. Для того, чтобы обеспечить достаточное покрытие геномов мало-представленных организмов, возникает необходимость использования больших объемов образца среды. С другой стороны, случайный характер методов севкенирования (случайное фрагментирование последовательности ДНК из образца) приводит к тому, что последовательности многих организмов, которые могли бы остаться незамеченными при использовании традиционных методов культивирования, будут доступны для анализа. По крайней мере, в виде некоторых небольших участков последовательности их геномной ДНК.[13]

Секвенирование эволюционно консервативных генов

Задача определения видового состава сообщества решается с помощью секвенирования определенных генов, которые должны быть у всех организмов в сообществе. Некоторые участки таких последовательностей геномной ДНК, как например ген, кодирующий 16S рРНК, состоят из высококонсервативных последовательностей и гипервариабельных участков.[14] Эта особенность позволяет использовать праймеры для секвенирования, которые комплементарны консервативным участкам для получения последовательностей гипервариабельных участков. Полученные последовательности позволяют отнести организм к тому или иному виду. Использование праймеров необходимо для секвенирования по Сэнгеру, тогда как методы секвенирования нового поколения определяют последовательности, полученные после фрагментации ДНК из образца и амплификации. Определение видовой принадлежности в этом случае также осуществляется с помощью таких генов как ген 16S рРНК.[15]

Биоинформатический анализ

Данные, полученные в результате метагеномного эксперимента, содержат огромное количество информации и шума, так как они представляют из себя фрагменты последовательностей ДНК, принадлежащих тысячам и десяткам тысяч разных видов.[16] Например, в результате секвенирования метагенома рубца коровы получается 279 миллиардов пар нуклеотидов[17], а метагеном кишечника человека состоит из 3,3 миллиона генов, собранных из 567,7 миллиардов пар нуклеотидов.[18] Сбор, курирование и извлечение полезной биологической информации из наборов данных такого размера определяют основные вычислительные задачи для биоинформатики.[19]

Предварительная обработка данных

Первый этап метагеномного анализа заключается в предварительной фильтрации данных. Он включает удаление избыточных и некачественных последовательностей. Для метагеномов, полученных из организмов животных, важно удаление последовательностей эукариотического происхождения. [20] Удаление загрязнений эукариотической геномной ДНК производится с помощью алгоритмов Eu-Detect[21] и DeConseq[22].

Сборка последовательностей

По своей сути последовательности ДНК из геномных и метагеномных экспериментов одинаковые. Тем не менее метагеномные эксперименты обеспечивают более низкое покрытие, а использование для анализа методов секвенирования нового поколения приводит к ограничению на длину секвенируемой последовательности.[19] Также задача усложняется из-за разной представленности видов в сообществе. Эти особенности приводят к тому, что сборка участков генома из данных метагеномного эксперимента становится сложной задачей, она требует высоких вычислительных мощностей и может приводить к ошибочному результату. Например, могут получиться химерные последовательности, которые представляют из себя комбинацию участков последовательностей ДНК разных организмов.[23]

Существует несколько программ, которые производят сборку с учетом парно-концевых чтений, этот метод позволяет уменьшить число ошибок. Такие программы как Phrap или Celera Assembler изначально были созданы для сборки единичных геномов, однако они дают неплохие результаты при обработке метагеномных данных.[16] Другие программы, например Velvet assembler, используют графы де Брейна для того, чтобы справляться с короткими последовательностями (ридами), которые получаются в результате работы методов секвенирования нового поколения. Сборку геномов наиболее распространенных видов облегчает использование референсных геномов.[24] После сборки возникает следующая проблема, необходимо определить каким видам принадлежат полученные последовательности.[25]

Поиск кодирующих последовательностей

В метагеномном анализе для аннотации кодирующих последовательностей после сборки, используются два основных подхода.[24] В основе первого метода лежит поиск гомологичных аннотированных генов обычно с помощью BLAST. Такой подход реализован в программе MEGAN4.[26] Второй подход (ab initio) использует внутренние особенности последовательности для предсказания кодирующих областей, для его реализации используются обучающие выборки генов родственных организмов.[27] Этот подход используют программы GeneMark[28] и GLIMMER[29]. Основное преимущество подхода ab initio состоит в том, что он может определить кодирующие последовательности, для которых неизвестны гомологи.[16]

Определение видового состава

В то время как аннотация метагенома указывает на то, какие функции реализуются в сообществе, определение видового состава позволяет определить какие организмы ответственны за их выполнение. Процесс соотнесения определенных генов, а значит и функций, которые они могут выполнять, с определенными видами организмов называется биннинг. Он реализуется с помощью метода BLAST через поиск похожих генов, для которых известно, какому организму они принадлежат. Этот подход реализован в программе MEGAN (MEta Genome ANalyzer).[30]  Также эта программа позволяет провести функциональную аннотацию метагенома. В процессе обработки последовательности ассоциируются с узлами таксономии NCBI и с узлами функциональных классификаций SEED или KEGG[31] с помощью алгоритма наименьшего общего предка.[31] Первая версия программы была использована в 2005 году для анализа метагеномного контекста последовательностей ДНК, полученных из кости мамонта.[32]

Другая программа PhymmBL использует в этих целях интерполированные Марковские модели.[16] Методы MetaPhlAn[33] и AMPHORA[34] используют данные об уникальных генетических маркерах – последовательностях, характерных для какой-либо одной клады, для определения представленности таксономической группы в сообществе.[35] Некоторые методы биннинга используют информацию внутренних свойствах последовательности, таких как частоты встречаемости олигонуклеотидов или использование кодонов.

Интеграция данных

Анализ большого экспоненциально растущего количества доступных последовательностей ДНК является сложной задачей. Более того, он осложняется наличием метаданных, связанных с метагеномными проектами. Они включают в себя информацию о географии исследуемого образца, особенностях окружающей среды, физические данные, а также методику отбора проб.[19] Эта информация необходима для обеспечения воспроизводимости экспериментов и для дальнейшего анализа. Важно представление этой информации с использованием стандартизированных форматов данных и развитие специализированных баз данных, таких как Genomes OnLine Database (GOLD).[36]

Для интеграции метаданных и данных о геномных последовательностях разработаны специальные сервисы. В 2007 году был создан доступный сервис для анализа данных метагеномных экспериментов Metagenomics Rapid Annotation с использованием Subsystem Technology server (MG-RAST). К 2012 году в эту базу данных было загружено около 50000 метагеномов.[37]

Сравнительная метагеномика

Сравнительный анализ метагеномов позволяет разобраться в особенностях функционирования микробиологических сообществ и, для симбиотических микроорганизмов, установить их роль в поддержании здоровья хозяина.[38]  Парные и множественные сравнения метагеномов выполняются с помощью выравнивания их фрагментов, сравнения GC-состава, паттернов использования олигонуклеотидов, видового разнообразия. Функциональное сравнение может быть сделано через сравнение фрагментов метагеномов с базами данных, содержащих информацию о метаболических путях.[31] Для определения функции сообщества важную роль играет не определение видового состава, а именно функциональное описание всех генов, присутствующих в нем. Стоит отметить, что одинаковые функции обнаруживаются в сообществах, находящихся в сходных экологических условиях, хотя видовой состав таких сообществ может сильно отличаться.[39] Именно поэтому метаданные, описывающие условия получения метагеномного образца, очень важны для сравнительно анализа.[16]

Основная цель сравнительной метагеномики заключается в определении групп микроорганизмов, которые определяют характеристики конкретного участка окружающей среды. Эти характеристики являются результатом взаимодействий групп микроорганизмов. С этой целью была разработана программа Community-Analyzer.[40] Она позволяет сравнить таксономический состав сообществ и выявить возможные взаимодействия между обнаруженными группами микроорганизмов. Вместо простого сравнения распространения таксономических групп программа учитывает вероятностные паттерны взаимодействий.

Анализ данных

Метаболизм микробного сообщества

Во многих бактериальных сообществах, как природных, так и искусственных (таких, как биореакторы), существует распределение обязанностей в процессах обмена веществ, так называемая синтрофия, в результате чего, отходы жизнедеятельности одних микроорганизмов используются другими микроорганизмами.[41] В одной из таких систем – метантенках, представлены два синтрофических вида (Syntrophobacterales and Synergistia), в результате совместной работы которых, использованное сырье превращается в полностью метаболизируемый отход (метан).[42] Изучая экспрессию генов с помощью ДНК-микрочипов или протеомическим анализом, исследователи могут собрать вместе куски метаболической сети для объединения в метаболические кластеры.[43] 

Метатранскриптом

Метагеномика позволяет исследователям получить доступ к функциональному и метаболическому разнообразию микробных сообществ, однако метагеномика не может показать, какие из этих метаболических процессов активны. Извлечение и анализ метагеномной матричной РНК (метатранскриптом) предоставляет информацию о регуляции профилей экспрессии генов сложных сообществ.[44] Из-за технических трудностей (например, быстрая деградация молекул матричной РНК), исследований транскриптов некультивируемых микробных сообществ на сегодняшний день очень мало. Однако развитие микрочиповых технологий дало импульс изучению метатранскриптомов, появилась возможность оценить экспрессию различных генов целого сообщества.[45] 

Вирусы

Метагеномное секвенирование особенно полезно при изучении вирусных сообществ. Поскольку вирусы не имеют общего универсального филогенетического маркера (как 16S РНК для бактерий и архей, и 18S РНК для эукариот), единственный способ доступа к изучению генетического разнообразия вирусного сообщества в экологической пробе возможен с помощью метагеномики. Вирусные метагеномы (также называемые виромами) должны, таким образом, обеспечить все больше и больше информации о вирусном разнообразии и эволюции.[46] 

Области применения метагеномики

Метагеномика имеет потенциал для изучения в самых разных областях применения. Метагеномику можно применять для решения практических проблем в таких областях, как: медицина, инженерия, сельское хозяйство и экология.  

Медицина

Микробные сообщества играют ключевую роль в поддержании здоровья человека, но их состав и механизм, благодаря которому они это делают остается загадочным.[47] Метагеномное секвинирование использовалось для описания микробных сообществ из 15-18 частей тела от, примерно, 250 индивидуумов. Это часть так называемого проекта Микробиомики Человека, главными целями которого является: определить базовый набор микробов человека, понять, как изменения микрофлоры человека коррелирует с изменением здоровья, а также разработать технологическую и биоинформатическую базу для достижения этих целей.[48]

Другое медицинское направление – проект MetaHit (Метагеномика пищеварительного тракта человека), участие в котором принимало 124 индивидуума из Дании и Испании, среди них были здоровые люди, люди с избыточным весов и люди с болезнями пищеварительного тракта.   Главной целью исследования была попытка охарактеризовать глубину и филогенетическое разнообразие желудочно-кишечных бактерий. Используя данные секвинирования Illumina GA и SOAPdenovo, основанного на графе де-Брейна для построения коротких ридов, они способны были сгенерировать 6.58 миллионов контигов длиной более 500 пар оснований и суммарной длиной контигов в миллиард пар оснований.

Исследование показало, что две бактериальные клады: Bacteriodetes и Firnicutes, составляют более 90% от всех известных филогенетических групп бактерий, которые доминируют в дистальном отделе кишечника. Используя относительную частоту генов, найденных в кишечнике, исследователи идентифицировали 1244 метагеномных кластера, которые играют критическую роль для поддержания здорового состояния. Выделено две основные функции этих кластеров: поддерживание экспрессии генов домашнего хозяйства и экспрессия специфичных для желудочно-кишечного тракта генов. Кластер генов домашнего хозяйства необходим для всех бактерий и часто играет основную роль в метаболических путях, таких как: центральный метаболизм углерода, синтез аминокислот. Кластер специфических генов включает способность к адгезии с белками хозяина и способность питаться за счет сахаров. У больных с раздражением толстой кишки на 25% меньше таких генов, также показано более низкое содержание бактерий, в отличие от людей, у которых не было диагностировано никаких проблем с желудочно-кишечным трактом.  

Несмотря на то, что эти исследования несут в себе потенциально ценное медицинское применение, только 31-48.8% ридов были выровнены на 194 известных генома кишечных бактерий и только 7.6-21.2% ридов выравнены с последовательностями из GeneBank, что указывает то, что необходимо дальше развивать исследования, для того чтобы полностью охватить все бактериальные геномы.[49]  

Биотопливо

Биотопливо получается за счет конверсии биомассы, такой же, как в превращении целлюлозы, полученной из кукурузы и проса в гидролизный спирт. Этот процесс зависит от микробных консорциумов, которые преобразуют целлюлозу в сахара, с последующим сбраживанием сахара в этанол. Микробы также производят различные источники биоэнергии, включая метан и водород.[50]

Для эффективного промышленного получения из биомассы новых соединений, требуются новые ферменты с более высокой производительностью и меньшими затратами на производстве.[51] Метагеномные подходы к анализу сложных микробных сообществ позволяют проводить целевой скрининг ферментов промышленного применения в производстве биотоплива, таких как гликозил-гидролаз.[52] Кроме того, знания о том, как микробные сообщества функционируют, необходимы для управления этими сообществами, а метагеномика является ключевым инструментом в их понимании. Метагеномные подходы позволяют проводить сравнительный анализ между конвергентными система микроорганизмов.

Восстановление окружающей среды

С помощью метагеномики можно улучшить стратегии для мониторинга воздействия загрязняющих веществ на экосистему, а также разработать новые методы очистки загрязненных сред. Более глубокое понимание того, как микробные сообщества справляются с загрязняющими агентами дает надежду на то, что этот процесс можно в будущем использовать для борьбы с техногенными загрязнениями.[53] 

Биотехнология

Микробные сообщества могут продуцировать широкий спектр биологически активных веществ, которые далее используются другими организмами. Многие лекарственные препараты, используемые сегодня, первоначально были обнаружены у микроорганизмов. Недавний успех в получении богатого генетического материала из некультивируемых микроорганизмов привел к открытию новых генов, ферментов и других активных соединений. Применение метагеномики позволило развить новые отрасли химической и фармацевтической промышленностей.[54]

Сельское хозяйство

В одном грамме почвы, используемой для выращивания растений, содержится от 10<sup>9</sup>-10<sup>10</sup> микробных клеток.[55] Состав микробных сообществ, обитающих в почве давно привлек внимание ученых, однако до сих пор остается плохо изученным, несмотря на их экономическое значение. Микробные сообщества выполняют широкий спектр экосистемных функций, необходимых для роста растений (фиксация азота, накопление питательных веществ), защиты растений от болезней, участие в круговороте железа и других металлов. Метагеномика помогает изучать взаимодействия микробов в этом сообществе, а также взаимодействие между растениями и микробами. На основе данных, полученных с помощью метагеномного анализа, можно выявить свойства некоторых членов микробного сообщества, которых нельзя культивировать, понять их роль в круговороте веществ, а также их взаимоотношения с растениями. Все это необходимо для улучшения здоровья сельскохозяйственных культур.[1]

Экология

Метагеномика может дать ценную информацию о функциональной экологии сообществ окружающей среды.[56] Метагеномной анализ бактериальных сообществ, обнаруженных в дефекациях австралийских морских львов, показывает, что богатые питательными веществами фекалии морских львов могут быть важным источником питания для прибрежных экосистем. Это происходит потому, что бактерии, которые выбрасываются одновременно с фекалиями, могут превращать соединения из фекалий в биологически доступные формы, которые далее могут быть вовлечены в пищевую цепь.[57]

Секвенирование ДНК также может быть использовано для идентификации видов, присутствующих в толще воды. Это может помочь установить диапазон инвазионных видов и исчезающих видов, а также отслеживать сезонные популяции.[2]

Метагеном человека

Специалисты до сих пор не пришли к единому мнению о конечных целях этого проекта. Существуют предложения детального исследования геномов преобладающих бактерий, другое направление — анализирование вариаций бактериальных сообществ.

Основные центры, получившие финансирование на секвенирование геномов микроорганизмов кишечника, пригодных к культивированию в лабораторных условиях:

  • Бэйлорский университет (г. Уэйко, Техас, США);
  • Broad Institute (объединенный институт, в состав которого входят Массачусетский технологический институт, Гарвардский университет и институт Уайтхеда);
  • университет Вашингтона (г. Сент-Луис, штат Миссури).

Следует отметить, что стоимость секвенирования генома человека за последние три года уменьшилась почти в 100 раз и продолжает быстро снижаться. Совершенствование NGS технологий секвенирования ДНК в ближайшем будущем приведет к преодолению очередного ценового рубежа (1000$ за геном) и вызовет кардинальные перемены во многих областях биологии и медицинской генетики, что в дальнейшем должно привести к персонализации медицины. Технологический бум в данной области молекулярной генетики позволяет предположить, что постепенно метагеномика заменит ПЦР-диагностику.

В 2011 году в России также был объявлен грант на исследования в области метагеномики[58].

См. также

Примечания

  1. Philip Hugenholtz, Brett M. Goebel, Norman R. Pace. Impact of Culture-Independent Studies on the Emerging Phylogenetic View of Bacterial Diversity // Journal of Bacteriology. — 1998-09-01. — Т. 180, вып. 18. — С. 4765–4774. — ISSN 0021-9193.
  2. Marco, D. Metagenomics: Current Innovations and Future Trends. — Caister Academic Press. — 2011. — ISBN 978-1-904455-87-5.
  3. Jonathan A. Eisen. Environmental shotgun sequencing: its potential and challenges for studying the hidden world of microbes // PLoS biology. — 2007-03-01. — Т. 5, вып. 3. — С. e82. — ISSN 1545-7885. — doi:10.1371/journal.pbio.0050082.
  4. Handelsman, J; Rondon MR, Brady SF, Clardy J, Goodman RM (1998). “Molecular biological access to the chemistry of unknown soil microbes: a new frontier for natural products”. Chemistry & Biology. 5: 245—249. DOI:10.1016/S1074-5521(98)90108-9. Используется устаревший параметр |coauthors= (справка).
  5. MetaHIT — перепись населения в желудочно-кишечном тракте — Deutsche Welle, 02.10.2009
  6. Консорциум Микробиом человека опубликовал результаты многолетней работы (14 июня 2012). Дата обращения 5 декабря 2013.
  7. Смита Мундасад. Ученые составили карту микробов в организме человека, Би-би-си (14 июня 2012). Дата обращения 5 декабря 2013.
  8. Проект русский Метагеном
  9. S. Anderson. Shotgun DNA sequencing using cloned DNase I-generated fragments // Nucleic Acids Research. — 1981-07-10. — Т. 9, вып. 13. — С. 3015–3027. — ISSN 0305-1048.
  10. Alejandra Escobar-Zepeda, Arturo Vera-Ponce de León, Alejandro Sanchez-Flores. The Road to Metagenomics: From Microbiology to DNA Sequencing Technologies and Bioinformatics // Frontiers in Genetics. — 2015-01-01. — Т. 6. — С. 348. — ISSN 1664-8021. — doi:10.3389/fgene.2015.00348.
  11. Micah Hamady, Rob Knight. Microbial community profiling for human microbiome projects: Tools, techniques, and challenges // Genome Research. — 2009-07-01. — Т. 19, вып. 7. — С. 1141–1152. — ISSN 1088-9051. — doi:10.1101/gr.085464.108.
  12. Nicola Segata, Daniela Boernigen, Timothy L. Tickle, Xochitl C. Morgan, Wendy S. Garrett. Computational meta'omics for microbial community studies // Molecular Systems Biology. — 2013-01-01. — Т. 9. — С. 666. — ISSN 1744-4292. — doi:10.1038/msb.2013.22.
  13. Gene W. Tyson, Jarrod Chapman, Philip Hugenholtz, Eric E. Allen, Rachna J. Ram. Community structure and metabolism through reconstruction of microbial genomes from the environment // Nature. — 2004-03-04. — Т. 428, вып. 6978. — С. 37–43. — ISSN 1476-4687. — doi:10.1038/nature02340.
  14. K. M. McCabe, Y. H. Zhang, B. L. Huang, E. A. Wagar, E. R. McCabe. Bacterial species identification after DNA amplification with a universal primer pair // Molecular Genetics and Metabolism. — 1999-03-01. — Т. 66, вып. 3. — С. 205–211. — ISSN 1096-7192. — doi:10.1006/mgme.1998.2795.
  15. Douglas W Fadrosh, Bing Ma, Pawel Gajer, Naomi Sengamalay, Sandra Ott. An improved dual-indexing approach for multiplexed 16S rRNA gene sequencing on the Illumina MiSeq platform // Microbiome. — 2014-02-24. — Т. 2. — С. 6. — ISSN 2049-2618. — doi:10.1186/2049-2618-2-6.
  16. 1 2 3 4 5 John C. Wooley, Adam Godzik, Iddo Friedberg. A primer on metagenomics // PLoS computational biology. — 2010-02-01. — Т. 6, вып. 2. — С. e1000667. — ISSN 1553-7358. — doi:10.1371/journal.pcbi.1000667.
  17. Matthias Hess, Alexander Sczyrba, Rob Egan, Tae-Wan Kim, Harshal Chokhawala. Metagenomic discovery of biomass-degrading genes and genomes from cow rumen // Science (New York, N.Y.). — 2011-01-28. — Т. 331, вып. 6016. — С. 463–467. — ISSN 1095-9203. — doi:10.1126/science.1200387.
  18. Junjie Qin, Ruiqiang Li, Jeroen Raes, Manimozhiyan Arumugam, Kristoffer Solvsten Burgdorf. A human gut microbial gene catalogue established by metagenomic sequencing // Nature. — 2010-03-04. — Т. 464, вып. 7285. — С. 59–65. — ISSN 1476-4687. — doi:10.1038/nature08821.
  19. 1 2 3 National Research Council (US) Committee on Metagenomics: Challenges and Functional Applications. The New Science of Metagenomics: Revealing the Secrets of Our Microbial Planet. — Washington (DC): National Academies Press (US), 2007-01-01. — (The National Academies Collection: Reports funded by National Institutes of Health). — ISBN 9780309106764, 0309106761.
  20. Daniel R. Mende, Alison S. Waller, Shinichi Sunagawa, Aino I. Järvelin, Michelle M. Chan. Assessment of metagenomic assembly using simulated next generation sequencing data // PloS One. — 2012-01-01. — Т. 7, вып. 2. — С. e31386. — ISSN 1932-6203. — doi:10.1371/journal.pone.0031386.
  21. Monzoorul Haque Mohammed, Sudha Chadaram, Dinakar Komanduri, Tarini Shankar Ghosh, Sharmila S. Mande. Eu-Detect: an algorithm for detecting eukaryotic sequences in metagenomic data sets // Journal of Biosciences. — 2011-09-01. — Т. 36, вып. 4. — С. 709–717. — ISSN 0973-7138.
  22. Robert Schmieder, Robert Edwards. Fast Identification and Removal of Sequence Contamination from Genomic and Metagenomic Datasets // PLoS ONE. — 2011-03-09. — Т. 6, вып. 3. — ISSN 1932-6203. — doi:10.1371/journal.pone.0017288.
  23. Victor Kunin, Alex Copeland, Alla Lapidus, Konstantinos Mavromatis, Philip Hugenholtz. A bioinformatician's guide to metagenomics // Microbiology and molecular biology reviews: MMBR. — 2008-12-01. — Т. 72, вып. 4. — С. 557–578, Table of Contents. — ISSN 1098-5557. — doi:10.1128/MMBR.00009-08.
  24. 1 2 Victor Kunin, Alex Copeland, Alla Lapidus, Konstantinos Mavromatis, Philip Hugenholtz. A bioinformatician's guide to metagenomics // Microbiology and molecular biology reviews: MMBR. — 2008-12-01. — Т. 72, вып. 4. — С. 557–578, Table of Contents. — ISSN 1098-5557. — doi:10.1128/MMBR.00009-08.
  25. Joshua N. Burton, Ivan Liachko, Maitreya J. Dunham, Jay Shendure. Species-Level Deconvolution of Metagenome Assemblies with Hi-C–Based Contact Probability Maps (англ.) // G3: Genes|Genomes|Genetics. — 2014-07-01. — Vol. 4, iss. 7. — P. 1339–1346. — ISSN 2160-1836. — doi:10.1534/g3.114.011825.
  26. Daniel H. Huson, Suparna Mitra, Hans-Joachim Ruscheweyh, Nico Weber, Stephan C. Schuster. Integrative analysis of environmental sequences using MEGAN4 // Genome Research. — 2011-09-01. — Т. 21, вып. 9. — С. 1552–1560. — ISSN 1549-5469. — doi:10.1101/gr.120618.111.
  27. Wenhan Zhu, Alexandre Lomsadze, Mark Borodovsky. Ab initio gene identification in metagenomic sequences // Nucleic Acids Research. — 2010-07-01. — Т. 38, вып. 12. — С. e132. — ISSN 1362-4962. — doi:10.1093/nar/gkq275.
  28. John Besemer, Mark Borodovsky. GeneMark: web software for gene finding in prokaryotes, eukaryotes and viruses // Nucleic Acids Research. — 2005-07-01. — Т. 33, вып. Web Server issue. — С. W451–454. — ISSN 1362-4962. — doi:10.1093/nar/gki487.
  29. Gautam Aggarwal, Ramakrishna Ramaswamy. Ab initio gene identification: prokaryote genome annotation with GeneScan and GLIMMER // Journal of Biosciences. — 2002-02-01. — Т. 27, вып. 1 Suppl 1. — С. 7–14. — ISSN 0250-5991.
  30. Daniel H. Huson, Alexander F. Auch, Ji Qi, Stephan C. Schuster. MEGAN analysis of metagenomic data // Genome Research. — 2007-03-01. — Т. 17, вып. 3. — С. 377–386. — ISSN 1088-9051. — doi:10.1101/gr.5969107.
  31. 1 2 3 Suparna Mitra, Paul Rupek, Daniel C. Richter, Tim Urich, Jack A. Gilbert. Functional analysis of metagenomes and metatranscriptomes using SEED and KEGG // BMC bioinformatics. — 2011-01-01. — Т. 12 Suppl 1. — С. S21. — ISSN 1471-2105. — doi:10.1186/1471-2105-12-S1-S21.
  32. Hendrik N. Poinar, Carsten Schwarz, Ji Qi, Beth Shapiro, Ross D. E. Macphee. Metagenomics to paleogenomics: large-scale sequencing of mammoth DNA // Science (New York, N.Y.). — 2006-01-20. — Т. 311, вып. 5759. — С. 392–394. — ISSN 1095-9203. — doi:10.1126/science.1123360.
  33. MetaPhlAn: Metagenomic Phylogenetic Analysis | The Huttenhower Lab. huttenhower.sph.harvard.edu. Дата обращения: 1 мая 2016.
  34. Csaba Kerepesi, Dániel Bánky, Vince Grolmusz. AmphoraNet: the webserver implementation of the AMPHORA2 metagenomic workflow suite // Gene. — 2014-01-10. — Т. 533, вып. 2. — С. 538–540. — ISSN 1879-0038. — doi:10.1016/j.gene.2013.10.015.
  35. Nicola Segata, Levi Waldron, Annalisa Ballarini, Vagheesh Narasimhan, Olivier Jousson. Metagenomic microbial community profiling using unique clade-specific marker genes // Nature Methods. — 2012-08-01. — Т. 9, вып. 8. — С. 811–814. — ISSN 1548-7105. — doi:10.1038/nmeth.2066.
  36. Ioanna Pagani, Konstantinos Liolios, Jakob Jansson, I.-Min A. Chen, Tatyana Smirnova. The Genomes OnLine Database (GOLD) v.4: status of genomic and metagenomic projects and their associated metadata // Nucleic Acids Research. — 2012-01-01. — Т. 40, вып. Database issue. — С. D571–579. — ISSN 1362-4962. — doi:10.1093/nar/gkr1100.
  37. F. Meyer, D. Paarmann, M. D'Souza, R. Olson, E. M. Glass. The metagenomics RAST server - a public resource for the automatic phylogenetic and functional analysis of metagenomes // BMC bioinformatics. — 2008-01-01. — Т. 9. — С. 386. — ISSN 1471-2105. — doi:10.1186/1471-2105-9-386.
  38. Ken Kurokawa, Takehiko Itoh, Tomomi Kuwahara, Kenshiro Oshima, Hidehiro Toh. Comparative metagenomics revealed commonly enriched gene sets in human gut microbiomes // DNA research: an international journal for rapid publication of reports on genes and genomes. — 2007-08-31. — Т. 14, вып. 4. — С. 169–181. — ISSN 1340-2838. — doi:10.1093/dnares/dsm018.
  39. Carola Simon, Rolf Daniel. Metagenomic analyses: past and future trends // Applied and Environmental Microbiology. — 2011-02-01. — Т. 77, вып. 4. — С. 1153–1161. — ISSN 1098-5336. — doi:10.1128/AEM.02345-10.
  40. Bhusan K. Kuntal, Tarini Shankar Ghosh, Sharmila S Mande. Community-Analyzer: A platform for visualizing and comparing microbial community structure across microbiomes // Genomics. — 2013-10-01. — Т. 102, вып. 4. — С. 409–418. — doi:10.1016/j.ygeno.2013.08.004.
  41. Jeffrey J. Werner, Dan Knights, Marcelo L. Garcia, Nicholas B. Scalfone, Samual Smith. Bacterial community structures are unique and resilient in full-scale bioenergy systems (англ.) // Proceedings of the National Academy of Sciences. — 2011-03-08. — Vol. 108, iss. 10. — P. 4158–4163. — ISSN 1091-6490 0027-8424, 1091-6490. — doi:10.1073/pnas.1015676108.
  42. Michael J McInerney, Jessica R Sieber, Robert P Gunsalus. Syntrophy in anaerobic global carbon cycles // Current Opinion in Biotechnology. — Т. 20, вып. 6. — С. 623–632. — doi:10.1016/j.copbio.2009.10.001.
  43. Niels Klitgord, Daniel Segrè. Ecosystems biology of microbial metabolism // Current Opinion in Biotechnology. — Т. 22, вып. 4. — С. 541–546. — doi:10.1016/j.copbio.2011.04.018.
  44. Carola Simon, Rolf Daniel. Metagenomic Analyses: Past and Future Trends (англ.) // Applied and Environmental Microbiology. — 2011-02-15. — Vol. 77, iss. 4. — P. 1153–1161. — ISSN 1098-5336 0099-2240, 1098-5336. — doi:10.1128/AEM.02345-10.
  45. S. Leininger, T. Urich, M. Schloter, L. Schwark, J. Qi. Archaea predominate among ammonia-oxidizing prokaryotes in soils // Nature. — Т. 442, вып. 7104. — С. 806–809. — doi:10.1038/nature04983.
  46. David M. Kristensen, Arcady R. Mushegian, Valerian V. Dolja, Eugene V. Koonin. New dimensions of the virus world discovered through metagenomics (англ.) // Trends in Microbiology. — 2010-01-01. — Т. 18, вып. 1. — С. 11–19. — ISSN 1878-4380 0966-842X, 1878-4380. — doi:10.1016/j.tim.2009.11.003.
  47. CARL ZIMMER. How Microbes Defend and Define Us (JULY 12, 2010).
  48. Nelson KE and White BA. Metagenomics and Its Applications to the Study of the Human Microbiome // Metagenomics: Theory, Methods and Applications. Caister Academic Press.. — 2010.
  49. Junjie Qin, Ruiqiang Li, Jeroen Raes, Manimozhiyan Arumugam, Kristoffer Solvsten Burgdorf. A human gut microbial gene catalogue established by metagenomic sequencing (англ.) // Nature. — 2010-03-04. — Vol. 464, iss. 7285. — P. 59–65. — ISSN 0028-0836. — doi:10.1038/nature08821.
  50. National Research Council. The New Science of Metagenomics: Revealing the Secrets of Our Microbial Planet. — 2007-03-27. — ISBN 9780309106764.
  51. Matthias Hess, Alexander Sczyrba, Rob Egan, Tae-Wan Kim, Harshal Chokhawala. Metagenomic Discovery of Biomass-Degrading Genes and Genomes from Cow Rumen (англ.) // Science. — 2011-01-28. — Vol. 331, iss. 6016. — P. 463–467. — ISSN 1095-9203 0036-8075, 1095-9203. — doi:10.1126/science.1200387.
  52. Luen-Luen Li, Sean R McCorkle, Sebastien Monchy, Safiyh Taghavi, Daniel van der Lelie. Bioprospecting metagenomes: glycosyl hydrolases for converting biomass (англ.) // Biotechnology for Biofuels. — 2009-05-18. — Т. 2, вып. 1. — ISSN 1754-6834. — doi:10.1186/1754-6834-2-10.
  53. Zissis C. Chroneos. Metagenomics: Theory, Methods, and Applications: Edited by Diana Marco Caister Academic Press, Norfolk, UK; 2010 // Human Genomics. — 2010-01-01. — Т. 4. — С. 282. — ISSN 1479-7364. — doi:10.1186/1479-7364-4-4-282.
  54. Carola Simon, Rolf Daniel. Achievements and new knowledge unraveled by metagenomic approaches (англ.) // Applied Microbiology and Biotechnology. — 2009-09-16. — Vol. 85, iss. 2. — P. 265–276. — ISSN 1432-0614 0175-7598, 1432-0614. — doi:10.1007/s00253-009-2233-z.
  55. Timothy M. Vogel, Pascal Simonet, Janet K. Jansson, Penny R. Hirsch, James M. Tiedje. TerraGenome: a consortium for the sequencing of a soil metagenome // Nature Reviews Microbiology. — Т. 7, вып. 4. — С. 252–252. — doi:10.1038/nrmicro2119.
  56. J. Raes, I. Letunic, T. Yamada, L. J. Jensen, P. Bork. Toward molecular trait-based ecology through integration of biogeochemical, geographical and metagenomic data (англ.) // Molecular Systems Biology. — 2011-01-01. — Vol. 7, iss. 1. — P. 473–473. — ISSN 1744-4292 1744-4292, 1744-4292. — doi:10.1038/msb.2011.6.
  57. Trish J. Lavery, Ben Roudnew, Justin Seymour, James G. Mitchell, Thomas Jeffries. High Nutrient Transport and Cycling Potential Revealed in the Microbial Metagenome of Australian Sea Lion ( Neophoca cinerea ) Faeces // PLOS ONE. — 2012-05-11. — Т. 7, вып. 5. — С. e36478. — ISSN 1932-6203. — doi:10.1371/journal.pone.0036478.
  58. Лот МОН РФ по метагеномике