KOMODO：用16S rDNA序列预测其培养基配方的网站

本文转载自“微生物生态”，己获授权，本平台编辑对内容进行测试和更新。

今天卢瑟菌给大家隆重推出一个超级好的网站，网站名字叫KOMODO(Known Media Database)，没错，网站作者就是严(tiao)肃(pi)地把科莫多巨蜥的照片放在了网站主页，见下图1左上角。言归正传，这个网站的神奇之处就在于可以根据细菌或古菌16S rDNA的序列来预测培养该菌的培养基配方！文章发表在2015年10月13号的Nature communication上[1]，见下图2。

网址：http://komodo.modelseed.org/

图1. KOMODO网站主页截图

图2. 15年10月发表在NC上的微生物培养基预测文章

1. 该网站的意义

这是个很了不起的工作，说他了不起是因为目前环境中的微生物绝大多数（90%~99%）是不可培养的[2]，因对不同微生物培养条件(尤其是培养基配方)的不了解，阻碍了微生物的分离培养。随着高通量测序技术的发展，目前有大量文章是在做基于16S rDNA的微生物非培养多样性，但拿不到菌种使得目标微生物的应用和机理研究成为空中楼阁。有了这个网站就可以有依据的预测目标微生物的培养基配方了。因此可将基于16S rDNA的微生物多样性数据与目标菌株的分离培养有机衔接起来，大大加速从生态研究到微生物资源挖掘的进程，研究思路如下图3。

图3. KOMODO将非培养的16S rDNA多样性研究与目标微生物分离有机结合起来

2. 该网站的原理

该网站结合了NCBI的微生物分类和微生物培养基数据库(DSMZ)等（图4A），依据传递预测模式(Transitive prediction schema)，即若微生物A和B均可利用培养基1、微生物B和C可利用培养基2，微生物C可利用培养基3，那么依次传递推理，微生物A应该也可以利用培养基3（图4B）；和协同过滤预测(collaborative filtering predictor)，即根据16S rDNA的系统进化相似性，根据已知培养基的物种来推断其相似性高的近缘物种的培养基（图4C）。

图4 KOMODO网站工作原理

3. 该网站的用法

(1) 打开链接(http://komodo.modelseed.org/)进入KOMODO页面，如下：

(2) 输入相应内容后，点击提交。如下图以某土壤样品中的16S rDNA为例。

内容填写时注意：

Is organism Aerobic (Yes|No|Unknown):根据实际情况填写物种的需氧情况，只能填Yes或No或Unknown；

Does Organism grow in Saltly Media (Yes|No|Unknown): 根据实际情况填写物种的盐度情况，只能填写Yes或No或Unknown；

Maximal phylogenetic distance (range:0.0 - 1.0, default:0.04):可输入0-1之间的数字，一般默认即可。

NCBI taxon ID (optional parameter - can be replaced by 16S data):和下面的16S data (optional parameter - can be replaced by NCBI Taxon ID):两者只能输入一个，建议最好直接在16S data右边的框里输入FASTA格式的序列即可。

Blast 'Identities' Low Limit % 表示与你16S序列相似的最低限是多少，默认85%，可根据实际情况适当提高。

如上图中，填写完整后，点击左下角“submit”提交后等几分钟即可得预测结果，如下图：

网站会根据你填写的信息给出推荐的不同培养基，如上图例子中给出了四种培养基，点击培养基对应的链接可以直接下载PDF版的培养基配方，如下图PDF版推荐培养基示例：

哦，对了，网站的作者很欢（dou）乐（bi），因为，如果你输错了参数就会出现下面的一幕。。。。。

参考文献：

[1] Oberhardt M A, Zarecki R, Gronow S, et al. Harnessing the landscape of microbial culture media to predict new organism-media pairings[J]. Nature communications, 2015, 6.

[2] Schleifer K H. Microbial diversity: facts, problems and prospects[J]. Systematic and applied microbiology, 2004, 27(1): 3-9.

答谢：

感谢微生物物种分类领域的专家刘阳博士对此文章的推荐

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”