stringtranslate.com

Метатранскриптомика

Метатранскриптомика — это набор методов, используемых для изучения экспрессии генов микробов в естественной среде, т. е. метатранскриптома. [1]

В то время как метагеномика фокусируется на изучении геномного содержания и на определении того, какие микробы присутствуют в сообществе, метатранскриптомика может использоваться для изучения разнообразия активных генов в таком сообществе, для количественной оценки уровней их экспрессии и для мониторинга того, как эти уровни изменяются в различных условиях (например, физиологические и патологические состояния в организме). Преимущество метатранскриптомики заключается в том, что она может предоставить информацию о различиях в активных функциях микробных сообществ, которые в противном случае, казалось бы, имеют схожий состав. [2]

Введение

Микробиом определяется как микробное сообщество, занимающее четко определенную среду обитания. [3] Эти сообщества вездесущи и могут играть ключевую роль в поддержании характеристик своей среды, а дисбаланс в этих сообществах может негативно влиять на деятельность среды, в которой они находятся. Для изучения этих сообществ, а затем определения их воздействия и корреляции с их нишей использовались различные подходы омики . В то время как метагеномика может помочь исследователям создать таксономический профиль образца, метатранскриптомика обеспечивает функциональный профиль, анализируя, какие гены экспрессируются сообществом. Можно сделать вывод о том, какие гены экспрессируются при определенных условиях, и это можно сделать с помощью функциональных аннотаций экспрессируемых генов.

Функция

Поскольку метатранскриптомика фокусируется на том, какие гены экспрессируются, она позволяет охарактеризовать активный функциональный профиль всего микробного сообщества. [4] Обзор экспрессии генов в данном образце получается путем захвата общей мРНК микробиома и выполнения секвенирования методом дробовика в рамках метатранскриптомики .

Инструменты и методы

Хотя микрочипы могут быть использованы для определения профилей экспрессии генов некоторых модельных организмов, предпочтительными методами в метатранскриптомике являются секвенирование следующего поколения и секвенирование третьего поколения . Протокол, который используется для проведения анализа метатранскриптома, может различаться в зависимости от типа образца, который необходимо проанализировать. Действительно, было разработано много различных протоколов для изучения метатранскриптома микробных образцов. Как правило, этапы включают сбор образцов, извлечение РНК (в литературе описаны различные методы извлечения для разных видов образцов), обогащение мРНК, синтез кДНК и подготовку метатранскриптомных библиотек, секвенирование, обработку и анализ данных. Обогащение мРНК является одним из наиболее технически сложных этапов, для которого были предложены различные стратегии:

Последние две стратегии не рекомендуются, поскольку, как сообщается, они весьма предвзяты. [6]

Вычислительный анализ

Типичный процесс анализа метатранскриптома:

Первая стратегия сопоставляет прочтения с референтными геномами в базах данных для сбора информации, которая полезна для выведения относительной экспрессии отдельных генов. Метатранскриптомные прочтения сопоставляются с базами данных с использованием инструментов выравнивания, таких как Bowtie2 , BWA и BLAST . Затем результаты аннотируются с использованием таких ресурсов, как GO , KEGG , COG и Swiss-Prot . Окончательный анализ результатов проводится в зависимости от цели исследования. Одним из последних методов метатранскриптомики является зондирование стабильными изотопами (SIP), которое использовалось для получения определенных целевых транскриптомов аэробных микробов в озерных отложениях. [7] Ограничением этой стратегии является ее зависимость от информации референтных геномов в базах данных.

Вторая стратегия извлекает изобилие в экспрессии различных генов путем сборки метатранскриптомных считываний в более длинные фрагменты, называемые контигами, с использованием другого программного обеспечения. Сообщалось, что программное обеспечение Trinity для RNA-seq , в сравнении с другими de novo транскриптомными ассемблерами, извлекает больше полноразмерных транскриптов в широком диапазоне уровней экспрессии с чувствительностью, аналогичной методам, которые полагаются на выравнивание генома. Это особенно важно при отсутствии референсного генома. [8]

Количественный конвейер для транскриптомного анализа был разработан Ли и Дьюи [9] и назван RSEM (RNA-Seq by Expectation Maximization). Он может работать как автономное программное обеспечение или как плагин для Trinity. RSEM начинается с референтного транскриптома или сборки вместе с считываниями RNA-Seq, полученными из образца, и вычисляет нормализованное количество транскриптов (то есть количество считываний RNA-Seq, соответствующих каждому референтному транскриптому или сборке). [10] [11]

Хотя и Trinity, и RSEM были разработаны для транскриптомных наборов данных (т.е. полученных от одного организма), их можно применять и к метатранскриптомным данным (т.е. полученным от целого микробного сообщества). [12] [13] [14] [15] [16] [17]

Биоинформатика

Использование инструментов вычислительного анализа стало более важным по мере роста возможностей секвенирования ДНК, особенно в метагеномном и метатранскриптомном анализе, который может генерировать огромный объем данных. Для этих целей было разработано множество различных биоинформатических конвейеров, часто в виде платформ с открытым исходным кодом, таких как HUMAnN и более поздние HUMAnN2, MetaTrans, SAMSA, Leimena-2013 и mOTUs2. [18]

ЧЕЛОВЕК2

HUMAnN2 — это биоинформатический конвейер, разработанный на основе предыдущего программного обеспечения HUMAnN, которое было разработано в ходе проекта Human Microbiome Project (HMP), реализующий подход «многоуровневого поиска». На первом уровне HUMAnN2 проверяет считывания ДНК или РНК с помощью MetaPhlAn2, чтобы идентифицировать уже известные микробы и создать базу данных, специфичную для образца, путем слияния пангеномов аннотированных видов; на втором уровне алгоритм выполняет сопоставление считываний с собранной базой данных пангеномов; на третьем уровне невыровненные считывания используются для транслируемого поиска с использованием базы данных белков. [19]

МетаТранс

MetaTrans — это конвейер, который использует многопоточность для повышения эффективности. Данные получаются из парно-концевого РНК-Seq, в основном из 16S РНК для таксономии и мРНК для уровней экспрессии генов. Конвейер разделен на 4 основных этапа. Во-первых, парно-концевые чтения фильтруются для целей контроля качества, затем сортируются и фильтруются для таксономического анализа (путем удаления последовательностей тРНК) или функционального анализа (путем удаления как тРНК, так и рРНК). Для таксономического анализа последовательности сопоставляются с базой данных 16S рРНК Greengenes v13.5 с помощью SOAP2, в то время как для функционального анализа последовательности сопоставляются с функциональной базой данных, такой как MetaHIT-2014, всегда с помощью инструмента SOAP2. Этот конвейер очень гибкий, поскольку он дает возможность использовать сторонние инструменты и улучшать отдельные модули, пока сохраняется общая структура. [20]

САМСА

Этот конвейер разработан специально для анализа метатранскриптомных данных, работая совместно с сервером MG-RAST для метагеномики. Этот конвейер прост в использовании, требует низкой технической подготовки и вычислительной мощности и может применяться к широкому спектру микробов. Сначала последовательности из необработанных данных секвенирования фильтруются по качеству, а затем отправляются в MG-RAST (который выполняет дальнейшие шаги, такие как контроль качества, вызов генов, кластеризация аминокислотных последовательностей и использование sBLAT на каждом кластере для обнаружения наилучших совпадений). Затем совпадения агрегируются для целей таксономического и функционального анализа. [21]

Леймена-2013

Этот конвейер не имеет официального названия и обычно упоминается с использованием первого автора статьи, в которой он описан. Этот алгоритм предусматривает реализацию инструментов выравнивания, таких как BLAST и MegaBLAST. Чтения группируются в группы идентичных последовательностей, а затем обрабатываются для удаления последовательностей тРНК и рРНК in-silico . Оставшиеся чтения затем сопоставляются с базами данных NCBI с помощью BLAST и MegaBLAST, затем классифицируются по их битсчёту. Последовательности с более высокими битсчётами используются для прогнозирования филогенетического происхождения и функции, а чтения с более низкими баллами выравниваются с более чувствительным BLASTX и в конечном итоге могут быть выравниваны в базах данных белков, чтобы можно было охарактеризовать их функцию. [12]

mOTUs2

Профилировщик mOTUs2 [22] , основанный на основных генах домашнего хозяйства , наглядно демонстрирует, что он хорошо подходит для количественной оценки базальной транскрипционной активности членов микробного сообщества. [ требуется цитирование ] В зависимости от условий окружающей среды количество транскриптов на клетку варьируется для большинства генов. Исключением являются гены домашнего хозяйства, которые экспрессируются конститутивно и с низкой изменчивостью в различных условиях. [ требуется цитирование ] Таким образом, обилие транскриптов таких генов сильно коррелирует с обилием активных клеток в сообществе.

Микрочипы

Другим методом, который можно использовать для метатранскриптомных целей, является тайлинг микрочипов . В частности, микрочипы использовались для измерения уровней микробной транскрипции, для обнаружения новых транскриптов и для получения информации о структуре мРНК (например, границах НТР). В последнее время его также использовали для поиска новых регуляторных некодируемых РНК. Однако микрочипы подвержены некоторым подводным камням:

RNA-Seq может преодолеть эти ограничения: он не требует никаких предварительных знаний о геномах, которые должны быть проанализированы, и обеспечивает высокопроизводительную проверку предсказания генов, структуры, экспрессии. Таким образом, путем объединения двух подходов можно получить более полное представление бактериального транскриптома. [1]

Ограничения

Приложения

Микробиом кишечника человека

В последние годы микробиом кишечника стал играть важную роль в здоровье человека. Его основные функции связаны с ферментацией неперевариваемых пищевых компонентов, конкуренцией с патогенами, укреплением кишечного барьера, стимуляцией и регуляцией иммунной системы. [23] [24] [25 ] [ 26] [27] [28] [29] Хотя за последние годы о сообществе микробиома стало известно много нового, широкое разнообразие микроорганизмов и молекул в кишечнике требует новых инструментов для новых открытий. Сосредоточившись на изменениях в экспрессии генов, метатранскриптомика может создать более динамичную картину состояния и активности микробиома, чем метагеномика. Было отмечено, что метатранскриптомные функциональные профили более изменчивы, чем те, которые можно было бы предсказать только на основе метагеномной информации. Это говорит о том, что не относящиеся к домашнему хозяйству гены не экспрессируются стабильно in situ [30] [31]

Одним из примеров метатранскриптомного применения является изучение микробиома кишечника при воспалительных заболеваниях кишечника. Воспалительные заболевания кишечника (ВЗК) — это группа хронических заболеваний пищеварительного тракта, поражающих миллионы людей во всем мире. [32] Несколько генетических мутаций человека связаны с повышенной восприимчивостью к ВЗК, но для полного развития заболевания необходимы дополнительные факторы.

Что касается взаимосвязи между ВЗК и микробиомом кишечника, известно, что у пациентов с ВЗК наблюдается дисбактериоз , но микробные таксономические профили могут сильно различаться у разных пациентов, что затрудняет причастность конкретных видов или штаммов микроорганизмов к возникновению и прогрессированию заболевания. Кроме того, состав микробиома кишечника сильно варьируется с течением времени у разных людей, причем более выраженные изменения наблюдаются у пациентов с ВЗК. [33] [34] Функциональный потенциал организма, то есть гены и пути, закодированные в его геноме, дает лишь косвенную информацию об уровне или степени активации таких функций. Таким образом, измерение функциональной активности (экспрессии генов) имеет решающее значение для понимания механизма дисбактериоза микробиома кишечника.

Изменения в транскрипционной активности при ВЗК, установленные на основе экспрессии рРНК, указывают на то, что некоторые популяции бактерий активны у пациентов с ВЗК, в то время как другие группы неактивны или находятся в латентном состоянии. [35]

Метатранскриптомный анализ, измеряющий функциональную активность микробиома кишечника, выявляет информацию, которая лишь частично наблюдается в метагеномном функциональном потенциале, включая наблюдения, связанные с заболеванием, для ВЗК. Сообщалось, что многие сигналы, специфичные для ВЗК, либо более выражены, либо обнаруживаются только на уровне РНК. [33] Эти измененные профили экспрессии потенциально являются результатом изменений в кишечной среде у пациентов с ВЗК, которые включают повышенные уровни воспаления, более высокие концентрации кислорода и уменьшенный слизистый слой. [36] Метатранскриптомика имеет преимущество, позволяя исследователям пропустить анализ биохимических продуктов in situ (таких как слизь или кислород) и позволяет оценивать влияние изменений окружающей среды на паттерны микробной экспрессии in vivo для больших популяций людей. Кроме того, ее можно сочетать с продольной выборкой , чтобы связать модуляцию активности с прогрессированием заболевания. Действительно, было показано, что, хотя определенный путь может оставаться стабильным с течением времени на геномном уровне, соответствующая экспрессия меняется в зависимости от тяжести заболевания. [33] Это говорит о том, что микробный дисбиоз влияет на здоровье кишечника посредством изменения транскрипционных программ в стабильном сообществе. Таким образом, метатранскриптомное профилирование становится важным инструментом для понимания механизмов этой взаимосвязи.

Некоторые технические ограничения измерений РНК в кале связаны с тем, что извлеченная РНК может быть деградирована, и в противном случае она по-прежнему будет представлять только те организмы, которые присутствуют в образце кала.

Другой

Примеры применяемых методов: Микрочипы: позволяют отслеживать изменения в уровнях экспрессии многих генов параллельно как для хозяина, так и для патогена. Первые подходы с использованием микрочипов показали первый глобальный анализ изменений экспрессии генов у таких патогенов, как Vibrio cholerae , Borrelia burgdorferi , Chlamydia trachomatis , Chlamydia pneumoniae и Salmonella enterica , раскрывая стратегии, которые используются этими микроорганизмами для адаптации к хозяину. Кроме того, микрочипы дают только первое глобальное представление о врожденном иммунном ответе хозяина на PAMP , как о влиянии бактериальной инфекции на экспрессию различных факторов хозяина. В любом случае, обнаружение с помощью микрочипов обоих организмов одновременно может быть проблематичным. Проблемы:

Dual RNA-Seq: эта техника позволяет одновременно изучать транскриптомы как хозяина, так и патогена. Можно отслеживать экспрессию генов в различные временные точки процесса инфекции; таким образом можно изучать изменения в клеточных сетях в обоих организмах, начиная с первоначального контакта до манипуляции хозяином (взаимодействие хозяин-патоген).

Более того, РНК-Seq является важным подходом для идентификации корегулируемых генов, что позволяет организовать геномы патогенов в опероны . Действительно, аннотация генома была сделана для некоторых эукариотических патогенов, таких как Candida albicans , Trypanosoma brucei и Plasmodium falciparum .

Несмотря на возросшую чувствительность и глубину секвенирования, опубликованных исследований РНК-Seq, касающихся реакции клетки-хозяина млекопитающего на инфекцию, по-прежнему мало. [37] [38]

Ссылки

  1. ^ abcd Filiatrault MJ (октябрь 2011 г.). «Прогресс в прокариотической транскриптомике». Current Opinion in Microbiology . 14 (5): 579–86. doi :10.1016/j.mib.2011.07.023. PMID  21839669.
  2. ^ Башиардес С., Зильберман-Шапира Г., Элинав Э. (2016). «Использование метатранскриптомики в исследовании микробиома». Bioinformatics and Biology Insights . 10 : 19–25. doi :10.4137/BBI.S34610. PMC 4839964. PMID  27127406 . 
  3. ^ Whipps JM, Lewis K, Cooke RC (1988). Микопаразитизм и борьба с болезнями растений . Манчестер, Великобритания: Manchester University Press. С. 161–87.
  4. ^ Моран МА (2009). «Метатранскриптомика: подслушивание сложных микробных сообществ». Журнал Microbe . 4 (7): 329–34. doi : 10.1128/microbe.4.329.1 .
  5. ^ Apirion D, Miczak A (февраль 1993 г.). «Обработка РНК в прокариотических клетках». BioEssays . 15 (2): 113–20. doi :10.1002/bies.950150207. PMID  7682412. S2CID  42365781.
  6. ^ Пеймберт М., Алькарас Л. Д. (2016). «Путеводитель по метатранскриптомике для автостопщиков». Полевые рекомендации по генетическим экспериментальным проектам в высокопроизводительном секвенировании . Springer. С. 313–342.
  7. ^ Dumont MG, Pommerenke B, Casper P (октябрь 2013 г.). «Использование зондирования стабильных изотопов для получения целевого метатранскриптома аэробных метанотрофов в озерных отложениях». Environmental Microbiology Reports . 5 (5): 757–64. doi :10.1111/1758-2229.12078. PMID  24115627.
  8. ^ Grabherr MG, Haas BJ, Yassour M, Levin JZ, Thompson DA, Amit I и др. (май 2011 г.). «Полноразмерная сборка транскриптома из данных RNA-Seq без референтного генома». Nature Biotechnology . 29 (7): 644–52. doi :10.1038/nbt.1883. PMC 3571712 . PMID  21572440. 
  9. ^ Li B, Dewey CN (2011). "Rsem: точная количественная оценка транскриптов из данных РНК-секвенирования с использованием или без использования референтного генома". BMC Bioinformatics . 12 (1): 323. doi : 10.1186/1471-2105-12-323 . PMC 3163565 . PMID  21816040. 
  10. ^ Haas BJ, Papanicolaou A, Yassour M, Grabherr M, Blood PD, Bowden J, Couger MB, Eccles D, Li B, Lieber M, MacManes MD, Ott M, Orvis J, Pochet N, Strozzi F, Weeks N, Westerman R, William T, Dewey CN, Henschel R, LeDuc RD, Friedman N, Regev A (август 2013 г.). «Реконструкция последовательности транскриптов de novo из РНК-секвенирования с использованием платформы Trinity для генерации и анализа ссылок». Nature Protocols . 8 (8): 1494–512. doi :10.1038/nprot.2013.084. PMC 3875132 . PMID  23845962. 
  11. ^ De Bona F, Ossowski S, Schneeberger K, Rätsch G (август 2008 г.). «Оптимальные сплайсированные выравнивания коротких последовательностей прочтений». Биоинформатика . 24 (16): i174–80. doi : 10.1093/bioinformatics/btn300 . PMID  18689821.
  12. ^ ab Леймена М.М., Рамиро-Гарсия Дж., Дэвидс М., ван ден Богерт Б., Смидт Х., Смид Э.Дж., Бёкхорст Дж., Зотендал Э.Г., Шаап П.Дж., Клееребезем М. (2013). «Комплексный механизм метатранскриптомного анализа и его проверка с использованием наборов данных микробиоты тонкого кишечника человека». БМК Геномика . 14 (1): 530. дои : 10.1186/1471-2164-14-530 . ПМЦ 3750648 . ПМИД  23915218. 
  13. ^ Yost S, Duran-Pinedo AE, Teles R, Krishnan K, Frias-Lopez J (декабрь 2015 г.). «Функциональные признаки дисбиоза полости рта во время прогрессирования пародонтита, выявленные с помощью микробного метатранскриптомного анализа». Genome Medicine . 7 (1): 27. doi : 10.1186/s13073-015-0153-3 . PMC 4410737 . PMID  25918553. 
  14. ^ Йост С., Дюран-Пинедо А.Е., Телес Р., Кришнан К., Фриас-Лопес Дж. (2015). «Функциональные признаки дисбактериоза полости рта во время прогрессирования пародонтита, выявленные с помощью микробного метатранскриптомного анализа». Genome Medicine . 7 (1): 27. doi : 10.1186/s13073-015-0153-3 . PMC 4410737. PMID  25918553 . 
  15. ^ Duran-Pinedo AE, Chen T, Teles R, Starr JR, Wang X, Krishnan K, Frias-Lopez J (август 2014 г.). «Транскриптом микробиома полости рта в масштабе всего сообщества у субъектов с пародонтитом и без него». Журнал ISME . 8 (8): 1659–72. doi :10.1038/ismej.2014.23. PMC 4817619. PMID  24599074. 
  16. ^ Jorth P, Turner KH, Gumus P, Nizam N, Buduneli N, Whiteley M (апрель 2014 г.). «Метатранскриптомика микробиома полости рта человека в состоянии здоровья и при заболеваниях». mBio . 5 (2): e01012–14. doi :10.1128/mBio.01012-14. PMC 3977359 . PMID  24692635. 
  17. ^ Xiong X, Frank DN, Robertson CE, Hung SS, Markle J, Canty AJ, McCoy KD, Macpherson AJ, Poussier P, Danska JS , Parkinson J (2012). «Создание и анализ метатранскриптома кишечника мыши с помощью секвенирования РНК на основе Illumina». PLOS ONE . 7 (4): e36009. Bibcode : 2012PLoSO...736009X. doi : 10.1371/journal.pone.0036009 . PMC 3338770. PMID  22558305 . 
  18. ^ Niu SY, Yang J, McDermaid A, Zhao J, Kang Y, Ma Q (ноябрь 2018 г.). «Инструменты биоинформатики для количественного и функционального анализа метагеномных и метатранскриптомных данных у микробов». Briefings in Bioinformatics . 19 (6): 1415–1429. doi : 10.1093/bib/bbx051 . PMID  28481971.
  19. ^ Franzosa EA, McIver LJ, Rahnavard G, Thompson LR, Schirmer M, Weingart G, Lipson KS, Knight R, Caporaso JG, Segata N, Huttenhower C (ноябрь 2018 г.). «Функциональное профилирование метагеномов и метатранскриптомов на уровне видов». Nature Methods . 15 (11): 962–968. doi :10.1038/s41592-018-0176-y. PMC 6235447 . PMID  30377376. 
  20. ^ Мартинес X, Посуэло М, Паскаль В, Кампос Д, Гут I, Гут М, Азпирос Ф, Гуарнер Ф, Маничан С (май 2016 г.). «МетаТранс: конвейер метатранскриптомики с открытым исходным кодом». Научные отчеты . 6 : 26447. Бибкод : 2016NatSR...626447M. дои : 10.1038/srep26447. ПМЦ 4876386 . ПМИД  27211518. 
  21. ^ Westreich ST, Korf I, Mills DA, Lemay DG (сентябрь 2016 г.). "SAMSA: комплексный конвейер анализа метатранскриптома". BMC Bioinformatics . 17 (1): 399. doi : 10.1186/s12859-016-1270-8 . PMC 5041328. PMID  27687690 . 
  22. ^ Миланезе и др. (2019). «Микробное изобилие, активность и геномное профилирование популяции с помощью mOTUs2». Nature Communications . 10 (1): 1014. Bibcode : 2019NatCo..10.1014M. doi : 10.1038/s41467-019-08844-4. PMC 6399450. PMID  30833550 . 
  23. ^ Karasov WH, Martínez del Rio C, Caviedes-Vidal E (2011). «Экологическая физиология диеты и пищеварительных систем». Annual Review of Physiology . 73 : 69–93. doi : 10.1146/annurev-physiol-012110-142152. hdl : 11336/14704 . PMID  21314432.
  24. ^ LeBlanc JG, Milani C, de Giori GS, Sesma F, van Sinderen D, Ventura M (апрель 2013 г.). «Бактерии как поставщики витаминов для своего хозяина: перспектива микробиоты кишечника». Current Opinion in Biotechnology . 24 (2): 160–8. doi :10.1016/j.copbio.2012.08.005. hdl : 11336/2561 . PMID  22940212.
  25. ^ Клаус СП, Гийу Х, Эллеро-Симатос С (2016). «Микробиота кишечника: главный фактор токсичности загрязняющих веществ окружающей среды?». npj Biofilms and Microbiomes . 2 : 16003. doi : 10.1038/npjbiofilms.2016.3. PMC 5515271. PMID  28721242 . 
  26. ^ Kamada N, Seo SU, Chen GY, Núñez G (май 2013 г.). «Роль микробиоты кишечника в иммунитете и воспалительных заболеваниях». Nature Reviews. Иммунология . 13 (5): 321–35. doi :10.1038/nri3430. PMID  23618829. S2CID  205491968.
  27. ^ Abreu MT (февраль 2010 г.). «Сигнализация Toll-подобных рецепторов в эпителии кишечника: как бактериальное распознавание формирует функцию кишечника». Nature Reviews. Иммунология . 10 (2): 131–44. doi :10.1038/nri2707. PMID  20098461. S2CID  21789611.
  28. ^ Sommer F, Bäckhed F (апрель 2013 г.). «Микробиота кишечника — хозяева развития и физиологии хозяина». Nature Reviews. Microbiology . 11 (4): 227–38. doi :10.1038/nrmicro2974. PMID  23435359. S2CID  22798964.
  29. ^ Hooper LV, Littman DR, Macpherson AJ (июнь 2012 г.). «Взаимодействие микробиоты и иммунной системы». Science . 336 (6086): 1268–73. Bibcode :2012Sci...336.1268H. doi :10.1126/science.1223490. PMC 4420145 . PMID  22674334. 
  30. ^ Госальбес М.Дж., Дурбан А., Пиньятелли М., Абеллан Дж.Дж., Хименес-Эрнандес Н., Перес-Кобас А.Е., Латорре А., Мойя А. (март 2011 г.). «Метатранскриптомный подход к анализу функциональной микробиоты кишечника человека». ПЛОС ОДИН . 6 (3): e17447. Бибкод : 2011PLoSO...617447G. дои : 10.1371/journal.pone.0017447 . ПМК 3050895 . ПМИД  21408168. 
  31. ^ Franzosa EA, Morgan XC, Segata N, Waldron L, Reyes J, Earl AM, Giannoukos G, Boylan MR, Ciulla D, Gevers D, Izard J, Garrett WS, Chan AT, Huttenhower C (июнь 2014 г.). «Связь метатранскриптома и метагенома человеческого кишечника». Труды Национальной академии наук Соединенных Штатов Америки . 111 (22): E2329–38. Bibcode : 2014PNAS..111E2329F. doi : 10.1073/pnas.1319284111 . PMC 4050606. PMID  24843156 . 
  32. ^ Burisch J, Jess T, Martinato M, Lakatos PL (май 2013 г.). «Бремя воспалительных заболеваний кишечника в Европе». Журнал Crohn's & Colitis . 7 (4): 322–37. doi : 10.1016/j.crohns.2013.01.010 . PMID  23395397.
  33. ^ abc Halfvarson J, Brislawn CJ, Lamendella R, Vázquez-Baeza Y, Walters WA, Bramer LM, D'Amato M, Bonfiglio F, McDonald D, Gonzalez A, McClure EE, Dunklebarger MF, Knight R, Jansson JK (февраль 2017 г.). "Динамика микробиома кишечника человека при воспалительных заболеваниях кишечника". Nature Microbiology . 2 (5): 17004. doi :10.1038/nmicrobiol.2017.4. PMC 5319707 . PMID  28191884. 
  34. ^ Льюис Дж. Д., Чен Э. З., Балдассано Р. Н., Отли А. Р., Гриффитс А. М., Ли Д. и др. (октябрь 2015 г.). «Воспаление, антибиотики и диета как факторы окружающей среды, вызывающие стресс микробиома кишечника при детской болезни Крона». Cell Host & Microbe . 18 (4): 489–500. doi :10.1016/j.chom.2015.09.008. PMC 4633303 . PMID  26468751. 
  35. ^ Rehman A, Lepage P, Nolte A, Hellmig S, Schreiber S, Ott SJ (сентябрь 2010 г.). «Транскрипционная активность доминирующей микробиоты слизистой оболочки кишечника у пациентов с хроническими воспалительными заболеваниями кишечника». Журнал медицинской микробиологии . 59 (ч. 9): 1114–22. doi : 10.1099/jmm.0.021170-0 . PMID  20522625.
  36. ^ Naughton J, Duggan G, Bourke B, Clyne M (2014). «Взаимодействие микробов со слизью и муцинами: последние разработки». Gut Microbes . 5 (1): 48–52. doi :10.4161/gmic.26680. PMC 4049936. PMID  24149677 . 
  37. ^ Westermann AJ, Gorski SA, Vogel J (сентябрь 2012 г.). «Двойная РНК-секвенция патогена и хозяина». Nature Reviews Microbiology . 10 (9): 618–630. doi :10.1038/nrmicro2852. PMID  22890146. S2CID  205498287.
  38. ^ Saliba AE, C Santos S, Vogel J (февраль 2017 г.). «Новые подходы РНК-секвенирования для изучения бактериальных патогенов». Current Opinion in Microbiology . 35 : 78–87. doi : 10.1016/j.mib.2017.01.001. hdl : 10033/621506 . PMID  28214646.