端足类动物基因组揭示了种群动态以及对深海海沟环境的适应性
发布时间:
2025-03-10 22:28
端足类动物基因组揭示了种群动态以及对深海海沟环境的适应性
图形摘要

要点
- 为一种能在 深度繁盛生存的深海海沟端足类动物物种组装了基因组
- 马里亚纳海沟(Mariana Trench)的同质种群在基因上与附近的深海海沟特征有所不同
- 种群瓶颈可能与更新世冰期 - 间冰期的变化有关
- 宿主与共生体的相互作用在适应深海海沟环境中起着重要作用
作者
张海斌(Haibin Zhang)、孙帅(Shuai Sun)、刘军(Jun Liu)、……、徐讯(Xun Xu)、刘珊珊(Shanshan Liu)、范光毅(Guangyi Fan)
通讯方式
hzhang@idsse.ac.cn(张海斌)
xuxun@genomics.cn(徐讯)
刘珊珊(S.L.)<liushanshan@genomics.cn>
范光毅(G.F.)<fanguangyi@genomics.cn>
简而言之
端足类动物深海钩虾(Hirondellea gigas)的基因组分析揭示了马里亚纳海沟(Mariana Trench)内的种群同质性,但附近深海特征之间存在遗传分化。多组学分析表明,宿主与共生体的相互作用有助于其适应高压且食物有限的深海环境。文章
端足类动物基因组揭示种群动态及对深海环境的适应性
张海斌(Haibin Zhang), 孙帅(Shuai Sun), 刘军(Jun Liu), 郭群飞(Qunfei Guo), 孟亮(Liang Meng), 陈建伟(Jianwei Chen), 向雪艳(Xueyan Xiang), 周洋(Yang Zhou), 张楠楠(Nannan Zhang), 刘鹤鹭(Helu Liu), 刘雅琳(Yalin Liu), 闫国勇(Guoyong Yan), 纪千悦(Qianyue Ji), 蔡丽莎(Lisheu Shanya Cai), 蔡重阳(Chongyang Cai), 黄鑫(Xin Huang), 徐世玉(Shiyu Xu), 肖云璐(Yunlu Xiao), 张杨瑞(Yangrui Zhang), 王坤(Kun Wang), 刘钰静(Yujing Liu), 陈海鑫(Haixin Chen), 岳震(Zhen Yue), 何顺平(Shunping He), 王建(Jian Wang), 杨焕明(Huanming Yang), 刘鑫(Xin Liu), 英格·塞姆(Inge Seim), 顾莹(Ying Gu), 李启业(Qiye Li), 张国杰(Guojie Zhang),11,12 李明渊(Simon Ming-Yuen Lee), 卡斯滕·克里斯蒂安森(Karsten Kristiansen), 徐讯(Xun Xu), 刘珊珊(Shanshan Liu), 和范光毅(Guangyi Fan)
中国科学院深海科学与工程研究所(Institute of Deep-sea Science and Engineering, Chinese Academy of Sciences),中国三亚 572000
华大研究院(BGI Research),中国青岛 266555
基因组与多组学技术国家重点实验室(State Key Laboratory of Genome and Multi-omics Technologies),华大研究院(BGI Research),中国深圳 518083
青岛海洋基因组学重点实验室(Qingdao Key Laboratory of Marine Genomics)与青岛-欧洲先进生命科学研究院(Qingdao-Europe Advanced Institute for Life Sciences),华大研究院(BGI Research),中国青岛 266555
中国科学院大学生命科学学院(College of Life Sciences, University of Chinese Academy of Sciences),中国北京 100049
华大研究院(BGI Research),中国三亚 572025
深海生命科学研究所(Institution of Deep-sea Life Sciences),深海所-华大(IDSSE-BGI),海南深海技术实验室,中国三亚 57200
西北工业大学(Northwestern Polytechnical University)生态与环境学院,中国西安 710072
华大研究院(BGI Research),中国武汉 430074
华大(BGI),中国深圳 518083
浙江大学医学院(Zhejiang University School of Medicine)进化与有机体生物学中心暨妇产科医院,中国杭州 310058
浙江大学医学中心(Zhejiang University Medical Center)良渚实验室,中国杭州 311121
食品科学与营养系以及香港理工大学-华大基因全球海洋基因组学与合成生物学联合研究中心(Department of Food Science and Nutrition and PolyU-BGI Joint Research Centre for Genomics and Synthetic Biology in Global Ocean)
中国香港理工大学(The Hong Kong Polytechnic University),中国香港
哥本哈根大学生物系整合生物医学实验室(Laboratory of Integrative Biomedicine, Department of Biology, University of Copenhagen),丹麦哥本哈根2100
深圳华大生命科学研究院深圳市海洋生物基因组学重点实验室(Shenzhen Key Laboratory of Marine Biology Genomics, BGI Research),中国深圳518083
华大生命科学研究院(BGI Research),中国杭州310030
17这些作者贡献相同
主要联系人
*通信方式:hzhang@idsse.ac.cn(张[此处推测姓为张,原文未明确]某),xuxun@genomics.cn(徐迅),ilushanshan@genomics.cn(卢珊珊),fanguangyi@genomics.cn(范光毅)https://doi.org/10.1016/j.cell.2025.01.030
总结
端足类动物深海沟虾(Hirondellea gigas)是栖息在海洋最深处(约6800 - )的优势物种,但人们对其遗传适应性和种群动态知之甚少。在这里,我们展示了深海沟虾(Hirondellea gigas)的染色体水平基因组,其特点是基因组大小达 。对来自马里亚纳海沟的510个个体进行全基因组测序表明,不同深度的种群没有分化,这表明它有能力在很宽的范围内耐受静水压力。西菲律宾海盆的深海沟虾(H. gigas)在基因上与马里亚纳海沟和雅浦海沟的不同,这表明由于深海特征的地理隔离导致了基因隔离。有效种群规模的急剧减少可能反映了冰期 - 间冰期的变化。通过整合多组学分析,我们提出宿主与共生微生物的相互作用可能对深海沟虾(Hirondellea gigas)适应极高压力和食物有限的环境至关重要。我们的研究结果为适应深海带和种群遗传学提供了线索。
引言
超深渊带是海洋的最深区域,深度范围为6000 - 11000米,仅占海底面积的 ,但却占据了垂直深度梯度中最深的 。 超深渊环境的特点是高静水压力、有限的食物供应、黑暗和低温。 尽管环境恶劣,但许多大型动物类群仍在超深渊海沟中生存繁衍。 端足目(软甲纲甲壳动物的一个目)物种是超深渊海沟中最成功的定居者之一,因为它们广泛分布于迄今为止采样的所有海沟中,并且通常数量众多。 这些食腐动物通过消耗和分散坠落的腐肉,并为狮子鱼等捕食者提供食物来源,在超深渊食物网中发挥着重要作用 ;因此,它们对超深渊生态系统的能量流动和元素循环做出了巨大贡献。
表1. 巨海芋(H. gigas)基因组组装与注释总结
| 基因组组装 | |
| 组装的基因组大小(碱基对) | 13,921,707,595 |
| 序列数量 | 1,179 |
| N50(碱基对) | 458,704,830 |
| L50 | 13 |
| 鸟嘌呤 - 胞嘧啶(GC)含量(%) | 38.80 |
| 完整的单拷贝直系同源基因(BUSCO)比例(%) | 89.93 |
| 基因组注释 | |
| 蛋白质编码基因数量 | 27,881 |
| 重复序列百分比(%) | 71.98 |
| 串联重复百分比(%) | 46.03 |
巨型深海片脚类动物(Hirondellea gigas,简称H. gigas)是深海海沟中分布最广泛且数量最多的食腐端足类动物的代表。它仅分布于西北太平洋海沟,深度范围从 到 。换句话说,H. gigas是西北太平洋深海带深海区域特有的物种,并且在该区域占据主导地位。该物种占据着 这一独特的垂直区域,并且呈现出垂直的个体发育结构,这反映了其对特定静水压力范围的适应能力。 对H. gigas消化酶 和外骨骼元素含量 的分析揭示了其对极端深海环境的潜在生理和生化适应机制。在最近的一项研究中,限制性位点相关DNA测序(RAD - seq)揭示了马里亚纳海沟(MT)内H. gigas种群存在因纬度和深度而产生的隔离特征。 总体而言,鉴于其特有性、在海沟生态系统中的主导作用以及易于用诱捕器捕获的特点,H. gigas为研究深海海沟节肢动物的适应机制和种群动态提供了绝佳机会。
在过去十年中,越来越多的基因组研究探索了深海大型生物的适应分子机制 ,但很少有研究涉及超深渊带类群。对在 深度捕获的超深渊狮子鱼(Pseudoliparis swirei)进行基因组分析后发现,骨γ-羧基谷氨酸蛋白(bglap)基因发生了移码突变,参与脂肪酸代谢的基因家族有所扩张,三甲胺N-氧化物(TMAO)合成酶和热休克蛋白90(Hsp90)伴侣蛋白发生了突变,这些变化可能有助于生物适应超深渊环境。 最近一项对在 采集的超深渊海参(Paelopatides sp. Yap)进行的基因组研究发现,酰基辅酶A氧化酶1(acox1)基因有所扩张,推测这会增加磷脂双分子层中二十二碳六烯酸(DHA)的含量,从而微调细胞膜的流动性,以适应超深渊带的高压和低温环境。 然而,关于占主导地位的食腐端足类动物如何适应超深渊环境,仍有许多未知之处。
在这项研究中,我们为深海偏顶蛤( . gigas)生成了一个接近染色体水平的基因组组装,这是一种生活在海平面以下超过 深度的动物物种。我们从马里亚纳海沟(MT)挑战者深渊周边的11个地点捕获了510只深海偏顶蛤个体,从雅浦海沟(YT)的一个地点捕获了94只个体,以及从西菲律宾海盆中央海盆扩张中心(CBSC)的一个地点捕获了18只个体。利用这622只个体的全基因组测序数据,我们评估了马里亚纳海沟内以及三个相邻超深渊地貌之间沿深度梯度的种群结构和动态。我们还进行了比较基因组分析,以探索与该物种适应超深渊环境相关的潜在基因。
结果
基因组概况
我们使用来自8个巨型海蛇尾( . gigas)个体的488.57 Gb(34.89倍覆盖度)PacBio高保真环形一致序列(HiFi - CCS)测序数据组装了巨型海蛇尾的基因组。在去除潜在的非巨型海蛇尾序列和冗余序列后,组装得到的重叠群N50为466.11 Kb,基因组总大小为 (图S1A;表1和表S1)。利用一个巨型海蛇尾个体的1.54 Tb(107.82倍覆盖度)高通量染色体构象捕获(Hi - C)数据,约97.15%的序列被锚定到31条假染色体上(图1A和图S1B;表S1)。基因组长短读长的高比对率表明该基因组组装具有较高的连续性和质量(图S1C;表S1)。我们结合多种证据预测了27,881个蛋白质编码基因,这些证据包括12个个体的短转录组读长(202.44 Gb)和长转录组读长(135.76 Gb)(表1和表S1),其中 个基因有表达。有趣的是,与其他基因组较小的近缘物种相比,巨型海蛇尾的内含子长度显著增加(图1B)。进一步研究发现,巨型海蛇尾内含子较长的主要原因是重复序列的插入,尤其是串联重复序列(TRs)和长散在核元件(LINEs)(图1C;表S1)。此外,根据HiFi - CCS读长的重复序列注释结果(72.75%),巨型海蛇尾基因组中约含71.98%的重复序列(表1和表S1)。我们发现串联重复序列是巨型海蛇尾基因组中最丰富的重复类型(46.03%),在分析的163个代表性无脊椎动物基因组中,其串联重复序列的比例几乎是最高的(表S1)。值得注意的是,与其他无脊椎动物基因组相比,巨型海蛇尾具有较长重复单元(小卫星,单元大小10 - 100 bp)的串联重复序列比例更高(图1D),且在这些无脊椎动物基因组中,该比例与基因组大小呈正相关(图1E)。
地中海(MT)内 巨蛎(Crassostrea gigas)的种群结构:不同深度、年份和地点的种群具有同质性
由于其特有性, .gigas是研究自然选择以及跨深度梯度有限扩散的理想模型。从马努斯海盆(MT)的11个地点共采集了510只 .gigas个体,代表11个组(MT01 - MT11),每组包含36 - 50只个体(图2A;表S2)。我们还从雅浦海沟(YT,距离马努斯海盆 )采集了94只个体,从中国南海冷泉(CBSC,距离马努斯海盆 )采集了18只个体(表S2)。我们对这622只个体以及另外6只 .dubia个体(作为外类群)进行了测序(表S2)。我们以平均测序深度 生成了245.97 Tb的全基因组测序数据(图例续下页),这是有史以来针对单一海洋物种测序的最大数据量。我们在这622只个体中鉴定出3.6514亿个高质量单核苷酸多态性(SNP),平均SNP密度为114.70个SNP/千碱基(表S2)。

图1. 来自马里亚纳海沟(MT)的端足类动物深海红斑蟹(Hirondellea gigas)的染色体水平组装及与重复序列相关的基因组特征
(A)该图直观地展示了染色体水平的基因组特征。图的外环显示了标记为1至31的31条假染色体。内环分别用紫色表示基因密度(a)、橙色表示平均GC含量(b)、深灰色表示单核苷酸多态性(SNP)密度(c)。不同类型的重复序列在外环中以 窗口大小表示(d)。
(B) . gigas(巨[物种名])与其他节肢动物的系统发育关系及基因组大小比较。比较了 . gigas与其他近缘物种中最长的10%基因 的基因区和内含子区长度。箱线图显示第25/50/75百分位数,须线显示1.5倍四分位距。 值通过双侧学生t检验计算得出,所有检验的 值均为 。
平均核苷酸多样性 和观测到的异质性 分别为 和 。我们发现11个中上层(MT)组之间的遗传多样性相似且无显著差异(表S2)。巨海樽(Doliolum gigas) 的遗传多样性略高于南极磷虾(Euphausia superba) 和 。主成分分析(PCA)(图2B和S2A)、邻接法(NJ)系统树(图2C)以及两个线粒体基因(COX1和CYTB)的单倍型网络(图S2B)显示,尽管MT组内的采样年份、深度和地点存在差异,但所有MT个体几乎完全混合。组间的成对 值非常低(平均 ),最大 值为 ,这表明MT组内没有明显的种群分化(表S2)。ABBA - BABA检验和相对迁移水平(使用divMigrate软件实现)也显示MT组内存在广泛的迁移和高度的连通性(图2D和S2C;表S2)。这些结果表明,MT内的巨海樽(Doliolum gigas) 种群具有很强的遗传同质性。
我们进一步研究了遗传垂直距离与地理垂直距离之间的关联,以确定其是否符合距离隔离(IBD)模式,但未发现显著相关性(图2E和图S2D)。这表明在马里亚纳海沟(MT)内基因流动不存在障碍,特别是在 至 的深度范围内。我们基于潜在因子混合模型(LFMM)和混合线性模型(MLM)进行了基因 - 环境关联(GEA)分析,以扫描与深度相关的潜在基因或分子标记,但在全基因组范围内未鉴定出显著的单核苷酸多态性(SNP)(图S2E)。综上所述,我们的研究结果表明,马里亚纳海沟群体内不存在遗传分化,且深度并非 . gigas迁移的物理障碍,这可能反映了该种群内在适应广泛高静水压力的能力。
来自三个超深渊地貌的 . gigas的种群分化、自然选择和种群动态
我们进行了一系列群体结构分析,以评估马里亚纳海沟(MT)、雅浦海沟(YT)和克马德克海沟(CBSC)群体之间的遗传差异。邻接(NJ)树和主成分分析(PCA)显示,CBSC个体在遗传上与MT和YT群体不同,并且CBSC个体的线粒体单倍型也未被MT和YT群体共享(图3A和图S3A - S3C)。然而,YT与MT存在部分混合(图S3B)。具体而言,来自YT的51个个体(称为YT - A)聚为一个分支,而其余 个个体(称为YT - B)散布在MT群体中(图S3B)。值得一提的是,YT - A和YT - B个体之间的近交系数相当,这表明遗传聚类不受一个潜在近交群体的影响(图S3D)。迁移推断也反映了MT与附近深海特征之间的群体结构。从MT到YT的迁移水平明显高于到CBSC的迁移水平,差异约为22倍(0.88对0.04)(图S3E;表S2)。隔离距离(IBD)测试表明,遗传分化与地理距离有关(图S3F),这些结果表明,遗传隔离在一定程度上可归因于孤立深海特征的地理分隔。
CBSC和MT之间的 (衡量遗传差异)为0.175(表S2),表明这两组之间存在相当大的差异。对基因组分化模式的进一步研究显示,高度分化区域 ,占基因组的35.29%)分散在整个基因组中(图3B)。虽然YT和MT之间的 相对较低,为0.001,但YT和MT组之间的遗传分化明显高于MT组内部的遗传分化 (图S3G;表S2)。有趣的是,通过提高YT - A和MT之间的 统计值,我们在23号染色体(51.0 - 154.8 Mb)上鉴定出一个跨度为 的基因组分化岛(图3B)。90.91%的分化区域 富集在这个分化岛内(表S2)。在这个岛内,YT - A和MT之间的 为0.082,而YT - B和MT之间为0.010(表S2)。位于该岛内的146个基因在12个京都基因与基因组百科全书(KEGG)通路中表现出富集。这些通路涵盖了广泛的功能,包括与生物体系统、环境信息处理、遗传信息处理、代谢和细胞过程相关的功能(表S2)。
为了确定MT、YT - A和CBSC之间基因组分化的驱动因素,我们进行了全基因组自然选择扫描,包括近期正选择(RPS)和长期平衡选择(LBS)。在全基因组尺度上,我们未检测到处于正选择下的可靠基因组区域(图S4A - S4C),这表明近期正选择相对较弱。然而,我们检测到22个受平衡选择作用且在MT、YT - A、YT - B和CBSC中共享的基因,包括Lac(lachesin)、钾钙激活通道亚家族Mα1(KCNMA1)和细胞色素P450家族4亚家族V成员2(CYP4V2)(图S4D和S4E;表S2)。例如,Lac是免疫球蛋白家族的一种蛋白质 ,参与免疫反应(图3C),这表明平衡选择导致的高水平遗传多态性可能有助于适应极端的生存环境。值得注意的是,我们在所有这些群体的近期正选择和长期平衡选择中都观察到了相似的自然选择信号,这表明自然选择并非导致这种遗传分化的主要驱动因素(图S4A - S4E)。

图2. 来自马里亚纳海沟的 . gigas的采样情况和种群同质性结构
(A)对马里亚纳海沟(MT)11个采样点的510个个体进行全基因组测序的采样位置。五角星代表深度为 的位置,三角形代表9000 - 10000米深度的位置,圆形代表8000 - 9000米深度的位置,星形代表7000 - 8000米深度的位置。
(B) 对来自马里亚纳海沟(MT)的510只巨海蝎(H. gigas)个体进行主成分分析(PCA)。各群体以不同颜色显示,并带有95%置信椭圆。
(C) 510只巨海蝎(H. gigas)个体的邻接法(NJ)系统发育树。该树以6只杜氏海蝎(H. dubia)个体为根,这些个体也进行了全基因组测序。下方不同颜色的条形图分别表示采样地点、年份、深度和采样设备。
(D) 使用divMigrate推断相对迁移水平。连接线的箭头表示迁移方向,线条粗细表示迁移规模,圆圈的不同颜色代表不同群体。
(E) 垂直距离与遗传距离关系的Mantel检验 值通过单边Mantel检验计算,进行了9999次置换。蓝色线是通过遗传距离和地理距离的线性回归拟合得到的。另见附图S2和附表S2。

图3. 三种深海特征下巨海蝎( . gigas)种群间的遗传分化
(A) 对来自马里亚纳海沟(MT)、雅浦海沟(YT)和新不列颠海沟(CBSC)的622只巨海蝎(H. gigas)个体进行主成分分析(PCA)。
(B) 全基因组 分布的曼哈顿图,用于三组两两比较:(1)MT与CBSC,(2)MT与YT - A,以及(3)MT与YT - B,在大小为 的非重叠窗口中计算得出。虚线表示 ,其代表了高度的遗传分化水平。红色箭头指向MT和YT - A之间的 基因组分化岛。
(C) 统计量(使用BalLeRMix + 实现)和 统计量(使用BetaScan2实现)显示,在MT、YT - A和YT - B组中,基因Lac(lachesin)、Hgig_05562受到平衡选择。虚线表示前1%的显著性水平。下图展示了Lac的基因结构,蓝色线条代表内含子,红色线条代表外显子。
(D) 使用成对序列马尔可夫合并模型(PSMC)推断种群历史。不同组用不同颜色表示,用于进行PSMC分析的个体在括号中注明。黄色线代表历史深水温度。另见图S3和S4以及表S2。
为了研究巨螯蟹( . gigas)的种群历史,我们采用成对顺序马尔可夫合并(PSMC)方法来估算有效种群规模的种群历史( )。PSMC结果显示,MT、YT和CBSC具有相似的种群动态模式。在几百万年前(Mya)左右,有效种群规模( )出现了一次古老的急剧下降,这与更新世时期( )深水温度的大幅波动相伴随,特别是在0.7 - 125万年前的中更新世气候转型期。(图3D)这些发现表明,更新世期间主要的冰期 - 间冰期变化可能不仅影响了陆地动物( ),还影响了深水中的海洋类群( ),甚至是超深渊深度的生物( )。此外,中性检验显示这13个群体的Tajima’s 值为负(平均值为 ),这表明在经历遗传瓶颈后种群出现了扩张,这一点也得到了约数万年前有效种群规模( )增加的支持(图3D)。

(图例见下一页)
宿主与共生体的相互作用有助于适应高静水压力和食物有限的环境
深海动物共生原核生物可以与其宿主建立密切的营养依赖关系和代谢互补性,从而帮助宿主适应极端环境。 为了阐明巨海蝎(Haliporoides gigas, )的共生微生物组成和功能,我们从PacBio HiFi - CCS测序数据和巨海蝎的群体数据中分离出微生物测序读数。通过宏基因组学分析,我们获得了一份与巨海蝎共生的44个独特宏基因组组装基因组(MAGs)的目录。值得注意的是,我们发现嗜冷单胞菌属(Psychromonas)在所有巨海蝎个体中普遍存在,平均优势度为26.97%(图4A)。基于宏基因组数据的16S rRNA基因片段(16S miTags)分析(平均69.31%)和MetaPhIAn4分析(平均85.81%)所观察到的嗜冷单胞菌属的丰度进一步证实了这一点(图S5A和S5B)。有趣的是,马里亚纳海沟环境与生态研究(MEER)的微生物基因组目录(数据未显示)以及其他关于马里亚纳海沟的微生物研究中均未发现嗜冷单胞菌属。 我们的研究结果,连同之前的 rRNA扩增子分析、 显微镜图像和荧光原位杂交(FISH)结果, 有力地支持了嗜冷单胞菌属是与巨海蝎相关的一种丰富且严格共生的细菌这一观点。
氧化三甲胺(TMAO)作为一种渗透调节物质,在高静水压力条件下对渗透压的调节和细胞完整性的维持起着至关重要的作用。 因此,我们进行了超高效液相色谱 - 串联质谱(UPLC - MS/MS)分析,以检测从马里亚纳海沟(MT)采集的大王具足虫(H. gigas)标本的身体组织和肠道内容物中有机渗透调节物质的含量。我们观察到,肠道内容物中TMAO的浓度随深度显著增加,身体组织中也呈现相同趋势,尽管在统计学上不显著(图4B),这与之前对深海端足类动物的研究结果一致。 此外,我们在大王具足虫(H. gigas)中检测到了含黄素单加氧酶3(flavin - containing monooxygenase 3,fmo3)基因,该基因负责将三甲胺(trimethylamine,TMA)转化为TMAO。正如预期的那样,我们在大王具足虫(H. gigas)中未检测到参与将胆碱转化为TMA的基因。功能注释分析显示,嗜冷单胞菌(Psychromonas)基因组中与碳水化合物代谢和氮代谢相关基因的潜力降低,这表明该细菌可能通过 获取能量(表S3)。有趣的是,我们在嗜冷单胞菌(Psychromonas)基因组中鉴定出了关键基因簇——三甲胺裂解酶(TMA lyase,cutC)及其激活因子cutD基因(图4C;表S3)。此外,我们在嗜冷单胞菌(Psychromonas)基因组中检测到了torYZ操纵子(图4C;表S3),该操纵子参与将TMAO还原为TMA,从而调节宿主细胞内TMAO的浓度。 该操纵子比torACD操纵子更稳定,且不易被 诱导(表S3)。在其他回收的微生物物种中未发现与TMAO代谢相关的基因(表S3)。此外,我们利用十个转录组数据验证了fmo3基因的表达(图4D),并通过逆转录聚合酶链反应(reverse - transcription polymerase chain reaction,RT - PCR)扩增实验证实了cut 、tor 和tor 基因的表达(图S5C)。综上所述,我们提出了一个假设,即共生细菌嗜冷单胞菌(Psychromonas)及其宿主大王具足虫(H. gigas)在TMAO的生物合成和代谢中发挥着积极作用。这种参与有助于大王具足虫(H. gigas)适应静水压力,并作为渗透压调节机制的调节剂。
低生产力和食物限制被认为是深海生物新陈代谢的关键决定因素。有人假设巨海虱(H. gigas)具备消化木质碎片的能力。 因此,我们试图在巨海虱( . gigas)及其共生体基因组中鉴定负责纤维素代谢的基因(表S3)。我们在巨海虱( . gigas)基因组中发现了四个内切葡聚糖酶基因(K01179,EC:3.2.1.4)(将纤维素转化为纤维二糖),并在共生嗜冷单胞菌(Psychromonas)基因组中发现了负责将纤维二糖转化为D - 葡萄糖的纤维二糖酶(K05349,EC:3.2.1.21)、celB基因(K02759,EC:2.7.1.205)和磷酸纤维二糖酶(K01222,EC:3.2.1.86)(图4C;表S3)。我们还通过转录组测序和逆转录 - 聚合酶链反应(RT - PCR)实验,验证了这些基因在巨海虱( . gigas)或共生嗜冷单胞菌(Psychromonas)基因组中的表达情况(图4D和S5C)。因此,我们提出,巨海虱( . gigas)和共生嗜冷单胞菌(Psychromonas)基因组中存在的互补功能基因共同作用,完成了一条纤维素代谢途径(图4C)。与其他端足类动物类似,巨海虱( . gigas)消化能力的增强最终可能有助于它们在食物有限的深海海沟中生存。
讨论
巨型深海水虱(H. gigas)是深海海沟中的优势端足类物种,它已经适应了高静水压力、食物供应有限、黑暗和低温的环境。 为了了解其适应背后的分子机制,并研究巨型深海水虱( . gigas)的种群结构,我们组装了巨型深海水虱( . giga)的参考基因组,并对来自马里亚纳海沟(MT)、雅浦海沟(YT)和克马德克海沟(CBSC)的622个个体进行了测序。本研究展示了迄今为止端足亚目(Amphilo - chidea)最大的染色体水平组装结果。尽管基因组大小显著增加,
图4. 巨型深海水虱( . gigas)适应深海环境高静水压力的分子机制
(A)巨型深海水虱( . gigas)的44个非冗余共生微生物基因组的系统发育分析和相对丰度。
(B)测量了从 山 和 深度处采集的 巨体个体的身体组织 和肠道内容物 中有机渗透剂氧化三甲胺(TMAO)及相关代谢物三甲胺(TMA)和胆碱的浓度。 值通过双侧学生t检验计算得出。条形图的高度代表平均值,误差线表示标准差。ns, 值 。
(C)巨海蝎(H. gigas)及其共生微生物群中的氧化三甲胺(TMAO)和纤维素代谢揭示了巨海蝎适应高静水压力的潜在策略。(D)含黄素单加氧酶3(froo3)和四个内切葡聚糖酶基因的基因表达。标记为“原位实验(Yuanweishiyan)”的样本表示它们是使用保压采样装置收集的,具体为YS和YL。条形图的高度代表平均值,误差线表示标准差。
另见图S5和表S3。基因长度没有明显增加。这一发现与南极磷虾的观察结果 相似,但与非洲肺鱼的情况不同。
在全球范围内,端足类物种在不同的深海特征区域之间的基因流动有限[公式0],但目前缺乏针对单一海沟内种群的详细研究。在6000米至[公式1]的深度范围内,温度保持稳定,但静水压力几乎增加了一倍(从60增加到[公式2])。马里亚纳海沟(MT)中巨海虱([公式3]. gigas)的高丰度及其在不同深度的广泛分布,为研究深海区域的垂直基因流动提供了机会。我们的研究对来自不同年份和地点(马里亚纳海沟的510个个体)的个体进行了高覆盖度的全基因组测序,未检测到与深度相关的基因。最近一项基于限制性位点相关DNA测序(RAD测序)和非参考基因组分析的研究表明,某些基因座与深度显著相关[公式4],但由于基因型信息不完整且样本数量相对有限,这一结果可能存在疑问。我们的研究结果表明,高静水压力并非巨海虱([公式3]. gigas)种群垂直扩散的物理障碍。此前的研究报道,包括巨海虱(H. gigas)在内的深海端足类存在个体发育的垂直分层现象,即幼体在较浅深度占主导,成体在较深深度占主导[公式5],这可能通过增加垂直基因流动,促使马里亚纳海沟中该物种的种群结构趋于同质化。
我们的研究还为深入了解巨深海钩虾( . gigas)对恶劣的超深渊环境条件的适应性提供了重要见解,特别是通过氧化三甲胺(TMAO)的作用。嗜冷单胞菌属(Psychromonas)作为巨深海钩虾普遍存在的共生细菌以及相关遗传途径的发现,加深了我们对巨深海钩虾中氧化三甲胺合成机制的理解。尽管我们的逆转录聚合酶链反应(RT - PCR)实验未显示cutD基因的表达,其可能的原因是RNA片段化,或者是由于从超深渊环境过渡到实验室环境导致基因表达发生变化。同时,先前的一项研究表明,cut 和cut 基因表达之间无显著相关性, 这表明即使cut 基因不表达,cutC基因的表达仍表明嗜冷单胞菌属具有三甲胺(TMA)合成能力。我们观察到,随着深度增加,代谢物三甲胺在身体组织中的浓度呈上升趋势,但在肠道内容物中的浓度呈下降趋势(图4B)。在巨深海钩虾肠道中观察到的氧化三甲胺和三甲胺的相反趋势表明,随着深度增加,氧化三甲胺和三甲胺之间的转换率可能会降低,以维持细胞内较高的氧化三甲胺含量。巨深海钩虾中未出现明显的随深度变化的遗传分化,这表明氧化三甲胺或三甲胺水平的变化可能是由环境诱导的基因表达调控的,而非巨深海钩虾种群内特定的遗传特征。即使在超深渊端足类动物的物种层面,这一观察结果仍然一致,即深度与氧化三甲胺浓度之间存在显著的线性相关趋势。 此外,我们还发现,身体组织 中甜菜碱的浓度低于肠道 中的浓度,而身体组织中氧化三甲胺的浓度(约69.88 mmol/kg)超过了肠道中的浓度(约25.43 mmol/kg)。深海微生物主要通过甜菜碱适应压力, 这表明巨深海钩虾肠道中的甜菜碱主要来自微生物。然而,巨深海钩虾及其共生细菌中参与甜菜碱合成途径的基因尚未确定。需要进一步研究以确定甜菜碱和氧化三甲胺之间是否存在相互作用。我们的研究结果强调了共生微生物系统在促进宿主生物适应极端环境方面的潜在重要性。
总之,超深渊带是地球上研究最少的区域之一,了解动物如何适应这种恶劣环境仍然具有挑战性。作为一种在海洋最深处(超过 )繁衍的物种,巨 ( . gigas)的基因组将成为研究生命适应超深渊环境分子机制的宝贵资源。我们的研究结果为进一步研究超深渊海沟生态系统的进化和生态学奠定了基础,并且可能有助于揭示其他生物如何在这种极端环境中生存和繁衍。
研究的局限性
巨型深海偏顶蛤(H. gigas)无法在实验室中饲养,这使得研究该物种的生理功能颇具挑战,目前阻碍了进一步的深入研究,如核型分析、转录组和表观基因组分析。由于缺乏原位保存巨型深海偏顶蛤(H. gigas)样本或原位提取RNA的设备,我们无法获得能充分反映巨型深海偏顶蛤(H. gigas)在深海栖息地正常生存状态的基因表达数据。我们的工作主要集中在比较不同年份、不同深度的麦哲伦海沟(MT)以及邻近的雅浦海沟(YT)和克马德克海沟(CBSC)的种群情况。来自其他具有代表性海沟的样本,对于进一步研究巨型深海偏顶蛤(H. gigas)在其分布范围内不同海沟间的全球遗传结构和基因流动具有重要价值。
资源可用性
主要联系人
有关资源和试剂的进一步信息及请求,请联系主要联系人张海斌(邮箱:hzhang@ idsse.ac.cn),他将予以回复。
材料可用性
本研究未产生任何新的、独特的试剂。
数据和代码可用性
原始基因组数据、基因组组装和注释已存入中国国家基因库(China National GeneBank,CNGB)序列存档库(Sequence Archive,CNSA) ,登录号分别为 CNP0003471 和 CNP0005374。所有其他相关数据可在合理请求下从通讯作者处获取。
致谢
我们感谢“探索一号”科考船(R/V Tansuo 1)的船长、船员、科研人员以及“奋斗者”号载人潜水器(manned submersible Fendouzhe)的驾驶员。本研究得到了全球海沟探测与深潜计划(Global Trench Exploration and Diving Program,Global TREnD)、国家重点研发计划(2022YFC2805400、2023YFC2809300、2016YFC0304905和2018YFC0309804)、海南省重大科技项目(ZDKJ2019011)、中国科学院战略性先导科技专项(XDB06010104)、海南崖州湾种子实验室(JBGS B23YQ2003)、三亚崖州湾科技城重大科技研究项目(SKJC - 2021 - 01 - 001)以及国家自然科学基金联合基金(U2106228)的资助。我们感谢中国科学院深海科学与工程研究所(IDSSE)公共技术服务中心提供的计算资源。感谢中国科学院深海科学与工程研究所的陈军和李军在样品采集方面给予的帮助,感谢庞树超在样品制备方面的工作。我们感谢上海交通大学的肖湘教授对论文提出的深刻见解和建议。我们也感谢国家基因库在全基因组短读长文库构建和测序方面提供的技术支持。
作者贡献
HZ、徐X(X. Xu)、SL和GF构思了该研究并协调了工作。HZ、HL、GY、LH和SC协调并进行了样本采集。XH和YX进行了样本鉴定。NZ、QJ、CC和SX进行了DNA提取、文库构建和测序。QG、向X(X. Xiang)和周Y(Y. Zhou)进行了基因组组装、基因注释和比较基因组学研究。SS、刘亚林(Yalin Liu)、JL和HC进行了群体遗传学分析。JC、LM、JL和刘玉静(Yujing Liu)进行了微生物组分析和代谢组学分析。HZ、GF、SS、JL、LM、SL、徐X(X. Xu)、QL、YG、KW、SH、JW、张Y(Y. Zhang)、ZY、HY、XL、GZ、IS、林S.M.-Y.(S.M.-Y.L.)和KK起草并修订了手稿,所有其他作者均有贡献。所有作者都审查了研究结果并批准了手稿的最终版本。
利益声明
作者声明无利益冲突。
关键方法
本文在线版本提供了详细方法,包括
以下内容:
- 关键资源表
- 实验模型与研究参与者详情
- 样本采集地点
- 样本采集与处理
- 方法详情
- 短读长全基因组测序
- 太平洋生物科学公司(PacBio)高保真环形一致序列(HiFi - CCS)测序
- Hi-C文库构建与测序
- 短读长RNA测序
- 长读长RNA测序
- 群体全基因组测序
- 基因组调查分析
- 基因组组装与评估
- 组装评估
- 重复序列识别
- 基因预测与注释
- 利用RNA测序进行定量转录组分析
- 无脊椎动物重复序列比较
- 系统发育和分歧时间推断
- 群体水平单核苷酸多态性(SNP)检测与质量控制
- 群体遗传多样性
- 群体结构发现
- 群体动态与迁移推断
- 基因 - 环境关联(GEA)分析
- 不同深海特征的遗传分化
- 检测与自然选择相关的基因座和基因
- 推断种群历史
- 对巨牡蛎( . gigas)代谢物的定量分析
- 估算巨牡蛎( . gigas)的微生物组成和功能
- 逆转录聚合酶链式反应(PCR)验证
- 量化与统计分析
补充信息
补充信息可在https://doi.org/10.1016/j.cell.2025.01.030 上在线获取。
接收日期:2023年10月17日
修订日期:2024年12月16日
接受日期:2025年1月20日
发表日期:2025年3月6日
参考文献
1. 贾米森(Jamieson), A.J.、藤井(Fujii), T.、梅耶(Mayor), D.J.、索兰(Solan), M.和普里德(Priede), I.G. (2010). 海沟:地球上最深之处的生态。《生态与进化趋势》(Trends Ecol. Evol.)25, 190 - 197. https://doi.org/10.1016/j.tree.2009.09.009.
2. 贾米森(Jamieson), A. (2015). 《超深渊带:深海中的生命》(The Hadal Zone: Life in the Deepest Oceans),第一版(剑桥大学出版社(Cambridge University Press))https://doi.org/10.1017/CBO9781139061384.
3. 别利亚耶夫(Beliaev), G.M. (1989). 《深海海沟及其动物群》(Deep - Sea Ocean Trenches and Their Fauna)(科学出版社(Nauka Publishing House))。
4. 布兰肯希普(Blankenship),L.E.、亚亚诺斯(Yayanos),A.A.、卡迪恩(Cadien),D.B.和莱文(Levin),L.A.(2006年)。汤加海沟和克马德克海沟超深渊带食腐端足类的垂直分布模式。《深海研究I》53卷,48 - 61页。https://doi.org/10.1016/j.dsr.2005.09.006。
5. 赫斯勒(Hessler),R.R.、英格拉姆(Ingram),C.L.、阿里斯蒂德斯·亚亚诺斯(Aristides Yayanos),A.和伯内特(Burnett),B.R.(1978年)。菲律宾海沟底部的食腐端足类。《深海研究》25卷,1029 - 1047页。https://doi.org/10.1016/0146-6291(78) 90585-4。
6. 格林杰(Gerringer),M.E.、波普(Popp),B.N.、林利(Linley),T.D.、贾米森(Jamieson),A.J.和德拉曾(Drazen),J.C.(2017年)。通过胃内容物和氨基酸同位素分析研究深海和超深渊鱼类的比较摄食生态学。《深海研究I》(Deep Sea Res. I)121卷,第110 - 120页。https://doi.org/10.1016/j.dsr.2017.01.003。
7. 贾米森(Jamieson),A.J.、藤井(Fujii),T.、索兰(Solan),M.、松本(Matsumoto),A.K.、巴格利(Bagley),P.M.和普里德(Priede),I.G.(2009年)。超深渊带狮子鱼科和鼠尾鳕科鱼类:对其活动和摄食行为的原位观察。《英国皇家学会学报B:生物科学》(Proc. Biol. Sci.)276卷,第1037 - 1045页。https://doi.org/10.1098/rspb.2008.1670。
8. 贾米森(Jamieson),A.J.、勒茨(Lörz),A.-N.、藤井(Fujii),T.和普里德(Priede),I.G.(2012年)。对西太平洋四条海沟超深渊深度的原轴虾属(Princaxelia)端足类动物(甲壳纲:深海钩虾科)摄食行为和运动的原位观察。《海洋生物学协会杂志》(J. Mar. Biol. Ass.)92,143 - 150。https://doi.org/10.1017/ S0025315411000452。
9. 王(Wang),K.、沈(Shen),Y.、杨(Yang),Y.、甘(Gan),X.、刘(Liu),G.、胡(Hu),K.、李(Li),Y.、高(Gao),Z.、朱(Zhu),L.、严(Yan),G.等(2019年)。来自马里亚纳海沟的狮子鱼的形态和基因组为深海适应性提供了见解。《自然·生态与进化》(Nat. Ecol. Evol.)3,823 - 833。https://doi.org/10.1038/s41559-019-0864-8。
10. 弗朗斯(France, S.)(1993 年)。深海端足类巨型喜隆达虾(Hirondellea gigas)(甲壳纲:端足目:浪漂水虱总科)三个孤立种群的地理变异。《海洋生态学进展系列》(Mar. Ecol. Prog. Ser.)92 卷,277 - 287 页。https://doi.org/10.3354/meps092277。
11. 布兰肯希普(Blankenship, L.E.)和莱文(Levin, L.A.)(2007 年)。极端食物网:海洋最深 5 公里处食腐端足类的觅食策略和食物来源。《湖沼学与海洋学》(Limnol. Oceanogr.)52 卷,1685 - 1697 页。https://doi.org/10.4319/ lo.2007.52.4.1685。
12. 尤斯塔斯(Eustace),R.M.、基尔加伦(Kilgallen),N.M.、莱西(Lacey),N.C.和贾米森(Jamieson),A.J.(2013年)。来自伊豆 - 小笠原海沟的超深渊端足类巨深蜚(Hirondellea gigas)(端足目:光洁钩虾总科)的种群结构。《甲壳动物生物学杂志》33卷,第793 - 801页。https://doi.org/10.1163/1937240X - 00002193。
13. 小林(Kobayashi),H.、畑田(Hatada),Y.、坪内(Tsubouchi),T.、长滨(Nagahama),T.和高见(Takami),H.(2012年)。超深渊端足类巨深蜚(Hirondellea gigas)拥有一种独特的纤维素酶,可消化埋藏在最深海底的木质碎片。《公共科学图书馆·综合》7卷,e42727。https://doi.org/10.1371/journal.pone.0042727。
14. 小林(Kobayashi),H.;长滨(Nagahama),T.;新井(Arai),W.;笹川(Sasagawa),Y.;梅田(Umeda),M.;林(Hayashi),T.;二階堂(Nikaido),I.;渡边(Watanabe),H.;小栗(Oguri),K.;北里(Kitazato),H.等(2018)。超深渊带端足类巨海蛾虾(Hirondellea gigas)的多糖水解酶。《生物科学、生物技术与生物化学》(Biosci. Biotechnol. Biochem.),82,1123 - 1133。https://doi.org/10.1080/09168451.2018.1459178。
15. 冈田(Okada),S.;陈(Chen),C.;渡边(Watanabe),H.K.;矶部(Isobe),N.;高井(Takai),K.(2022)。超深渊端足类巨海蛾虾(Hirondellea gigas)胃磨和刚毛中异常的溴富集现象。《公共科学图书馆·综合》(PLoS One),17,e0272032。https://doi.org/ 10.1371/journal.pone. 0272032。
16. 皮尔特尼(Piertney),S.B.、温泽尔(Wenzel),M.和贾米森(Jamieson),A.J.(2023年)。在最深的海洋生态系统——马里亚纳海沟(Mariana Trench)中,巨大的有效种群规模掩盖了深海钩虾(Hirondellea amphipods)的种群遗传结构。《分子生态学》(Mol. Ecol.)32卷,2206 - 2218页。https://doi.org/10.1111/mec.16887。
17. 盖瑟(Gaither),M.R.、加法斯(Gkafas),G.A.、德容(de Jong),M.、萨里戈尔(Sarigol),F.、尼特(Neat),F.、雷尼耶(Regnier),T.、摩尔(Moore),D.、格罗克(Gröcke),D.R.、霍尔(Hall),N.、刘(Liu),X.等(2018年)。一种深海鱼类栖息地选择和适应性进化的基因组学研究。《自然·生态与进化》(Nat. Ecol. Evol.)2卷,680 - 687页。https://doi.org/10.1038/s41559-018-0482-x。
18. 袁(Yuan)、张(Zhang)、寇(Kou)、孙(Sun)、刘(Liu)、李(Li)、余(Yu)、张(Zhang)、金(Jin)、向(Xiang)等(2022 年)。巨型等足类动物詹姆斯深海虱(Bathynomus jamesi)的基因组为体型进化和对深海环境的适应提供了见解。《BMC 生物学》(BMC Biol.),20 卷,113 页。https://doi.org/10.1186/s12915-022- 01302-6。
19. 周(Zhou)、刘(Liu)、冯(Feng)、陆(Lu)、刘(Liu)、黄(Huang)、唐(Tang)、徐(Xu)、蒲(Pu)和张(Zhang)(2023 年)。海葵对热液环境的遗传适应。《科学进展》(Sci. Adv.),9 卷,论文编号 eadh0474。https://doi.org/10.1126/ sciadv.adh0474。
20. 江(Jiang)、杜(Du)、甘(Gan)、杨(Yang)和何(He)(2019年)。世界最深海域鱼类(斯威瑞拟狮子鱼,Pseudoliparis swirei)中嗅觉受体大量缺失,但痕量胺相关受体未缺失。《基因》(Genes)杂志,第10卷,第910页。https://doi.org/10.3390/genes10110910。
21. 穆(Mu)、卞(Bian)、刘(Liu)、王(Wang)、邵(Shao)、李(Li)、邱(Qiu)、何(He)、李(Li)、敖(Ao)等人(2021年)。雅浦海沟狮子鱼全基因组测序 阐明了适应深海的分子机制。《公共科学图书馆·遗传学》(PLoS Genet.),第17卷,e1009530。https://doi.org/10.1371/journal.pgen.1009530。
22. 邵(Shao),G.;何(He),T.;穆(Mu),Y.;穆(Mu),P.;敖(Ao),J.;林(Lin),X.;阮(Ruan),L.;王(Wang),Y.;高(Gao),Y.;刘(Liu),D.等(2022)。深海海参的基因组揭示了对深海环境的新适应策略。《交叉科学》(iScience)25,105545。https://doi.org/10.1016/j.isci.2022.105545。
23. 邵(Shao),C.;孙(Sun),S.;刘(Liu),K.;王(Wang),J.;李(Li),S.;刘(Liu),Q.;迪格尔(Deagle),B.E.;塞姆(Seim),I.;比斯科廷(Biscontin),A.;王(Wang),Q.等(2023)。巨大的重复南极磷虾基因组揭示了环境适应性和种群特征。《细胞》(Cell)186,1279 - 1294.e19。https://doi.org/10.1016/j.cell.2023.02.005。
24. 门多萨(Mendoza),H.L.,和费伊(Faye),I.(1999年)。无脊椎动物免疫球蛋白超家族的生理学方面。《发育与比较免疫学》(Dev. Comp. Immunol.),23卷,359 - 374页。https://doi.org/10.1016/s0145-305x(99)00017-8。
25. 李(Li),H.,和德宾(Durbin),R.(2011年)。从个体全基因组序列推断人类种群历史。《自然》(Nature),475卷,493 - 496页。https://doi.org/10.1038/nature10231。
26. 贝茨(Bates),S.L.,西德尔(Siddall),M.,和瓦尔布罗克(Waelbroeck),C.(2014年)。中更新世过渡期深海温度的水文变化。《第四纪科学评论》(Quaternary Science Reviews),88卷,147 - 158页。https://doi.org/10.1016/j.quascirev.2014.01.020。
27. 埃尔德菲尔德(Elderfield, H.)、费雷蒂(Ferretti, P.)、格里夫斯(Greaves, M.)、克劳赫斯特(Crowhurst, S.)、麦凯夫(McCave, I.N.)、霍德尔(Ho - dell, D.)和皮奥特罗夫斯基(Piotrowski, A.M.)(2012年)。中更新世气候转型期海洋温度和冰量的演变。《科学》337卷,704 - 709页。https://doi.org/10.1126/science.1221294。
28. 库珀(Cooper, A.)、特尼(Turney, C.)、胡根(Hughen, K.A.)、布鲁克(Brook, B.W.)、麦克唐纳(McDonald, H.G.)和布拉德肖(Bradshaw, C.J.A.)(2015年)。古生态学。突然变暖事件推动了晚更新世全北区巨型动物群的更替。《科学》349卷,602 - 606页。https://doi.org/10.1126/science.aac4315。
29. 罗伊(Wroe),S.;菲尔德(Field),J.H.;阿彻(Archer),M.;格雷森(Grayson),D.K.;普赖斯(Price),G.J.;卢伊斯(Louys),J.;费思(Faith),J.T.;韦伯(Webb),G.E.;戴维森(Davidson),I.;穆尼(Mooney),S.D.(2013年)。气候变化引发了关于萨胡尔地区(更新世澳大利亚 - 新几内亚)巨型动物灭绝的争论。《美国国家科学院院刊》(Proc. Natl. Acad. Sci. USA)110,8777 - 8781。https://doi.org/10.1073/pnas.1302698110。
30. 海沃德(Hayward),B.W.;川上(Kawagata),S.;格伦费尔(Grenfell),H.R.;萨巴(Sabaa),A.T.;奥尼尔(O’Neill),T.(2007年)。中更新世气候转型期间深海的最后一次全球灭绝事件。《古海洋学》(Paleoceanography)22,PA3103。https://doi.org/10.1029/2007PA001424。
31. 海沃德(Hayward),B.W.(2002年)。太平洋西南部上新世晚期至中更新世深海底栖有孔虫灭绝事件(“柱形虫灭绝事件”)。《有孔虫研究杂志》(The Journal of Foraminiferal Research)32卷,第274 - 307页。https://doi.org/10.2113/32.3.274。
32. 海沃德(Hayward),B.W.(2001年)。更新世冰河时期的全球深海生物灭绝事件。《地质学》(Geology)29卷,第599 - 602页。https://doi.org/10.1130/0091 - 7613(2001)029<0599:GDSEDT>2.0.CO;2。
33. 兰(Lan)、孙(Sun)、陈(Chen)、孙(Sun)、周(Zhou)、杨(Yang)、张(Zhang)、李(Li)、周(Zhou)、黄(Wong)等人(2021 年)。全息基因组分析揭示深海热液喷口蜗牛盾状巨腹螺(Gigantopelta aegis)中的双重共生现象。《自然通讯》(Nat. Commun.)12 卷,第 1165 页。https://doi.org/10.1038/s41467-021-21450-7。
34. 周(Zhou)、马拉(Mara)、崔(Cui)、埃奇科姆(Edgcomb)和王(Wang)(2022 年)。挑战者深渊斜坡和底部轴沉积物中的微生物群落。《自然通讯》(Nat. Commun.)13 卷,第 1515 页。https://doi.org/10.1038/s41467-022-29144-4。
35. 陈(Chen)、周(Zhou)、黄(Huang)、谢(Xie)、张(Zhang)、魏(Wei)、李(Li)、马(Ma)、罗(Luo)、丁(Ding)等(2021年)。揭示挑战者深渊(Challenger Deep)最深海洋沉积物中的完整生物圈结构和多样代谢功能。《基因组生物学》(Genome Biol.),22卷,207页。https://doi.org/10.1186/s13059- 021-02408-w。
36. 张(Zhang)、渡边(Watanabe)、丁(Ding)、兰(Lan)、田(Tian)、孙(Sun)、陈(Chen)、蔡(Cai)、李(Li)、小栗(Oguri)等(2019年)。两个深海端足类生物巨海虱(Hirondellea gigas)种群之间的肠道微生物差异。《应用与环境微生物学》(Appl. Environ. Microbiol.),85卷,e02032 - 18页。https://doi.org/10.1128/AEM.02032-18。
37. 陈(Chan)、耿(Geng)、潘(Pan)、张(Zhang)和徐(Xu)(2021年)。宏基因组学对深海端足类动物肠道微生物群结构和功能的见解。《微生物学前沿》(Front. Microbiol.),第12卷,668989页。https://doi.org/10.3389/fmicb.2021.668989。
38. 耿道强(Daoqiang, G.)、陈久林(Jiulin, C.)、潘彬彬(Binbin, P.)、徐强华(Qianghua, X.)和李志国(Zhiguo, L.)(2020年)。三种深海端足类动物的肠道微生物组组成和群落结构。《上海海洋大学学报》(J. Shanghai Ocean Univ.),第29卷,83 - 91页。https://doi.org/ 10.12024/jsou.20190102507。
39. 程(Cheng)、王(Wang)、李(Li)、严(Yan)和何(He)(2019年)。马里亚纳海沟挑战者深渊两种优势端足类动物肠道微生物群落的比较分析。《深海研究I》(Deep Sea Res. I),第151卷,103081页。https://doi.org/10.1016/j.dsr.2019.103081。
40. 张(Zhang)、田(Tian)、孙(Sun)、布古法(Bougouffa)、丁(Ding)、蔡(Cai)、兰(Lan)、童(Tong)、李(Li)、贾米森(Jamieson)等人(2018年)。来自海洋最深处的端足类动物肠道内嗜冷单胞菌属(Psychromonas)物种的基因组推导。《mSystems》3,e00009 - 18。https://doi.org/10.1128/mSystems.00009 - 18。
41. 扬西(Yancey)和西本阿勒(Siebenaller)(2015年)。蛋白质与溶液的共同进化:蛋白质适应与细胞保护性小分子及其在海洋生物中的作用。《实验生物学杂志》218,1880 - 1896。https://doi.org/10.1242/jeb.114355。
42. 扬西(Yancey)(2020年)。海洋动物细胞对静水压力的反应。《实验动物学杂志A:生态与综合生理学》333,398 - 420。https://doi.org/10.1002/jez.2354。
43. 许(Xu)、陆(Lu)、王(Wang)、李(Li)和冯(Feng)(2021年)。甜菜碱对猪肠上皮细胞高渗应激的保护作用及机制。《功能性食品杂志》(J. Funct. Foods)87卷,104838页。https://doi.org/10.1016/j.jff.2021.104838。
44. 刘(Liu)、江(Jiang)、李(Li)、潘(Pan)和许(Xu)(2022年)。两种超深渊端足类动物中氧化三甲胺(Trimethylamine N - Oxide,TMAO)和三甲胺(trimethylamine,TMA)的测定。《海洋科学与工程杂志》(J. Mar. Sci. Eng.)10卷,454页。https://doi.org/10.3390/ jmse10040454。
45. 唐宁(Downing),A.B.、华莱士(Wallace),G.T.和扬西(Yancey),P.H.(2018年)。从滨海带到超深渊带端足类动物的有机渗透调节物质:氧化三甲胺(trimethylamine N-oxide)、鲨肌醇(scyllo-inositol)和其他潜在压力抵消剂随深度增加。《深海研究I》(Deep Sea Res. I)138,1 - 10。https://doi.org/10.1016/j.dsr.2018.05.008。
46. 唐(Tang),W.H.W.、李(Li),D.Y.和黑曾(Hazen),S.L.(2019年)。饮食代谢、肠道微生物群与心力衰竭。《自然综述:心脏病学》(Nat. Rev. Cardiol.)16,137 - 154。https:// doi.org/10.1038/s41569-018-0108-7。
47. 马(Ma),J.、帕索斯(Pazos),I.M.和盖(Gai),F.(2014年)。对氧化三甲胺(trimethylamine N-oxide,TMAO)稳定蛋白质作用的微观见解。《美国国家科学院院刊》(Proc. Natl. Acad. Sci. USA)111,8476 - 8481。https://doi.org/10.1073/pnas.1403224111。
48. 贡(Gon, S.)、帕特(Patte, J.C.)、梅让(Méjean, V.)和洛比 - 尼沃尔(lobbi - Nivol, C.)(2000 年)。大肠杆菌中 torYZ(yecK bisZ)操纵子编码第三种呼吸性三甲胺 N - 氧化物还原酶。《细菌学杂志》(J. Bacteriol.)182 卷,5779 - 5786 页。https://doi.org/10.1128/jb.182.20.5779 - 5786.2000。
49. 王(Wang, K.)、王(Wang, J.)、朱(Zhu, C.)、杨(Yang, L.)、任(Ren, Y.)、阮(Ruan, J.)、范(Fan, G.)、胡(Hu, J.)、 等(2021 年)。非洲肺鱼基因组揭示脊椎动物从水生到陆生的转变。《细胞》(Cell)184 卷,1362 - 1376.e18 页。https:// doi.org/10.1016/j.cell.2021.01.047。
50. 韦斯顿(Weston, J.N.J.)、詹森(Jensen, E.L.)、哈苏恩(Hasoon, M.S.R.)、基特森(Kitson, J.J.N.)、斯图尔特(Stewart, H.A.)和贾米森(Jamieson, A.J.)(2022 年)。最深海洋生态系统中基因流动的障碍:来自一种广布端足类动物全球种群基因组学的证据。《科学进展》(Sci. Adv.)8 卷,eabo6672。https://doi.org/10.1126/sciadv.abo6672。
51. 韦斯顿(Weston, J.N.J.)、埃斯皮诺萨 - 利尔(Espinosa - Leal, L.)、温赖特(Wainwright, J.A.)、斯图尔特(Stewart, E.C.D.)、冈萨雷斯(González, C.E.)、林利(Linley, T.D.)、里德(Reid, W.D.K.)、伊达尔戈(Hidalgo, P.)、奥利瓦(Oliva, M.E.)、乌略亚(Ulloa, O.)等(2021 年)。阿塔卡马真深虾(Eurythenes atacamensis sp. nov.)(甲壳纲:端足目)在南太平洋东部阿塔卡马海沟的深渊和超深渊深度呈现出个体发育的垂直分层现象。《海洋生物多样性》(Mar. Biodivers.)51 卷,51 页。https://doi.org/10.1007/s12526 - 021 - 01182 - z。
52. 威尔逊(Wilson), J.P.A.、施纳贝尔(Schnabel), K.E.、罗登(Rowden), A.A.、皮尔特(Peart), R.A.、北里(Kitazato), H.和瑞安(Ryan), K.G. (2018年). 汤加海沟(Tonga Trench)的食饵端足类动物以及食腐端足类动物杜氏喜浪水虱(Hirondellea dubia Dahl, 1959)的深度分层种群结构. 《PeerJ》6, e5994. https://doi.org/10.7717/ peerj.5994.
53. 拉米雷迪(Ramireddy), L.、曾(Tsen), H.Y.、蒋(Chiang), Y.C.、洪(Hung), C.Y.、陈(Chen), F.C.和颜(Yen), H.T. (2021年). 肠道微生物胆碱三甲胺裂解酶(CutC)及其激活酶(CutD)的基因表达和生物信息学分析,并与它们的三甲胺生成水平进行比较. 《当代微生物科学研究》2, 100043. https://doi.org/10.1016/j.crmicr.2021.100043.
54. 秦启龙(Qin, Q.L.)、王中宝(Wang, Z.B.)、苏慧娜(Su, H.N.)、陈秀丽(Chen, X.L.)、缪杰(Miao, J.)、王新军(Wang, X.J.)、李长勇(Li, C.Y.)、张新宇(Zhang, X.Y.)、李鹏宇(Li, P.Y.)、王猛(Wang, M.)等(2021 年)。三甲胺氧化为氧化三甲胺有助于广适性细菌谱系耐受高静水压。《科学进展》(Sci. Adv.)7 卷,eabf9941。https://doi.org/10.1126/sciadv.abf9941。
55. 郭鑫(Guo, X.)、陈峰(Chen, F.)、高凡(Gao, F.)、李磊(Li, L.)、刘凯(Liu, K.)、尤亮(You, L.)、华超(Hua, C.)、杨峰(Yang, F.)、刘伟(Liu, W.)、彭超(Peng, C.)等(2020 年)。中国国家基因组科学数据中心(CNSA):一个用于存档组学数据的数据仓库。《数据库》(Database (Oxford))2020 年,baaa055。https://doi.org/10.1093/database/ baaa055。
56. 陈(Chen),Y.,陈(Chen),Y.,施(Shi),C.,黄(Huang),Z.,张(Zhang),Y.,李(Li),S.,李(Li),Y.,叶(Ye),J.,余(Yu),C.,李(Li),Z.等(2018年)。SOAPnuke:一款支持MapReduce加速的软件,用于高通量测序数据的综合质量控制和预处理。《大数据科学》(GigaScience)7,1 - 6。https://doi.org/10.1093/gigascience/gix120。
57. 马尔塞(Marçais),G.和金斯福德(Kingsford),C.(2011年)。一种快速、无锁的方法,用于高效并行统计k - 元组的出现次数。《生物信息学》(Bioinformatics)27,764 - 770。https://doi.org/10.1093/bioinformatics/btr011。
58. 拉纳洛 - 贝纳维德斯(Ranallo - Benavidez),T.R.,雅伦(Jaron),K.S.和沙茨(Schatz),M.C.(2020年)。用于无参考的多倍体基因组分析的Genome - Scope 2.0和Smudgeplot。《自然通讯》(Nat. Commun.)11,1432。https://doi.org/10.1038/s41467 - 020 - 14998 - 3。
59. 程(Cheng)、康塞普西翁(Concepcion, G.T.)、冯(Feng, X.)、张(Zhang, H.)和李(Li, H.)(2021 年)。使用 hifiasm 基于分相组装图进行单倍型解析的从头组装。《自然方法》(Nat. Methods)18 卷,170 - 175 页。https://doi.org/10.1038/ s41592-020-01056-5。
60. 阿斯塔申(Astashyn, A.)、特维德特(Tvedte, E.S.)、斯威尼(Sweeney, D.)、萨波伊尼科夫(Sapojnikov, V.)、布克(Bouk, N.)、尤科夫(Jou - kov, V.)、莫泽斯(Mozes, E.)、斯特罗普(Strope, P.K.)、西拉(Sylla, P.M.)、瓦格纳(Wagner, L.)等(2024 年)。利用 FCS - GX 大规模快速灵敏检测基因组污染。《基因组生物学》(Genome Biol.)25 卷,60 页。https://doi.org/10.1186/s13059-024- 03198-7。
61. 李(Li, H.)(2018 年)。Minimap2:核苷酸序列的成对比对。《生物信息学》(Bioinformatics)34 卷,3094 - 3100 页。https://doi.org/10.1093/bioinformatics/ bty191。
62. 李(Li),H.(2013年)。使用BWA - MEM比对序列读数、克隆序列和组装重叠群,1303(研究共享平台figshare)https://doi.org/10.6084/M9.FIGSHARE.963153.V1。
63. 关(Guan),D.、麦卡锡(McCarthy),S.A.、伍德(Wood),J.、豪(Howe),K.、王(Wang),Y.和德宾(Durbin),R.(2020年)。识别并去除初级基因组组装中的单倍型重复。《生物信息学》(Bioinformatics)36卷,2896 - 2898页。https://doi.org/10.1093/bioinformatics/btaa025。
64. 胡(Hu),J.、范(Fan),J.、孙(Sun),Z.和刘(Liu),S.(2020年)。NextPolish:一种用于长读长组装的快速高效的基因组抛光工具。《生物信息学》(Bioinformatics)36卷,2253 - 2255页。https://doi.org/10.1093/bioinformatics/btz891。
65. 瑟万特(Servant, N.)、瓦罗科(Varoquaux, N.)、拉乔伊(Lajoie, B.R.)、维亚拉(Viara, E.)、陈(Chen, C.J.)、韦尔(Vert, J.P.)、赫德(Heard, E.)、德克尔(Dekker, J.)和巴里洛(Barillot, E.)(2015 年)。HiC - Pro:一种优化且灵活的 Hi - C 数据处理流程。《基因组生物学》(Genome Biol.)16 卷,259 页。https://doi.org/10.1186/s13059 - 015 - 0831 - x。
66. 张(Zhang, X.)、张(Zhang, S.)、赵(Zhao, Q.)、明(Ming, R.)和唐(Tang, H.)(2019 年)。基于 Hi - C 数据的等位基因感知染色体级同源多倍体基因组组装。《自然·植物》(Nat. Plants)5 卷,833 - 845 页。https://doi.org/10.1038/s41477 - 019 - 0487 - 8。
67. 罗宾逊(Robinson), J.T.、特纳(Turner), D.、杜兰德(Durand), N.C.、索尔瓦尔德斯多蒂尔(Thorvaldsdóttir), H.、梅西罗夫(Mesirov), J.P.和艾登(Aiden), E.L. (2018). Juicebox.js为Hi - C数据提供了一个基于云的可视化系统。《细胞系统》(Cell Syst.)6, 256 - 258.e1. https://doi.org/10.1016/j.cels.2018.01.001.
68. 金(Kim), D.、兰米德(Langmead), B.和萨尔兹伯格(Salzberg), S.L. (2015). HISAT:一种低内存需求的快速剪接比对器。《自然方法》(Nat. Methods)12, 357 - 360. https://doi.org/10.1038/nmeth.3317.
69. 曼尼(Manni, M.)、伯克利(Berkeley, M.R.)、塞佩伊(Seppey, M.)、西芒(Simão, F.A.)和兹德布诺夫(Zdobnov, E.M.)(2021年)。BUSCO更新:用于评估真核、原核和病毒基因组的全新且简化的工作流程,以及更广泛、更深入的系统发育覆盖范围。《分子生物学与进化》(Mol. Biol. Evol.)38卷,4647 - 4654页。https://doi.org/10.1093/molbev/msab199。
70. 塔拉伊洛 - 格劳瓦茨(Tarailo - Graovac, M.)和陈(Chen, N.)(2009年)。使用RepeatMasker识别基因组序列中的重复元件。《生物信息学实验指南》(Curr. Protoc. Bioinform.)25卷,4.10.11 - 14.10.14页。https://doi.org/10.1002/0471250953.bi0410s25。
71. 弗林(Flynn),J.M.、哈布利(Hubley),R.、古贝尔(Goubert),C.、罗森(Rosen),J.、克拉克(Clark),A.G.、费肖特(Feschotte),C.和斯密特(Smit),A.F.(2020年)。用于自动基因组发现转座因子家族的RepeatModeler2。《美国国家科学院院刊》(Proc. Natl. Acad. Sci. USA)117卷,9451 - 9457页。https://doi.org/10.1073/pnas.1921046117。
72. 徐(Xu),Z.和王(Wang),H.(2007年)。LTR_FINDER:一种预测全长LTR逆转录转座子的有效工具。《核酸研究》(Nucleic Acids Res.)35卷,W265 - W268页。https://doi.org/10.1093/nar/gkm286。
73. 本森(Benson),G.(1999年)。串联重复序列查找器:一种分析DNA序列的程序。《核酸研究》(Nucleic Acids Res.)27卷,573 - 580页。https://doi.org/10.1093/nar/ 27.2.573。
74. 卡马乔(Camacho, C.)、库鲁里斯(Coulouris, G.)、阿瓦吉扬(Avagyan, V.)、马(Ma, N.)、帕帕多普洛斯(Papadopoulos, J.)、比勒(Bealer, K.)和马登(Madden, T.L.)(2009年)。BLAST+:架构与应用。《BMC生物信息学》(BMC Bioinform),10卷,421页。https://doi.org/10.1186/1471-2105- 10-421。
75. 伯尼(Birney, E.)、克兰普(Clamp, M.)和杜宾(Durbin, R.)(2004年)。GeneWise与Genome-wise。《基因组研究》(Genome Res),14卷,988 - 995页。https://doi.org/10.1101/gr.1865504。
76. 萨林(Sahlin, K.)和梅德韦杰夫(Medvedev, P.)(2021年)。纠错技术使牛津纳米孔技术可用于无参考转录组分析。《自然通讯》(Nat. Commun),12卷,2页。https://doi.org/10.1038/s41467-020-20340-8。
77. 李(Li),H.;汉德萨克(Handsaker),B.;怀索克(Wysoker),A.;芬内尔(Fennell),T.;阮(Ruan),J.;霍默(Homer),N.;马思(Marth),G.;阿贝卡西斯(Abecasis),G.;以及德宾(Durbin),R.;千基因组计划数据处理小组(1000 Genome Project Data Processing Subgroup)(2009年)。序列比对/映射格式与SAMtools。《生物信息学》(Bioinformatics)25,2078 - 2079。https://doi.org/10.1093/bioin-formatics/btp352。
78. 佩尔泰亚(Pertea),M.、佩尔泰亚(Pertea),G.M.、安托内斯库(Antonescu),C.M.、张(Chang),T.C.、门德尔(Mendell),J.T.和萨尔茨伯格(Salzberg),S.L.(2015年)。StringTie可改善基于RNA测序读数的转录组重建。《自然·生物技术》(Nat. Biotechnol.)33,290 - 295。https://doi.org/10.1038/nbt.3122。
79. 斯坦克(Stanke),M.、迪汉斯(Diekhans),M.、贝尔奇(Baertsch),R.和豪斯勒(Haussler),D.(2008年)。利用天然和同线性映射的cDNA比对来改进从头基因预测。《生物信息学》(Bioinformatics)24,637 - 644。https://doi.org/10.1093/bioin-formatics/btn013。
80. 琼斯(Jones, P.)、宾斯(Binns, D.)、张(Chang, H.-Y.)、弗雷泽(Fraser, M.)、李(Li, W.)、麦阿努拉(McAnulla, C.)、麦克威廉(McWilliam, H.)、马斯伦(Maslen, J.)、米切尔(Mitchell, A.)、努卡(Nuka, G.)等(2014 年)。InterPro - Scan 5:基因组规模的蛋白质功能分类。《生物信息学》(Bioinformatics)30 卷,1236 - 1240 页。https://doi.org/10.1093/bioinformatics/btu031。
81. 廖(Liao, Y.)、斯迈思(Smyth, G.K.)和施(Shi, W.)(2014 年)。featureCounts:一种将序列读数分配给基因组特征的高效通用程序。《生物信息学》(Bioinformatics)30 卷,923 - 930 页。https://doi.org/10.1093/bioinformatics/ btt656。
82. 埃姆斯(Emms, D.M.)和凯利(Kelly, S.)(2019 年)。OrthoFinder:用于比较基因组学的系统发育直系同源推断。《基因组生物学》(Genome Biol.)20 卷,238 页。https://doi.org/10.1186/s13059-019-1832-y。
83. 杨(Yang),Z.(2007 年)。PAML 4:基于最大似然法的系统发育分析。《分子生物学与进化》(Mol. Biol. Evol.),24 卷,1586 - 1591 页。https://doi.org/10.1093/molbev/msm088。
84. 肯迪格(Kendig),K.I.、巴赫蒂(Baheti),S.、博科尔(Bockol),M.A.、德鲁克(Drucker),T.M.、哈特(Hart),S.N.、赫尔登布兰德(Helden - brand),J.R.、埃尔内斯(Hernaez),M.、哈德森(Hudson),M.E.、卡尔姆巴赫(Kalmbach),M.T.、克莱(Klee),E.W. 等(2019 年)。Sentieon DNASeq 变异检测流程展现出强大的计算性能和准确性。《遗传学前沿》(Front. Genet.),10 卷,736 页。https://doi.org/10.3389/fgene.2019.00736。
85. 麦肯纳(McKenna),A.、汉纳(Hanna),M.、班克斯(Banks),E.、西瓦琴科(Sivachenko),A.、西布尔斯基斯(Cibulskis),K.、克尔尼茨基(Kernytsky),A.、加里梅拉(Garimella),K.、阿尔特舒勒(Altshuler),D.、加布里埃尔(Gabriel),S.、戴利(Daly),M.和德普里斯托(DePristo),M.A.(2010年)。基因组分析工具包:用于分析下一代DNA测序数据的MapReduce框架。《基因组研究》(Genome Res.)20,1297 - 1303。https://doi.org/10.1101/gr.107524.110。
86. 波克兰特(Pockrandt),C.、阿尔扎梅尔(Alzamel),M.、伊利奥普洛斯(Iliopoulos),C.S.和赖纳特(Reinert),K.(2020年)。Gen - Map:超快速计算基因组可映射性。《生物信息学》(Bioinformatics)36,3687 - 3692。https://doi.org/10.1093/bioinformatics/btaa222。
87. 辛戈拉尼(Cingolani),P.、普拉茨(Platts),A.、王(Wang),L.L.、库恩(Coon),M.、阮(Nguyen),T.、王(Wang),L.、兰德(Land),S.J.、陆(Lu),X.和鲁登(Ruden),D.M.(2012年)。一款用于注释和预测单核苷酸多态性效应的程序SnpEff:黑腹果蝇(Drosophila melanogaster)品系w1118;iso - 2;iso - 3基因组中的单核苷酸多态性。《果蝇》6,80 - 92。https://doi.org/10.4161/fly.19695。
88. 达内塞克(Danecek),P.、奥顿(Auton),A.、阿贝卡西斯(Abecasis),G.、阿尔伯斯(Albers),C.A.、班克斯(Banks),E.、德普里斯托(DePristo),M.A.、汉德萨克(Handsaker),R.E.、伦特(Lunter),G.、马斯(Marth),G.T.、谢里(Sherry),S.T.等(2011年)。变异调用格式和VCF工具。《生物信息学》27,2156 - 2158。https://doi.org/10.1093/bioinformatics/btr330。
89. 珀塞尔(Purcell),S.;尼尔(Neale),B.;托德 - 布朗(Todd - Brown),K.;托马斯(Thomas),L.;费雷拉(Ferreira),M.A.R.;本德(Bender),D.;马勒(Maller),J.;斯克拉(Sklar),P.;德·巴克尔(de Bakker),P.I.W.;戴利(Daly),M.J.;沙姆(Sham),P.C.(2007 年)。PLINK:用于全基因组关联和基于群体的连锁分析的工具集。《美国人类遗传学杂志》(Am. J. Hum. Genet.)81 卷,559 - 575 页。https://doi.org/10.1086/519795。
90. 鲍姆(Baum),B.R.(1989 年)。PHYLIP:系统发育推断软件包。版本 3.2。乔尔·费尔森斯坦(Joel Felsenstein)。《生物学季评》(Q. Rev. Biol.)64 卷,539 - 541 页。https://doi.org/10.1086/ 416571。
91. 金,J.J.(Jin, J.J.)、余,W.B.(Yu, W.B.)、杨,J.B.(Yang, J.B.)、宋,Y.(Song, Y.)、德潘菲利,C.W.(dePamphilis, C.W.)、易,T.S.(Yi, T.S.)和李,D.Z.(Li, D.Z.)(2020 年)。GetOrganelle:一种用于准确从头组装细胞器基因组的快速通用工具包。《基因组生物学》(Genome Biol.)21 卷,241 页。https://doi.org/10.1186/s13059 - 020 - 02154 - 5。
92. 马尔塞,G.(Marçais, G.)、德尔彻,A.L.(Delcher, A.L.)、菲利皮,A.M.(Phillippy, A.M.)、科斯顿,R.(Coston, R.)、萨尔兹伯格,S.L.(Salzberg, S.L.)和齐明,A.(Zimin, A.)(2018 年)。MUMmer4:一种快速通用的基因组比对系统。《公共科学图书馆·计算生物学》(PLoS Comput. Biol.)14 卷,e1005944。https://doi.org/10.1371/journal.pcbi.1005944。
93. 埃德加,R.C.(Edgar, R.C.)(2004 年)。MUSCLE:一种高精度、高通量的多序列比对工具。《核酸研究》(Nucleic Acids Res.)32 卷,1792 - 1797 页。https://doi.org/10.1093/nar/gkh340。
94. 埃德加(Edgar, R.C.)(2004 年)。MUSCLE:一种降低时间和空间复杂度的多序列比对方法。《BMC 生物信息学》(BMC Bioinform.)5 卷,第 113 页。https://doi.org/10.1186/1471-2105-5-113。
95. 罗萨斯(Rozas, J.)、费雷尔 - 马塔(Ferrer - Mata, A.)、桑切斯 - 德尔巴里约(Sánchez - DelBarrio, J.C.)、吉劳 - 里科(Guirao - Rico, S.)、利布拉多(Li - brado, P.)、拉莫斯 - 翁辛斯(Ramos - Onsins, S.E.)和桑切斯 - 格拉西亚(Sánchez - Gracia, A.)(2017 年)。DnaSP 6:用于大数据集的 DNA 序列多态性分析。《分子生物学与进化》(Mol. Biol. Evol.)34 卷,第 3299 - 3302 页。https://doi.org/10.1093/molbev/msx248。
96. 利(Leigh, J.W.)和布赖恩特(Bryant, D.)(2015 年)。popart:用于单倍型网络构建的全功能软件。《生态与进化方法》(Methods Ecol. Evol.)6 卷,第 1110 - 1116 页。https:// doi.org/10.1111/2041-210X.12410。
97. 奥克萨宁(Oksanen),J.;辛普森(Simpson),G.L.;布兰切特(Blanchet),F.G.;金特(Kindt),R.;勒让德(Legendre),P.;闵钦(Min-chin),P.R.;奥哈拉(O’Hara),R.B.;索利莫斯(Solymos),P.;亨利(Henry),M.;史蒂文斯(Stevens),H.等(2022年)。vegan:群落生态学软件包。R软件包版本2.6 - 4。https://CRAN.R-project.org/package=vegan。
98. 马林斯基(Malinsky),M.;马希纳(Matschiner),M.;斯瓦尔达尔(Svardal),H.(2021年)。Dsuite - 从VCF文件中快速获取 统计数据及相关混合证据。《分子生态学资源》(Mol. Ecol. Resour.),21,584 - 595。https://doi.org/10.1111/1755-0998.13265。
99. 桑德奎斯特(Sundqvist),L.;基南(Keenan),K.;扎克里松(Zackrisson),M.;普罗多尔(Prodöhl),P.;克莱因汉斯(Kleinhans),D.(2016年)。定向遗传分化与相对迁移。《生态与进化》(Ecol. Evol.),6,3461 - 3475。https://doi.org/10.1002/ece3.2096。
100. 布朗宁(Browning),B.L.,田(Tian),X.,周(Zhou),Y.,以及布朗宁(Browning),S.R.(2021年)。大规模序列数据的快速两阶段定相。《美国人类遗传学杂志》(Am. J. Hum. Genet.)108卷,第1880 - 1890页。https://doi.org/10.1016/j.ajhg.2021.08.005。
101. 弗里肖(Frichot),E.,以及弗朗索瓦(François),O.(2015年)。LEA:用于景观与生态关联研究的R语言软件包。《生态与进化方法》(Methods Ecol. Evol.)6卷,第925 - 929页。https://doi.org/10.1111/2041-210X.12382。
102. 王(Wang),J.,以及张(Zhang),Z.(2021年)。GAPIT第3版:提升基因组关联与预测的效力和准确性。《基因组蛋白质组与生物信息学报》(Genom. Proteomics Bioinform.)19卷,第629 - 640页。https://doi.org/10.1016/j.gpb.2021.08.005。
103. 尹(Yin),L.、张(Zhang),H.、唐(Tang),Z.、徐(Xu),J.、尹(Yin),D.、张(Zhang),Z.、袁(Yuan),X.、朱(Zhu),M.、赵(Zhao),S.、李(Li),X.和刘(Liu),X.(2021)。rMVP:一种用于全基因组关联研究的内存高效、可视化增强且并行加速的工具。《基因组学、蛋白质组学与生物信息学》(Genomics Proteomics Bioinformatics)19,619 - 628。https:// doi.org/10.1016/j.gpb.2020.10.007。
104. 于(Yu),G.、王(Wang),L.G.、韩(Han),Y.和何(He),Q.Y.(2012)。clusterProfiler:一个用于比较基因簇间生物学主题的R包。《组学》(OMICS)16,284 - 287。https://doi.org/10.1089/omi.2011.0118。
105. 程(Cheng),X.和德乔治奥(DeGiorgio),M.(2022)。BalLeRMix +:用于稳健联合识别正向选择和长期平衡选择的混合模型方法。《生物信息学》(Bioinformatics)38,861 - 863。https://doi.org/10.1093/bioinformatics/btab720。
106. 西沃特(Siewert),K.M.,和沃伊特(Voight),B.F.(2020年)。BetaScan2:利用替代数据检测平衡选择的标准化统计方法。《基因组生物学与进化》(Genome Biol. Evol.)12卷,3873 - 3877页。https://doi.org/10.1093/gbe/evaa013。
107. 昆兰(Quinlan),A.R.,和霍尔(Hall),I.M.(2010年)。BEDTools:一套用于比较基因组特征的灵活实用工具。《生物信息学》(Bioinformatics)26卷,841 - 842页。https:// doi.org/10.1093/bioinformatics/btq033。
108. 阿拉基奥蒂斯(Alachiotis, N.)和帕夫利季斯(Pavlidis, P.)(2018年)。RAiSD基于选择性清除的多个特征和单核苷酸多态性(SNP)向量检测正向选择。《通讯·生物学》(Commun. Biol.),1卷,79页。https://doi.org/10.1038/s42003-018-0085-8。
109. 麦克林(Maclean, C.A.)、朱·洪(Chue Hong, N.P.)和普伦德加斯特(Prendergast, J.G.D.)(2015年)。hapbin:用于在大型基因组数据集中进行基于单倍型的正向选择扫描的高效程序。《分子生物学与进化》(Mol. Biol. Evol.),32卷,3027 - 3029页。https://doi.org/10.1093/molbev/msv172。
110. 乌利亚诺 - 席尔瓦(Uliano - Silva),M.;费雷拉(Ferreira),J.G.R.N.;克拉申尼尼科娃(Krasheninnikova),K.;福尔门蒂(Formenti),G.;阿布埃格(Abueg),L.;托兰斯(Torrance),J.;迈尔斯(Myers),E.W.;德宾(Durbin),R.;布拉克斯特(Blaxter),M.等;达尔文生命之树联盟(Darwin Tree of Life Consortium)(2023)。MitoHiFi:一种利用PacBio高保真读数进行线粒体基因组组装的Python管道。《BMC生物信息学》(BMC Bioinform)24,288。https://doi.org/10.1186/s12859 - 023 - 05385 - y。
111. 田村(Tamura),K.;施特歇尔(Stecher),G.;库马尔(Kumar),S.(2021)。MEGA11:分子进化遗传学分析第11版。《分子生物学与进化》(Mol. Biol. Evol)38,3022 - 3027。https://doi.org/10.1093/molbev/msab120。
112. 达内塞克(Danecek, P.)、邦菲尔德(Bonfield, J.K.)、利德尔(Liddle, J.)、马歇尔(Marshall, J.)、奥汉(Ohan, V.)、波拉德(Pollard, M.O.)、惠特沃姆(Whitwham, A.)、基恩(Keane, T.)、麦卡锡(McCarthy, S.A.)、戴维斯(Davies, R.M.)和李(Li, H.)(2021年)。SAMtools和BCFtools的十二年发展。《巨科学》(GigaScience)10卷,giab008。https://doi.org/10.1093/gigascience/giab008。
113. 布什内尔(Bushnell, B.)(2014年)。BBMap:一种快速、准确、可识别剪接的比对工具(美国能源部科学办公室。劳伦斯伯克利国家实验室)。
114. 罗涅斯(Rognes, T.)、弗洛里(Flouri, T.)、尼科尔斯(Nichols, B.)、昆斯(Quince, C.)和马赫(Mahé, F.)(2016年)。VSEARCH:一种用于宏基因组学的多功能开源工具。《同行期刊》(PeerJ)4卷,e2584。https://doi.org/10.7717/peerj.2584。
115. 刘(Liu),Y.;埃尔沃思(Elworth),R.A.L.;约胡姆(Jochum),M.D.;奥加德(Aagaard),K.M.;特里根(Treangen),T.J.(2022)。利用Squeegee软件对低微生物生物量微生物组中的微生物污染物进行从头鉴定。《自然通讯》(Nat. Commun.)13, 6799。https:// doi.org/10.1038/s41467-022-34409-z。
116. 布兰科 - 米格斯(Blanco - Míguez),A.;贝吉尼(Beghini),F.;坎博(Cumbo),F.;麦克弗(Mclver),L.J.;汤普森(Thompson),K.N.;佐尔福(Zolfo),M.;曼吉(Manghi),P.;杜波依斯(Dubois),L.;黄(Huang),K.D.;托马斯(Thomas),A.M.等(2023)。利用MetaPhlAn 4软件结合未表征物种扩展和改进宏基因组分类分析。《自然生物技术》(Nat. Biotechnol.)41, 1633 - 1644。https://doi.org/10.1038/s41587-023-01688-w。
117. 李(Li)、刘(Liu, C.M.)、罗(Luo, R.)、坂金(Sadakane, K.)和林(Lam, T.W.)(2015 年)。MEGAHIT:一种通过简洁的德布鲁因图(de Bruijn graph)实现的超快速单节点解决方案,用于大型复杂宏基因组组装。《生物信息学》(Bioinformatics)31 卷,1674 - 1676 页。https://doi.org/10.1093/bioinformatics/btv033。
118. 尤里茨基(Uritskiy, G.V.)、迪鲁吉耶罗(DiRuggiero, J.)和泰勒(Taylor, J.)(2018 年)。MetaWRAP - 一种用于基因组解析宏基因组数据分析的灵活流程。《微生物组》(Microbiome)6 卷,第 158 篇。https://doi.org/10.1186/s40168-018-0541-1。
119. 吴(Wu, Y.-W.)、西蒙斯(Simmons, B.A.)和辛格(Singer, S.W.)(2016 年)。MaxBin 2.0:一种从多个宏基因组数据集中恢复基因组的自动分箱算法。《生物信息学》(Bioinformatics)32 卷,605 - 607 页。https://doi.org/10.1093/bioinfor-matics/btv638。
120. 姜(Kang),D.D.、李(Li),F.、柯顿(Kirton),E.、托马斯(Thomas),A.、伊根(Egan),R.、安(An),H.和王(Wang),Z.(2019年)。MetaBAT 2:一种用于从宏基因组组装中稳健高效地重建基因组的自适应分箱算法。《同行评议期刊》(PeerJ)7,e7359。https://doi.org/10.7717/peerj.7359。
121. 阿尔内贝格(Alneberg),J.、比亚尔纳松(Bjarnason),B.S.、德布鲁因(de Bruijn),I.、席尔默(Schirmer),M.、奎克(Quick),J.、伊贾兹(Ijaz),U.Z.、拉赫蒂(Lahti),L.、洛曼(Loman),N.J.、安德森(Andersson),A.F.和昆斯(Quince),C.(2014年)。通过覆盖度和组成对宏基因组重叠群进行分箱。《自然方法》(Nat. Methods)11,1144 - 1146。https://doi.org/10.1038/nmeth.3103。
122. 贝努瓦(Benoit, G.)、拉吉多(Raguideau, S.)、詹姆斯(James, R.)、菲利皮(Phillippy, A.M.)、奇基(Chikhi, R.)和昆斯(Quince, C.)(2024年)。利用metaMDBG从长准确读段进行高质量宏基因组组装。《自然·生物技术》(Nat. Biotechnol.)42卷,第1378 - 1383页。https:// doi.org/10.1038/s41587-023-01983-6。
123. 帕克斯(Parks, D.H.)、伊梅尔福特(Imelfort, M.)、斯肯纳顿(Skennerton, C.T.)、胡根霍尔茨(Hugenholtz, P.)和泰森(Tyson, G.W.)(2015年)。CheckM:评估从分离株、单细胞和宏基因组中恢复的微生物基因组质量。《基因组研究》(Genome Res.)25卷,第1043 - 1055页。https://doi.org/10.1101/gr.186072.114。
124. 奥尔姆(Olm),M.R.、布朗(Brown),C.T.、布鲁克斯(Brooks),B.和班菲尔德(Banfield),J.F.(2017年)。dRep:一种用于快速准确进行基因组比较的工具,可通过去重复操作提高从宏基因组中恢复基因组的效率。《国际微生物生态学会杂志》(ISME J.),11卷,2864 - 2868页。https://doi.org/10.1038/ismej.2017.126。
125. 帕克斯(Parks),D.H.、丘沃奇娜(Chuvochina),M.、林克(Rinke),C.、穆西格(Mussig),A.J.、肖梅尔(Chaumeil),P.A.和胡根霍尔茨(Hugenholtz),P.(2022年)。GTDB:通过基于系统发育一致、等级标准化和完整基因组的分类法对细菌和古菌多样性进行持续普查。《核酸研究》(Nucleic Acids Res.),50卷,D785 - D794页。https://doi.org/10.1093/nar/gkab776。
126. 肖梅尔(Chaumeil),P.A.;穆西格(Mussig),A.J.;胡根霍尔茨(Hugenholtz),P.;帕克斯(Parks),D.H.(2019年)。GTDB-Tk:使用基因组分类数据库对基因组进行分类的工具包。《生物信息学》(Bioinformatics)36,1925 - 1927。https://doi.org/10.1093/bioin-formatics/btz848。
127. 阿罗尼(Aroney),S.T.N.;纽厄尔(Newell),R.J.P.;尼森(Nissen),J.;卡马戈(Camargo),A.P.;泰森(Tyson),G.W.;伍德克罗夫特(Woodcroft),B.J.(2024年)。CoverM:宏基因组学的读数覆盖率计算器(齐诺多,Zenodo)https://doi.org/10.5281/zenodo.10531254。
128. 普赖斯(Price),M.N.;德哈尔(Dehal),P.S.;阿金(Arkin),A.P.(2010年)。FastTree 2 - 用于大型比对的近似最大似然树。《公共科学图书馆·综合》(PLoS One)5,e9490。https://doi.org/10.1371/journal.pone.0009490。
129. 塞曼(Seemann),T.(2014 年)。Prokka:快速原核生物基因组注释。《生物信息学》(Bioinformatics)30 卷,2068 - 2069 页。https://doi.org/10.1093/bioinformatics/ btu153。
130. 荒牧(Aramaki),T.、布朗 - 马蒂厄(Blanc - Mathieu),R.、远藤(Endo),H.、大久保(Ohkubo),K.、 Kanehisa,M.、后藤(Goto),S. 和绪方(Ogata),H.(2020 年)。KofamKOALA:基于轮廓隐马尔可夫模型(profile HMM)和自适应得分阈值的 KEGG 直系同源物分配。《生物信息学》(Bioinformatics)36 卷,2251 - 2252 页。https://doi.org/10.1093/bioinformatics/btz859。
131. 胡森(Huson),D.H.、奥赫(Auch),A.F.、齐(Qi),J. 和舒斯特(Schuster),S.C.(2007 年)。宏基因组数据的 MEGAN 分析。《基因组研究》(Genome Res.)17 卷,377 - 386 页。https://doi.org/10.1101/gr.5969107。
132. 胡森(Huson),D.H.、拜尔(Beier),S.、弗拉德(Flade),I.、戈尔斯卡(Górska),A.、埃尔 - 哈迪迪(El - Hadidi),M.、米特拉(Mitra),S.、鲁舍韦伊赫(Ruscheweyh),H. - J.和塔普(Tappu),R.(2016年)。MEGAN社区版——大规模微生物组测序数据的交互式探索与分析。《公共科学图书馆·计算生物学》(PLoS Comput. Biol.),12卷,e1004957。https://doi.org/10.1371/journal.pcbi.1004957。
133. 邦焦万尼(Bongiovanni),C.、斯图尔特(Stewart),H.A.和贾米森(Jamieson),A.J.(2022年)。各大洋最深处的高分辨率多波束声纳测深。《地球科学数据杂志》(Geosci. Data J.),9卷,第108 - 123页。https://doi.org/10.1002/gdj3.122。
134. 贾米森(Jamieson),A.J.和斯图尔特(Stewart),H.A.(2021年)。西北太平洋的超深渊带。《海洋进展》(Prog. Oceanogr.),190卷,102477。https://doi.org/10.1016/j.pocean.2020.102477。
135. 冲野(Okino),K.,和藤冈(Fujioka),K.(2003年)。菲律宾海中央海盆扩张中心:一个已停止活动的扩张中心的结构及其对边缘海盆形成的启示。《地球物理研究杂志》(J. Geophys. Res.)108卷,2040页。https:// doi.org/10.1029/2001JB001095。
136. 罗(Luo),W.,严(Yan),P.,何(He),G.,谭(Tan),Y.,叶(Ye),R.,陈(Chen),H.,林(Lin),Z.,王(Wang),H.,左(Zuo),M.,陈(Chen),C.等(2024年)。菲律宾海盆中部受过量岩浆和扩展裂谷影响的不稳定地貌结构。《地貌学》(Geomorphology)452卷,109118页。https://doi.org/10.1016/j.geomorph.2024.109118。
137. 蒋(Jiang)、许(Xu)、维特(Vetter, P.A.)、谢(Xie, Q.)、余(Yu, J.)、尚(Shang, X.)和余(Yu, L.)(2021 年)。基于超深海水下滑翔机观测得出的挑战者深渊(Challenger Deep)海洋环流。《地球物理研究快报》(Geophys. Res. Lett.)48 卷,e2021GL093169。https://doi.org/10.1029/2021GL093169。
138. 周(Zhou)、徐(Xu)、肖(Xiao)、赵(Zhao)、杨(Yang)、杨(Yang)、江(Jiang)、谢(Xie)、龙(Long)、王(Wang)等(2022 年)。北太平洋西部加罗林海盆与马里亚纳海沟交汇处的强烈深海海流。《地球物理研究快报》(Geophys. Res. Lett.)49 卷,e2021GL096530。https://doi.org/10.1029/2021GL096530。
139. 劳里(Lowry)和斯托达特(Stoddart)(2010 年)。澳大利亚海域的深海食腐属希隆虾属(Hirondellea)(甲壳纲:端足目:浪漂水虱总科:希隆虾科,新科)。《动物分类学报》(Zootaxa)2329 卷,37 - 55 页。https://doi.org/ 10.11646/zootaxa.2329.1.3。
140. 包(Bao),W.、小岛(Kojima),K.K.和科哈尼(Kohany),O.(2015年)。重复序列数据库更新(Repbase Update):真核生物基因组重复元件数据库。《移动DNA》6,11。https://doi.org/10.1186/s13100-015-0041-9。
141. 高(Kao),D.、赖(Lai),A.G.、斯塔马塔基(Stamataki),E.、罗西奇(Rosic),S.、康斯坦丁尼德斯(Konstantinides),N.、贾维斯(Jarvis),E.、迪·东弗朗切斯科(Di Donfrancesco),A.、波奇基娜 - 斯坦切娃(Pouchkina - Stancheva),N.、塞蒙(Sémon),M.、格里洛(Grillo),M.等(2016年)。甲壳动物夏威夷杆尾水虱(Parhyale hawaiensis)的基因组:动物发育、再生、免疫和木质纤维素消化的模型。《eLife》5,e20062。https://doi.org/10.7554/eLife.20062。
142. 波因顿(Poynton),H.C.;哈森贝因(Hasenbein),S.;贝努瓦(Benoit),J.B.;塞普尔韦达(Sepulveda),M.S.;波尔肖(Poelchau),M.F.;休斯(Hughes),D.S.T.;穆拉利(Murali),S.C.;陈(Chen),S.;格拉斯塔德(Glastad),K.M.;古迪斯曼(Goodisman),M.A.D.等(2018年)。阿兹特克蜉蝣(Hyalella azteca)的毒理基因组:沉积物生态毒理学和进化毒理学的模型。《环境科学与技术》(Environ. Sci. Technol.),52卷,6009 - 6022页。https://doi.org/10.1021/acs.est.8b00837。
143. 帕特拉(Patra),A.K.;钟(Chung),O.;柳(Yoo),J.Y.;金(Kim),M.S.;尹(Yoon),M.G.;崔(Choi),J.H.;杨(Yang),Y.(2020年)。沙蚤Trinorchestia Iongiramus的首个基因组草图。《科学数据》(Sci. Data),7卷,85页。https://doi.org/10.1038/s41597-020-0424-8。
144. 贝金(Becking),T.、切比(Chebbi),M.A.、吉罗(Giraud),I.、穆门(Moumen),B.、拉韦雷(Laverré),T.、科贝(Caubet),Y.、佩库(Peccoud),J.、吉尔伯特(Gilbert),C.和科尔多(Cordaux),R.(2019年)。性染色体控制等足类动物中可使宿主雌性化的沃尔巴克氏体(Wolbachia)共生菌的垂直传播。《公共科学图书馆·生物学》(PLoS Biol.),17,e3000438。https://doi.org/10.1371/journal.pbio.3000438。
145. 切比(Chebbi),M.A.、贝金(Becking),T.、穆门(Moumen),B.、吉罗(Giraud),I.、吉尔伯特(Gilbert),C.、佩库(Peccoud),J.和科尔多(Cordaux),R.(2019年)。鼠妇(Armadillidium vulgare)(甲壳纲,等足目)的基因组为细胞质性别决定背景下的性染色体进化提供了见解。《分子生物学与进化》(Mol. Biol. Evol.),36,727 - 741。https://doi.org/10.1093/molbev/msz010。
146. 张(Zhang)、袁(Yuan)、孙(Sun)、李(Li)、高(Gao)、余(Yu)、刘(Liu)、王(Wang)、吕(Lv)、张(Zhang)等(2019年)。对虾基因组为底栖适应和频繁蜕皮提供了见解。《自然通讯》(Nat. Commun.),10,356。https:// doi.org/10.1038/s41467-018-08197-4。
147. 川戸(Kawato)、西辻(Nishitsuji)、有本(Arimoto)、久田(Hisata)、川光(Kawamitsu)、野崎(Nozaki)、近藤(Kondo)、新里(Shinzato)、大平(Ohira)、佐藤(Satoh)等(2021年)。日本囊对虾(Marsupenaeus ja-ponicus)的基因组和转录组组装。《G3》(G3 (Bethesda)),11,jkab268。https://doi.org/10.1093/g3journal/ jkab268。
148. 施(Shi)、易(Yi)和李(Li)(2018年)。克氏原螯虾(Procambarus clarkii)的基因组调查测序。《分子生物学报告》(Mol. Biol. Rep.),45卷,799 - 806页。https://doi.org/10.1007/s11033-018-4219-3。
149. 巴赫瓦罗夫(Bachvaroff, T.R.)、麦克唐纳(McDonald, R.C.)、普拉夫(Plough, L.V.)和钟(Chung, J.S.)(2021年)。蓝蟹(Callinectes sapidus)的染色体水平基因组组装。《G3》(G3 (Bethesda)),11卷,jkab212。https://doi.org/10.1093/g3journal/jkab212。
150. 唐(Tang)、张(Zhang)、李(Li)、江(Jiang)、张(Zhang)、宣(Xuan)、葛(Ge)、王(Wang)、刘(Liu)、沙(Sha)等(2020年)。染色体水平基因组组装揭示了三疣梭子蟹(Portunus trituberculatus)独特的基因组进化。《巨科学》(GigaScience),9卷,giz161。https://doi.org/10.1093/giga-science/giz161。
151. 霍斯金斯(Hoskins),R.A.,卡尔森(Carlson),J.W.,万(Wan),K.H.,朴(Park),S.,门德斯(Mendez),I.,加勒(Galle),S.E.,布斯(Booth),B.W., Pfeiffer,B.D.,乔治(George),R.A.,斯维斯卡斯(Svirskas),R.等(2015年)。黑腹果蝇(Drosophila melanogaster)基因组第6版参考序列。《基因组研究》(Genome Res.),25,445 - 458。https://doi.org/10.1101/gr.185579.114。
152. 库马尔(Kumar),S.,苏列斯基(Suleski),M.,克雷格(Craig),J.M.,卡斯普罗维奇(Kasprowicz),A.E.,桑德福德(Sanderford),M.,李(Li),M.,施特歇尔(Stecher),G.和赫奇斯(Hedges),S.B.(2022年)。TimeTree 5:一个扩展的物种分化时间资源。《分子生物学与进化》(Mol. Biol. Evol.),39,msac174。https://doi.org/10.1093/molbev/msac174。
153. 杜兰德(Durand),E.Y.、帕特森(Patterson),N.、赖克(Reich),D.和斯莱特金(Slatkin),M.(2011)。检测近缘种群之间的古代混合情况。《分子生物学与进化》(Mol. Biol. Evol.)28,2239 - 2252。https://doi.org/10.1093/molbev/msr048.
154. 格林(Green),R.E.、克劳斯(Krause),J.、布里格斯(Briggs),A.W.、马里西奇(Maricic),T.、施滕策尔(Stenzel),U.、基尔彻(Kircher),M.、帕特森(Patterson),N.、李(Li),H.、翟(Zhai),W.、弗里茨(Fritz),M.H.Y.等(2010)。尼安德特人基因组草图。《科学》(Science)328,710 - 722。https://doi.org/10.1126/science.1188021.
155. 海史密斯(Highsmith),R.C.和科伊尔(Coyle),K.O.(1991)。端足目动物的生活史:群落结构、温度对生长和成熟速率解耦的影响、生产力以及P:B比率。《美国动物学家》(Am. Zool.)31,861 - 873。https:// doi.org/10.1093/icb/31.6.861.
明星方法
关键资源表
| 试剂或资源 | 来源 | 标识符 |
| 生物样本 | ||
| 巨海芋(H. gigas) | 本研究 | 不适用 |
| 杜氏盐藻(H. dubia) | 本研究 | 不适用 |
| 关键商业检测 | ||
| 血液与细胞培养物DNA小量提取试剂盒 | 凯杰公司(Qiagen) | 不适用 |
| 华大智造通用DNA文库制备套装(MGIEasy Universal DNA Library Prep Set) | 华大智造(MGI) | 1000006986 |
| 核结合高分子量DNA试剂盒(NucleoBond HMW DNA KIT) | 玛切雷 - 纳杰尔(MACHEREY - NAGEl) | 740160.20 |
| SMRTbell模板制备试剂盒v1. | 太平洋生物科学公司(Pacific Biosciences) | 100-259-100 |
| 甲醛、甘氨酸和曲拉通X - 100 | 西格玛(Sigma) | 不适用 |
| 限制性内切酶Dpnll、T4 DNA连接酶 | 新英格兰生物实验室(New England Biolabs) | 不适用 |
| TRIzol试剂 | 英杰公司(Invitrogen) | 不适用 |
| 磁珠 MyOne 链霉亲和素T1 | 英杰公司(Invitrogen) | 65602 |
| KAPA高保真热启动预混液(KAPA HiFi HotStart ReadyMix) | 卡帕生物系统公司(Kapa Biosystem) | 不适用 |
| RNeasy迷你试剂盒(RNeasy Mini Kit) | 凯杰公司(Qiagen) | 不适用 |
| TruSeq链特异性mRNA LT样本制备试剂盒(TruSeq Stranded mRNA LT Sample Prep Kit) | 因美纳公司(Illumina) | RS - 122 - 9004文档(RS-122-9004DOC) |
| 互补DNA-聚合酶链式反应测序试剂盒(cDNA-PCR Sequencing Kit) | 牛津纳米孔技术公司(Oxford Nanopore Technologies) | 不适用 |
| 天根海洋动物DNA提取试剂盒(TIANamp Marine Animals DNA Kit) | 天根(TIANGEN) | 4992715 |
| 已存档数据 | ||
| 大旋鳃虫(H. gigas)的PacBio HiFi环形一致序列(CCS)读数 | 本研究 | 中国国家基因库(China National GeneBank,CNGB)CNP0005374 |
| 巨海鞘(H. gigas)的Hi - C测序读段 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0005374 |
| 巨海鞘的基因组组装 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0005374 |
| .巨海鞘的转录组短读长测序数据 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0005374 |
| .巨海鞘的牛津纳米孔技术(ONT)转录组长读长测序数据 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0005374 |
| 巨海螂(H. gigas)的PacBio HiFi-CCS RNA长读长序列 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0005374 |
| 622个巨海螂(H. gigas)个体的重测序数据 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0003471 |
| 六个 . dubia个体的重测序数据 | 本研究 | 中国国家基因库(China National GeneBank,CNGB):CNP0003471 |
| 与巨海螂(H. gigas)共生的宏基因组组装基因组(Metagenome-assembled genomes,MAGs) | 本研究 | 中国国家基因库(China National GeneBank,CNGB)CNP0005374 |
| 软件和算法 | ||
| SOAPnuke v2.0.8 | 陈等人 | https://github.com/BGI-flexlab/SOAPnuke |
| Jellyfish v2.2.6 | 马尔凯斯等人 | https://github.com/gmarcais/Jellyfish/ releases |
| 基因组范围分析工具v2.0.0(GenomeScope v2.0.0) | 拉纳洛 - 贝纳维德斯等人 (Ranallo-Benavidez et al. ) | https://github.com/tbenavi1, 基因组范围分析工具2.0(genomescope2.0) |
| 单分子实时测序分析软件v10.1.0.119588(SMRTLink v10.1.0.119588) | 太平洋生物科学公司(Pacific Biosciences),美国加利福尼亚州门洛帕克市 | https://www.pacb.com/support/software- downloads/ |
| 希菲阿斯姆(Hifiasm)v0.16.1-r375 | 程(Cheng)等人 | https://github.com/chhylp123/hifiasrr |
| 快速一致性求解器 - 基因组学(FCS - GX)v0.5.0 | 阿斯塔申(Astashyn)等人 | https://github.com/ncbi/fcs |
| Minimap2 v2.23-r1116-不稳定版 | https://github.com/lh3/minimap2 | |
(续下页)
续
| 试剂或资源 | 来源 | 标识符 |
| BWA-MEM v0.7.16(BWA-MEM v0.7.16) | https://github.com/lh3/bwa | |
| Purge_dup v1.2.5(Purge_dup v1.2.5) | 关(Guan)等人 | https://github.com/dfguan/purge_dups |
| NextPolish v1.3.1 | 胡(Hu)等人 | https://github.com/Nextomics/NextPolish |
| Hic-Pro v3.1.0 | 瑟万特(Servant)等人 | https://github.com/nservant/HiC-Pro |
| ALLHiC v0.9.13 | 张(Zhang)等人 | https://github.com/tangerzhang/ALLHiC |
| Juicerbox v1.5 | 罗宾逊等人 | https://github.com/aidenlab/Juicebox |
| HISAT2 版本2.2.1 | 金等人 | https://github.com/DaehwanKimLab/ hisat2 |
| BUSCO 版本5.7.1 | 曼尼(Manni)等人 | https://gitlab.com/ezlab/buscc |
| 重复序列掩码器(RepeatMasker)v4.1.2 - p1 | 塔拉伊洛 - 格劳瓦茨(Tarailo - Graovac)和陈(Chen) | http://repeatmasker.org/RepeatMasker/ |
| 重复蛋白掩码器(RepeatProteinMask)v4.1.2 - p1 | 塔拉伊洛 - 格劳瓦茨(Tarailo - Graovac)和陈(Chen) | http://repeatmasker.org/RepeatMasker/ |
| 重复序列建模器2.0.3版(RepeatModeler v2.0.3) | 弗林等人 (Flynn et al. ) | https://github.com/Dfam-consortium/ RepeatModeler |
| LTR查找器1.0.2版(LTR-Finder v1.0.2) | 徐和王 (Xu and Wang ) | https://github.com/xzhub/LTR_Finder |
| 串联重复序列查找器(Tandem Repeats Finder,TRF)v4.09 | 本森(Benson) | https://github.com/Benson-Genomics- Lab/TRF |
| 基本局部比对搜索工具增强版(BLAST+)v2.10.1 | 卡马乔(Camacho)等人 | https://ftp.ncbi.nlm.nih.gov/blast/ executables/blast+ |
| 基因比对工具GeneWise(GeneWise wise2-4-1) | 伯尼等人(Birney et al.) | https://www.ebi.ac.uk/b̃irney/wise2/ |
| 长读长纠错工具isONcorrect(isONcorrect v0.0.8) | 萨林和梅德韦杰夫(Sahlin and Medvedev) | https://github.com/ksahlin/isONcorrect |
| SAMtools v1.7(SAM工具 版本1.7) | 李等人 | https://github.com/samtools/samtools |
| StringTie v2.2.1(字符串绑定工具 版本2.2.1) | 佩尔泰亚等人 | https://github.com/gpertea/stringtie |
| 奥古斯塔斯(AUGUSTUS)v3.4.0 | 斯坦克等人 | https://github.com/Gaius-Augustus/ Augustus |
| 蛋白质功能结构域扫描工具(InterProScan)v5.52 - 86.0 | 琼斯等人 | https://github.com/ebi - pf - team/ interproscan |
| 特征计数工具v2.0.1(featureCounts v2.0.1) | 廖等人 (Liao et al. ) | http://subread.sourceforge.net |
| 直系同源基因分析工具v2.5.4(OrthoFinder v2.5.4) | 埃姆斯和凯利 (Emms and Kelly ) | https://github.com/davidemms/ OrthoFinder |
| PAML 4.9版 | 杨83(Yang83) | http://abacus.gene.ucl.ac.uk/software/ paml.html |
| 森迪昂基因组学工具2020年10月02版(Sentieon Genomics Tools v202010.02) | 肯迪格等人 (Kendig et al. ) | https://www.sentieon.com/ |
| 基因组分析工具包(GATK)v3.8.1 | 麦肯纳(McKenna)等人 | https://github.com/broadinstitute/gatk |
| 基因图谱(GenMap)v1.3.0 | 波克兰特(Pockrandt)等人 | https://github.com/cpockrandt/genmap |
| SnpEff v5.1(SnpEff 版本 5.1) | 辛戈拉尼等人 (Cingolani et al. ) | http://pcingola.github.io/SnpEff/ |
| VCFtools v0.1.17(VCFtools 版本 0.1.17) | 达内塞克等人 (Danecek et al. ) | https://sourceforge.net/projects/vcftools/ files/ |
| PLINK v1.90b6.6 | 珀塞尔等人 | https://zzz.bwh.harvard.edu/plink/ download.shtml |
| PHYLIP v3.69 | 鲍姆 | (http://tree.bio.ed.ac.uk/software/figtree/) |
| 无花果树软件v1.4.3(Figtree v1.4.3) | 安德鲁·兰博特(Andrew Rambaut) | https://github.com/rambaut/figtree |
| 细胞器提取工具v1.7.6.1(GetOrganelle v1.7.6.1) | 金等人 (Jin et al. ) | https://github.com/Kinggerm/GetOrganelle |
| NUCmer v4.0.0rc1(NUCmer v4.0.0候选版本1) | 马尔凯斯等人 (Marcais et al. ) | https://github.com/mummer4/mummer |
| MUSCLE v3.8.1551(MUSCLE v3.8.1551) | 埃德加等人 (Edgar et al. ) | https://github.com/rcedgar/muscle |
| DnaSP v6.12.03(DnaSP 版本 6.12.03) | 罗萨斯等人 (Rozas et al. ) | https://github.com/pachedi/dnasp |
| PopART v1.7(PopART 版本 1.7) | 利和布莱恩特 (Leigh and Bryant ) | https://popart.maths.otago.ac.nz/ |
| 地球圈层软件v1.5 - 18(geosphere v1.5-18) | 罗伯特·J·希伊曼斯(Robert J. Hijmans) | https://github.com/rspatial/geosphere |
| 生态群落分析软件v2.6 - 4(vegan v2.6-4) | 奥克萨宁等人 (Oksanen et al. ) | https://cran.r-project.org/web/packages/ vegan/index.html |
| Dsuite v0.4(Dsuite 版本 0.4) | 马林斯基等人 (Malinsky et al. ) | https://github.com/millanek/Dsuite (续下页) |
| 续 | ||
| 试剂或资源 | 来源 | 标识符 |
| diveRsity v1.9.90 | 桑德奎斯特等人 | https://cran.r-project.org/web/packages/ diveRsity/index.html |
| 贝格尔(Beagle)v5.4 | 布朗宁等人(Browning et al.) | https://faculty.washington.edu/browning/ beagle/beagle.html |
| LEA v3.6.0 | 弗里肖和弗朗索瓦(Frichot and François) | https://www.bioconductor.org/packages/ release/bioc/html/LEA.htm |
| R语言4.1.1版本 | R核心团队(R Core Team) | https://www.R-project.org/ |
| GAPIT软件3.0版本 | 王和张 | https://github.com/jiabowang/GAPI7 |
| CM绘图工具v4.3.1 | 尹(Yin)等人 | https://github.com/YinLiLin/CMplot |
| 聚类分析器v4.12.2 | 余(Yu)等人 | https://bioconductor.org/packages/ release/bioc/html/clusterProfiler.htm |
| BalLeRMix+ v1 | 程(Cheng)和德乔治奥(DeGiorgio) | https://github.com/bioXiaoheng/ BallerMixPlus |
| 贝塔扫描2(BetaScan2) v11-8-22 | 西韦特(Siewert)和沃伊特(Voight) | https://github.com/ksiewert/BetaScar |
| BEDTools v2.29.2(BED工具v2.29.2) | 昆兰(Quinlan)和霍尔(Hall)107 | https://github.com/arq5x/bedtools2 |
| RAiSD v2.9(RAiSD v2.9) | 阿拉基奥蒂斯(Alachiotis)和帕夫利季斯(Pavlidis) | https://github.com/alachins/raisd |
| hapbin v1.3.0(hapbin 版本 1.3.0) | 麦克林等人 (Maclean et al. ) | https://github.com/evotools/hapbin |
| MitoHiFi v3.2.1(MitoHiFi 版本 3.2.1) | 乌利亚诺 - 席尔瓦等人 (Uliano - Silva et al. ) | https://github.com/marcelauliano/MitoHiF |
| 分子进化遗传分析软件(MEGA)v11.0.13 | 田村(Tamura)等人 | https://www.megasoftware.net/ |
| 成对顺序马尔可夫凝聚模型(PSMC)v0.6.5-r67 | 李(Li)和德宾(Durbin) | https://github.com/lh3/psmc |
| BCFtools v1.4(BCF工具v1.4) | 达内塞克等人 (Danecek et al. ) | https://github.com/samtools/bcftools |
| MassLynx V4.1(质谱数据处理软件MassLynx V4.1) | 美国马萨诸塞州米尔福德市沃特斯公司(Waters Corporation, Milford MA, USA) | https://www.waters.com/waters/en_US/ MassLynx质谱软件-/ nav.htm?cid=513164&locale=en_US |
| BBmap v38.95 | 布什内尔1 13 | https://sourceforge.net/projects/bbmap/ files/ |
| VSEARCH v2.14.2 | 罗涅斯等人 | https://github.com/torognes/vsearch |
| 清洁器0.1.3版 | 刘等人 | https://gitlab.com/treangenlab/squeegee |
| 宏基因组微生物群落分析工具MetaPhIAn4 4.1.1版 | 布兰科 - 米格斯等人 | https://github.com/biobakery/MetaPhIAn |
| 梅格希特(Megahit)v1.2.9 | 李(Li)等人 | https://github.com/voutcn/megahit |
| 元包装(MetaWRAP)v1.1.5 | 尤里茨基(Uritskiy)等人 | https://github.com/bxlab/metaWRAP |
| MaxBin2 2.2.6版 | 吴等人 | https://sourceforge.net/projects/maxbin/ |
| MetaBAT2 2.12.1版 | 康等人 | https://bitbucket.org/berkeleylab/metabat/ src/master/ |
| CONCOCT v1.1.0(康科特 v1.1.0) | 阿尔内贝格等人 | https://github.com/BinPro/CONCOCT |
| Metaflye v2.8.1-b1676(元飞 v2.8.1 - b1676) | 贝努瓦等人 | https://github.com/mikolmogorov/Flye |
| 元MDBG 0.3版 | 贝努瓦等人 | https://github.com/GaetanBenoitDev/ metaMDBG |
| MetaBAT2 | 康等人 | https://bitbucket.org/berkeleylab/metabat |
| CheckM 1.0.12版 | 帕克斯等人 | https://github.com/Ecogenomics/CheckM |
| dRep v2.6.2 | 奥尔姆等人 | https://github.com/MrOlm/drep |
| 基因组分类数据库工具包(GTDB_tk)v1.0.2 | 肖梅尔(Chaumeil)等人、帕克斯(Parks)等人 | https://github.com/Ecogenomics/GTDBTk |
| CoverM v0.4.0 | 阿罗尼(Aroney)等人 | https://github.com/wwood/CoverM |
| FastTree v2.1.10 | 普赖斯等人 | http://www.microbesonline.org/fasttree |
| Prokka v1.14.6(原词:Prokka v1.14.6) | 西曼 | https://github.com/tseemann/prokka |
| kofamscan v1.3.0(原词:kofamscan v1.3.0) | 荒牧等人 (Aramaki et al.) | https://github.com/takaram/kofam_scar |
| MEGAN2 6.7.8版本 | 胡森等人 (Huson et al.) | https://github.com/husonlab/megan-ce |
e3
实验模型与研究参与者详情
样本采集地点
马里亚纳海沟(Mariana Trench)位于太平洋西北部,是世界上最深的海沟,其挑战者深渊(Challenger Deep)的最大深度约为 。在马里亚纳海沟最南端以西 处是雅浦海沟(Yap Trench)的最东端,这两条相邻的海沟之间的最小深度为 5330米。 雅浦海沟的最深点达到8487米,在东经9.000 处被一道5460米高的海槛分隔,该海槛将南北区域仅分隔了11公里。 中央海盆扩张中心(Central Basin Spreading Center,CBSC)是位于西菲律宾海盆中部的一个海底扩张中心。 这个裂谷谷底的平均深度为 ,最大深度为 ,使其成为全球扩张区域中最深的地方。
挑战者深渊(Challenger Deep)是深层海水从南大洋向北太平洋输送的过渡区域。 位于马里亚纳海沟(Mariana Trench)西侧的雅浦 - 马里亚纳海脊交汇处(Yap - Mariana Junction),横跨马里亚纳海脊(Mariana Ridge)和雅浦海脊(Yap Ridge),是南极绕极深层水(Lower Circumpolar Deep Water,LCDW)进入菲律宾海的唯一通道。最近的一项研究揭示了雅浦 - 马里亚纳海脊交汇处存在反向水流,秋季时深海水流会转向东方,流向马里亚纳海沟。
样本采集与处理
端足类标本是在“探索一号”科考船(R/V Tansuo 1)于2017年2月至2021年9月的考察期间采集的,使用的是配备诱饵陷阱的全海深着陆器。此外,还使用全海深载人潜水器“奋斗者”号(Fendouzhe)搭载制裁采样器或诱饵陷阱进行了两次布放。陷阱中放置了新鲜鲭鱼或腐烂鸡肉作为诱饵。特别是,2021年使用保压采样装置从一个站位采集了样本。采样信息见补充表S2。标本迅速在 条件下冷冻或保存在95%的乙醇中。所有样本随后都保存在 条件下,以备后续使用。在进行基因组测序和群体重测序之前,根据形态特征 ,这些端足类动物最初被鉴定为 巨端足虫( . gigas),随后通过线粒体细胞色素 氧化酶亚基1(COX1)片段的序列得到确认。
方法详情
短读长全基因组测序
从两个个体中提取基因组DNA,提取时去除了外壳和内脏,使用的是血液与细胞培养DNA微型试剂盒(德国凯杰公司,Qiagen)。随后,使用Qubit荧光计(美国赛默飞世尔科技公司,Thermo Fisher)上的双链DNA宽范围(dsDNA BR)检测法对DNA进行定量,并通过脉冲场凝胶电泳(PFGE)进行评估。对于短读长测序,按照制造商的方案,使用MGIEasy通用DNA文库制备试剂盒(中国华大智造公司,MGI)构建了两个插入片段大小在150 bp至500 bp之间的文库。然后在位于青岛的华大研究院(BGI Research)的MGISEQ - 2000平台上对长度为100 bp的双端读长进行测序。总共生成了2419 Gb的全基因组测序(WGS)短读长,用于后续的基因组概况分析(表S1)。
太平洋生物科学公司(PacBio)高保真环形一致序列(HiFi - CCS)测序
为了生成足够的长读长序列,我们选取了一个由八名随机挑选的个体组成的队列进行高保真环形一致序列(HiFi-CCS)测序。使用NucleoBond高分子量(HMW)DNA提取试剂盒(德国马赫瑞-纳格尔公司(MACHEREY-NAGEL))提取长片段的高质量DNA。使用安捷伦4200生物分析仪(美国安捷伦科技公司(Agilent Technologies))检测DNA的完整性。使用单分子实时(SMRT)bell模板制备试剂盒(v1.0,美国太平洋生物科学公司(Pacific Biosciences))制备插入片段大小约为 的文库。由生物标志物技术公司在太平洋生物科学公司的Sequel II平台上进行测序。总共生成了6949Gb的子读长序列,从中产生了489Gb的HiFi-CCS读长序列。
高通量染色体构象捕获(Hi-C)文库构建与测序
在缺乏甲醛固定样本的情况下,本研究采用了一种改良的Hi - C文库构建方法。具体而言,首先将来自一个个体的冷冻肌肉组织解离,收集细胞,用1%的甲醛(德国西格玛公司,Sigma)和0.2M的甘氨酸(德国西格玛公司,Sigma)进行交联。将分离出的细胞核重悬,并在 条件下于0.5%的十二烷基硫酸钠(SDS)中孵育10分钟,随后加入10%的曲拉通X - 100(德国西格玛公司,Sigma)在37°C下终止反应15分钟。随后,用Dpnll(美国新英格兰生物实验室,NEB)在37°C下对DNA进行过夜消化,之后在使用T4 DNA连接酶(美国新英格兰生物实验室,NEB)进行连接之前,将粘性末端补齐并进行生物素化处理。使用十六烷基三甲基溴化铵(CTAB)法纯化DNA后,利用包被链霉亲和素的磁珠 链霉亲和素T1(美国英杰公司,Invitrogen)选择性地分离出含生物素的DNA片段。后续步骤包括对片段进行末端修复和接头连接,然后使用KAPA HiFi HotStart ReadyMix(美国凯普生物系统公司,Kapa Biosystem)进行八轮聚合酶链式反应(PCR)。经过末端修复、接头连接、PCR和环化后,构建了Hi - C文库,并在深圳华大研究院的DNBSEQ - T1平台上进行测序,读长为100 bp双端测序。共产生了1543 Gb的Hi - C数据。
短读长RNA测序
选取来自马里亚纳海沟(Mariana Trench)的10个个体进行RNA提取,其中7个样本是在保压条件下获取的。使用TRIzol试剂(美国赛默飞世尔科技公司,Invitrogen)从整个身体中分离总RNA,随后使用RNeasy Mini Kit(德国凯杰公司,Qiagen)进行纯化。分别使用安捷伦2100生物分析仪(美国安捷伦科技公司,Agilent Technologies)和NanoDrop(美国赛默飞世尔科技公司,Thermo Fisher)评估RNA的完整性和浓度。由博奥生物集团有限公司(Biomarker Technologies)使用TruSeq Stranded mRNA LT Sample Prep Kit(美国Illumina公司)构建文库,并在Illumina HiSeq 2500平台上进行测序,生成150 bp的双端读长。总共生成了202 Gb的短RNA读长。
长读长RNA测序
为进行基因注释,对来自马里亚纳海沟(Mariana Trench)的5个个体进行了RNA测序长读长分析,其中包括3个保压样本。RNA提取和质量检测按照上述一致的流程进行。每个样本的 总RNA用于文库构建;3个保压样本进行了PacBio HiFi - CCS文库构建,其他样本进行了牛津纳米孔(Oxford Nanopore,ONT)处理。由生物标志物技术公司(Biomarker Technologies)使用ONT PromethION和太平洋生物科学公司(Pacific Bioscience)Sequel II平台进行长读长RNA测序,共产生了14.5 Gb的ONT长RNA读长和2.05 Gb的HiFi - CCS RNA读长(121.3 Gb的子读长)。
群体全基因组测序
我们对代表13个不同种群的共计 只长指寄居蟹(Pagurus longicarpus)个体和6只杜氏寄居蟹(Pagurus dubius)个体进行了全基因组测序。使用天根海洋动物DNA提取试剂盒(TIANGEN,中国)从每个样本的腹部提取基因组DNA。短读长文库通过六个步骤制备,包括基因组DNA片段化、片段选择、末端修复、接头连接、PCR扩增和文库纯化。测序在深圳华大研究院(BGI Research)的DNBSEQ - T10平台上进行,读长为150 bp双端测序。总共产生了245.97 Tb的全基因组测序数据,平均测序深度为 。
基因组调查分析
用于基因组调查的两个个体的全基因组测序(WGS)短读长最初使用SOAPnuke(v2.0.8) 进行过滤,以去除低质量读长、接头以及含有多聚N的读长,参数设置为“-Q 2 -G -d -l 20 -q 0.2 -5 1 -t 5,0,5,0”。为了准确评估基因组特征,包括基因组大小和杂合率,使用 -mer方法对两个个体的干净读长进行分析,采用的工具为(Jellyfish v2.2.6) 和GenomeScope(v2.0.0)。 利用Jellyfish在一系列 值(21、23、25、27、29、31)下生成 -mer分析频率分布,参数设置为“-C”。有效 -mer的数量(排除错误 -mer后的总 -mer)除以纯合峰深度用于估算 . gigas(巨牡蛎)的单倍体基因组大小,确定其大约为12.9至 。以Jellyfish生成的 -mer频率分布作为输入,使用GenomeScope估算杂合率约为1.7%至1.9%。
基因组组装与评估
我们按照六个主要步骤来组装长牡蛎(Crassostrea gigas)基因组:1)从高保真环形一致序列(HiFi - CCS)子读长生成HiFi - CCS读长;2)构建初步的基因组组装;3)去除可能非长牡蛎(H. gigas)的重叠群;4)去除潜在的杂合冗余序列;5)使用全基因组测序(WGS)短读长和环形一致序列(CCS)读长进行纠错(“抛光”);6)利用高通量染色体构象捕获(Hi - C)数据将重叠群锚定到染色体尺度。每个步骤的详细信息如下。
第一步,使用SMRTLink(v10.1.0.119588,美国加利福尼亚州门洛帕克市太平洋生物科学公司)中的HiFi - CCS算法处理HiFi - CCS子读长,以生成HiFi - CCS读长,设置如下:最小通过次数为3,最小预测读长质量值(RQ)为20。
第二步,我们使用默认参数的Hifiasm(v0.16.1 - r375)软件来组装HiFi读长,并生成初步的重叠群组装。
在第三步中,我们利用美国国家生物技术信息中心(NCBI)的FCS - GX流程(v0.5.0) 来识别并从我们的组装序列中去除可能非巨蛎属(H. gigas)的重叠群。为确保重叠群的可靠性,我们仅保留那些源自“动物”和“无”(“无”大多包含重复序列)的重叠群。对于具有多个来源的重叠群,如果非巨蛎属部分的长度超过重叠群长度的70%,我们也将这些重叠群视为可能的非巨蛎属序列,并将其从组装序列中去除。
在第四步中,我们使用Minimap2(v2.23 - r1116 - dirty) 将PacBio HiFi - CCS长读长序列比对到组装结果上,并使用BWA - MEM(v0.7.16) 将全基因组测序(WGS)的干净读长比对到组装结果上,然后我们计算了组装结果中每个碱基位置的读长深度。Purge_dup 利用读长深度直方图来选择一个阈值,以区分单倍体覆盖深度,考虑到整个组装结果以单倍体或二倍体序列为主的情况。接下来,我们使用Minimap2对组装结果进行全比对。然后,我们采用与purge_haplotigs基本相同的方法识别并去除单倍型重叠群(haplotigs),从自比对集合中消除所有与单倍型重叠群相关的匹配。最后,我们将剩余集合中一致的匹配进行链接以找到重叠区域,计算每个重叠区域匹配区间的平均覆盖度,当两条重叠群(contig)上的平均覆盖度都小于步骤1中确定的读长深度阈值时,将明确的重叠区域标记为杂合区域。我们去除了较短重叠群中与匹配区间对应的序列。
在第五步中,我们使用NextPolish(v1.3.1) 结合全基因组测序(WGS)短读长和PacBio HiFi-CCS读长对组装结果进行校正。结果,我们获得了一个包含49,669条重叠群的组装结果,其N50为466.11 Kb,总长度为13.9 Gb(表S1)。
在第六步中,我们使用Hic - Pro(v3.1.0) 将Hi - C测序数据与重叠群组装进行比对。基于比对提供的顺序和方向,我们使用ALLHiC(v0.9.13) 将这些重叠群聚类成染色体,参数设置为“enz = Mbol shortest_ = 150 MaxLinkDensity = 3 minREs = 50 break = Y filter = yes CLUSTER = 30 NonInformativeRatio = 0”。我们基于ALLHiC分组生成了hic文件,并通过使用Juicerbox v1.5生成的接触图进行了手动校正和验证 。最后,生成了一个包含31条染色体、总长为13.92 Gb的基因组。
组装评估
我们使用多种方法对大竹蛏(H. gigas)基因组的完整性进行了全面评估。首先,我们使用BWA - MEM将全基因组测序(WGS)短读长与基因组进行比对,比对率高达99.59%(表S1)。此外,使用Minimap2将全基因组PacBio HiFi - CCS读长与基因组进行比对,WGS读长的比对率高达83.04%(表S1)。其次,我们分别使用HISAT2(v2.2.1) 和Minimap2,以默认参数将RNA测序短读长和PacBio长RNA读长与基因组进行比对。这些读长的比对率在61.04%至91.75%之间(表S1)。第三,根据通用单拷贝直系同源基因基准评估(Benchmarking Universal Single - Copy Orthologs,BUSCO,v5.7.1) ,89.34%的核心保守基因是完整的,这进一步验证了组装的高质量。最后,Hi - C数据分析证实了所有染色体的顺序和方向正确,这得到了染色体内高相互作用强度以及不存在异常相互作用信号的支持。综上所述,这些全面的评估表明我们最终版本的 大竹蛏(H. gigas)基因组质量很高。
重复序列的鉴定
我们采用两种方法来检测基因组中的重复元件:基于同源性的预测和从头预测。基于同源性的预测使用RepeatMasker和RepeatProteinMask(v4.1.2 - p1) ,基于RepBase库进行。 从头预测使用RepeatModeler(v2.0.3) 和LTR - Finder(v1.0.2) 进行。将两种方法的结果合并创建一个综合库,然后在RepeatMasker中使用该库来识别和分类重复元件。组装序列的71.98%被鉴定为重复序列。使用串联重复序列查找器(Tandem Repeats Finder,TRF) 鉴定串联重复序列。为确保基因组中串联重复内容的准确性和可靠性,我们还使用相同的流程对HiFi - CCS读数上的串联重复进行了预测,并注释了45.63%的串联重复。
基因预测与注释
我们采用了三种方法来预测基因组中的蛋白质编码基因:基于同源性的预测、基于RNA测序(RNA-seq)的预测和从头预测。将这些方法的结果进行整合,以生成最终的基因集。
对于基于同源性的基因预测,我们使用BLAST+(v2.10.1)的“tblastn”工具 ,将六个已公布的节肢动物(Arthropoda)基因组(黑腹果蝇(Drosophila melanogaster)、阿兹台克玻璃虾(Hyalella azteca)、夏威夷片脚虾(Parhyale hawaiensis)、日本对虾(Penaeus japonicus)、三疣梭子蟹(Portunus trituberculatus)和长鞭三肢虾(Trinorchestia longiramus))的蛋白质序列映射到经过重复序列屏蔽的基因组上。我们对比对的序列和查询蛋白质进行筛选,然后将它们输入到GeneWise(v2 - 4 - 1) 中,以获得准确的剪接比对结果。
对于基于RNA的预测,我们使用了各种RNA测序(RNA-seq)数据。首先,我们使用HISAT2将RNA-seq短读长与基因组进行比对。其次,使用isONcorrect 对牛津纳米孔(Oxford Nanopore)cDNA读长进行纠错,然后使用Minimap2并设置参数“-ax splice -uf -k14 -G 1000000”将其映射到基因组上。将最大允许内含子大小增加到 ,以适应潜在的长内含子。我们使用SAMtools(v1.7)提取了最低质量得分达到10的唯一映射读长。 第三,使用Minimap2并设置参数“-ax splice:hq -uf -l 14G”将PacBio HiFi-CCS cDNA读长映射到基因组上。最后,我们将RNA-seq短读长、牛津纳米孔(ONT)RNA长读长和PacBio HiFi-CCS RNA长读长的比对结果合并,并将其作为StringTie(v2.2.1) 的输入来预测转录本。
对于从头预测(de novo prediction),我们使用AUGUSTUS(v5.3.2)预测蛋白质编码基因,其参数是根据从基于同源性的预测和RNA测序(RNA-seq)预测中获得的700个高质量蛋白质训练得到的。
最后,一个内部流程有效地整合了所有基因证据,以生成一个全面且无冗余的基因集。基于使用BLAST+ ‘blastp’与SwissProt和TrEMBL数据库进行比对的最佳匹配结果来赋予基因功能。使用InterProScan(v5.52 - 86.0) 针对包含ProDom、PRINTS、Pfam、SMART、PANTHER和PROSITE的蛋白质数据库预测基因的基序和结构域。每个基因的基因本体(Gene Ontology)信息从相应的SwissProt和TrEMBL条目中获取。将所有基因与京都基因与基因组百科全书(KEGG)蛋白质进行比对,以检测可能的基因通路。
使用RNA测序(RNA-seq)进行定量转录组分析
基于蛋白质编码基因注释中RNA测序(RNA-seq)短读长和PacBio HiFi-CCS cDNA读长的比对结果,我们使用featureCounts(v2.0.1) 来统计比对到注释基因的读长数量。为了对基因表达数据进行归一化处理,我们根据读长计数为每个基因计算了每百万转录本(Transcripts Per Million,TPM)值。这一过程使表达水平标准化,从而使它们在具有不同测序深度和基因长度的样本之间具有可比性。
无脊椎动物重复序列的比较
我们获取了168种无脊椎动物的五种重复类型的百分比,这些重复类型包括串联重复序列(TRs)、DNA转座子、长末端重复序列(LTRs)、长散在核元件(LINEs)和短散在核元件(SINEs)。根据重复单元长度,串联重复序列被分为三组:2 - 9个碱基对(微卫星)、10 - 60个碱基对(小卫星)和 (卫星)。绘制了每个单元长度的百分比图。使用费舍尔精确检验来比较巨海蝎(H. gigas)与其他无脊椎动物之间的串联重复序列。在巨海蝎(H. gigas)中丰富存在的、单元长度在10至60个碱基对之间的小卫星序列,表现出相对较高的频率。
系统发育和分化时间的推断
为进行比较基因组学分析,我们将 . gigas的基因组与软甲纲(Malacostraca)内的11个物种的基因组进行了比较,其中包括3种端足目(Amphipoda)物种(夏威夷片脚虾(Parhyale hawaiensis)、 阿兹特克玻璃虾(Hyalella azteca)、 长肢三跳钩虾(Trinorchestia longiramus) )、3种等足目(Isopoda)物种(詹姆斯深水虱(Bathynomus jamesi)、 鼻鼠妇(Armadillidium nasatum)、 普通鼠妇(Armadillidium vulgare) )和5种十足目(Decapoda)物种(凡纳滨对虾(Penaeus vannamei)、 日本对虾(Penaeus japonicus)、 克氏原螯虾(Pro-cambarus clarkia)、 蓝蟹(Callinectes sapidus)、 三疣梭子蟹(Portunus trituberculatus) )。黑腹果蝇(Drosophila melanogaster) 被用作外群。在这11个物种中,只有詹姆斯深水虱栖息在深海环境中,且是在 的深度采集到的。我们使用上述对 . gigas的相同方法,预测了 . hawaiensis和 . azteca的基因模型。我们使用与对 . gigas相同的方法,对所有比较的基因模型的基因功能进行了注释。为推断 . gigas与其他物种的系统发育关系,我们使用OrthoFinder(v2.5.4) 来鉴定直系同源基因,并构建所有13个物种的系统发育树。我们使用BUSCO(v5.3.2) 来注释所有13个比较物种的基因模型中后生动物的保守单拷贝直系同源基因。共鉴定出至少存在于10个物种中的764个单拷贝直系同源基因。利用这些单拷贝直系同源基因和系统发育树,使用PAML软件包(v4.9)中的’mcmctree’ ,结合来自TimeTree网站的校准数据,估算了分歧时间。
群体水平的单核苷酸多态性(SNP)检测与质量控制
对于622个个体和6个外群个体(杜氏盐藻,H. dubia)的群体全基因组测序(WGS)数据,我们使用SOAPnuke软件,以“-n 0.1 -q 0.5 -l 12”为参数过滤低质量的读段。为了加快对我们的大基因组进行比对和SNP检测的速度,我们使用了Sentieon基因组学工具(v202010.02) 来完成各项任务,包括对每个样本进行比对、排序、去除重复序列、重新比对、单倍型检测,以及对多个个体进行联合变异检测。
为了获得高质量的单核苷酸多态性(SNP)数据集,实施了多个过滤步骤。首先,按照基因组分析工具包(GATK,Genome Analysis Toolkit)的建议,使用GATK(v3.8.1) 中的“VariantFiltration”函数,依据“QD < 2.0 || MQ < 40.0 || FS > 60.0 || ReadPosRankSum < -8.0 || MQRankSum < -12.5 || SOR > 3.0”这一标准对SNP进行严格过滤。其次,后续分析仅使用双等位基因SNP。第三,使用GenMap(v1.3.0) 计算全基因组范围内35个碱基序列(35-mers)在最多有一个错配情况下的可映射性,并选择位于具有可映射性得分 区域的SNP进行群体遗传学分析。使用SnpEff(v5.1) 并采用默认参数对SNP的基因组位置和潜在影响进行注释。
群体遗传多样性
最初,使用VCFtools ,针对每个组分别使用参数“-site-pi”计算每个位点的遗传多样性 。随后,通过对每个位点的 值求和并除以有效基因组长度(即,使用GenMap通过基因组可映射性估算的剩余基因组长度)来计算每个组的 。使用VCFtools,在长度为 的非重叠窗口下,使用参数“-TajimaD 100000”计算每个组的Tajima氏 。使用VCFtools,基于未经调整的Ajk统计量,使用参数“-relatedness”计算每对个体之间的亲缘关系。使用长度为 的非重叠窗口,使用参数“-fst-window-size 100000 -fst-window-step 100000”计算每个组的 。
群体结构的发现
为了利用全基因组单核苷酸多态性(SNP)研究群体结构,我们使用PLINK(v1.90b6.6) ,并设置参数“-indep-pairwise 5000 500 0.2”进行连锁不平衡(LD)修剪,以减少潜在偏差。使用PLINK并设置参数“-distance 1-ibs”计算1-IBS(状态一致性)遗传距离矩阵。利用得到的遗传距离矩阵,我们使用PHYLIP(v3.69)构建了邻接系统发育树 。使用Figtree(v1.4.3,https://github.com/rambaut/figtree)对生成的Newick树进行可视化。此外,使用PLINK并设置参数“-pca”进行主成分分析(PCA)。
我们使用GetOrganelle(v1.7.6.1) ,参数设置为“-k 41,61,81,91 -F animal_mt”,从622个个体的全基因组测序(WGS)短读长数据中组装线粒体基因组。为了鉴定感兴趣的特定基因,如细胞色素c氧化酶亚基1(COX1)和细胞色素b(CYTB),我们使用NUCmer(v4.0.0rc1) ,以默认参数将其与公开的巨海鞘(H. gigas)线粒体基因组(KU558990.1)进行比对,从而预测COX1和CYTB基因的位置。我们使用SAMtools从组装好的线粒体基因组中提取编码序列(CDS),并使用MUSCLE(v3.8.1551)进行多重比对。 使用DnaSP(v6.12.03)分析COX1和CYTB基因单倍型, 随后使用PopART(v1.7)构建单倍型网络。
种群动态和迁移推断
在距离隔离(isolation-by-distance,IBD)分析中,成对群体之间的遗传距离基于线性化的 ,计算公式为 。成对群体之间的地理水平距离使用 包“geosphere”(v1.5 - 18,https://github.com/rspatial/geosphere)根据经度和纬度计算得出。为检验遗传距离与地理水平距离和垂直距离之间关系的显著性,使用R包’vegan’(v2.6 - 4,https://cran.r-project.org/web/packages/vegan/index.html)中的“mantel”函数进行单侧Mantel检验来评估IBD模式,进行9999次置换,参数设置为“method = pearson, permutations = 999”。
为评估群体间的基因流动,采用了D统计量(也称为ABBA - BABA统计量)。利用所有单核苷酸多态性(SNP)评估了马里亚纳海沟(Mariana Trench)11个地理群体间的基因流动情况,指定6个杜氏( . dubia)个体作为外群。该分析使用Dsuite(v0.4)中的’Dtrios’命令 并采用默认参数进行。为推断迁移情况,仅提取了基因区域中的四倍简并同义位点(4DTV)。使用R包diversity中的’divMigrate’函数 并采用默认参数来推断11个地理群体间的相对迁移水平。同样的分析方法也用于推断马里亚纳海沟与附近海沟之间的基因流动和迁移情况。
基因 - 环境关联(GEA)分析
首先,对于机器翻译(MT)组,使用VCFtools并设置参数‘-maf 0.1 -max-maf 0.9’去除次要等位基因频率(MAF)小于0.1的单核苷酸多态性(SNP)。使用Beagle(v5.4) 并采用默认参数对缺失数据进行插补,以获得完整的基因型。为了识别与深度相关的潜在位点和基因,采用了两种独立的方法,即潜在因子混合模型(LFMM)和混合线性模型(MLM)。对于LFMM方法,基于最低交叉熵确定K个聚类的最佳运行,并使用 。然后使用R包LEA(v3.6.0)中实现的‘lfmm2’函数执行LFMM。 对于MLM方法,将每个MT个体的深度视为表型,并使用R包GAPIT(v3) 基于混合线性模型(MLM)进行全基因组关联分析,参数设置为‘PCA.total = 3’。使用R(v4.1.1,https://www.R-project.org/)中的‘p.adjust’函数,通过Benjamini - Hochberg(BH)方法对LFMM和MLM产生的 值进行校正。
不同深海特征的遗传分化
在马里亚纳海沟(MT)、雅浦海沟(YT)和克马德克海沟(CBSC)群体间的计算使用了大小为 的非重叠窗口,参数设置为‘-fst-window-size 100000 -fst-window-step 100000’。这些 值的全基因组分布使用 CMplot(v4.3.1)进行可视化。 我们使用 的 阈值来表示高度的遗传分化。使用 clusterProfiler(v 4.12.2)对位于基因组分化岛中的基因进行京都基因与基因组百科全书(KEGG)通路富集分析。
检测与自然选择相关的基因座和基因
为分别对MT、CBSC、YT - A和TY - B进行全基因组范围的长期平衡选择(LBS,Long - term Balancing Selection)扫描,我们采用了两种方法:使用BalLeRMix(v1)实现的 统计量 和使用BetaScan2(v11 - 8 - 22)实现的 统计量 。首先,使用PLINK软件并设置参数“-maf 0.05”去除次要等位基因频率(MAF,Minor Allele Frequency)小于0.05的单核苷酸多态性(SNP,Single Nucleotide Polymorphism)位点。通过在四个以上 .dudia个体中存在相同等位基因来确定祖先等位基因,然后计算衍生等位基因频率(DAF,Derived Allele Frequency)。使用参数‘-getSpect’生成包含位点频率谱的辅助文件,并使用参数’-w 50000’计算 统计量。同时,我们使用BetaScan2软件并采用默认参数,基于相同的数据集计算 (1)统计量。将 统计量和 统计量排名前1%的区域确定为可能受到长期平衡选择作用的区域,并使用BEDTools(v2.29.2)提取潜在基因。
为了进行全基因组范围内的近期正向选择(RPS)扫描,我们采用了提高扫描检测准确性的方法(RAiSD)(v2.9) ,该方法引入了 统计量,这是一种综合评估测试,它根据位点频率谱(SFS)的变化、连锁不平衡(LD)水平以及染色体上的遗传多样性对基因组区域进行评分。使用整个单核苷酸多态性(SNP)数据库,在不进行最小等位基因频率(MAF)过滤的情况下,以默认参数运行RAiSD。此外,我们还采用了综合单倍型分数(iHS)这一互补方法来检测选择信号。首先,使用PLINK(v1.9)并设置参数“-maf 0.05”去除MAF小于0.05的SNP。然后,使用Beagle以默认参数进行插补和定相。使用hapbin(v1.3.0) 以默认参数计算iHS分数。 统计量和iHS分数处于前1%的区域被确定为可能受到近期正向选择的区域。
种群历史推断
首先,我们按照先前一项研究(西格尔(Siegel),1987年)中描述的方法估算突变率。我们使用了近缘物种 . dubia,并基于全基因组测序(WGS)短读长为六个 . dubia个体生成了基因组草图。然后,分别使用BLAST+ blastn将这些草图组装与 . gigas基因组进行比对。平均替换率(D)估计为14.33%(使用朱克斯 - 坎托(Jukes - Cantor)模型调整后为15.90%)。此外,我们基于线粒体基因组估算了分化时间。我们分别使用MitoHiFi 和GetOrganelle,基于PacBio Hifi - CCS读长和短读长组装了巨海钩虾(H. gigas)和杜氏海钩虾(H. dubia)的线粒体基因组。我们还收集了线粒体基因组已测序的属于壮体钩虾总科(Lysianassoidea)的近缘物种,包括壮体钩虾科(Lysianassidae)(阿蒙森氏冰钩虾(Charcotia amundseni),NC_062583.1)、真深虾科(Eury - theneidae)(麦哲伦真深海钩虾(Eurythenes magellanicus),MN688221.1、马尔多罗真深海钩虾(Eurythenes maldoror),NC_036429.1)、弯背虾科(Cyphocarididae)(挑战者弯背钩虾(Cyphocaris challenger),NC_070436.1)和乌虾科(Uristidae)(南森长眼钩虾(Onisimus nanseni),FJ555185.1)。我们使用MEGA(v11.0.13) 中的“CLOCKS”工具估算 . gigas和 . dubia之间的分化时间(T),结果为1714万年前(mya)。考虑到先前关于端足类动物世代时间的研究 ,我们在研究中采用了通常假设的两年一代的世代时间(g)。因此,计算得出每代每个核苷酸的突变率 为 。
我们利用PSMC(v0.6.5 - r67) 来推断有效种群大小的历史 。最初,我们分别使用SAMtools的’mpileup’和BCFtools(v1.4) 的’call’,并分别设置参数’-C50’和’-d 3 -D 100’,为每个样本生成高质量的二倍体一致性序列。随后,使用’fq2psmcfa’并设置参数’-q20’将一致性序列转换为类似FASTA的格式。最后,使用PSMC并设置参数’-N25 -t15 -r5 -p 4+25*2+4+6’,经过20轮自举法来推断有效种群大小(Ne)的历史,并且已根据 的突变率和两年的世代时间对Ne和时间进行了缩放。
对 巨蛎(Crassostrea gigas)中代谢物的定量分析
为了对氧化三甲胺(TMAO)和几种相关代谢物(包括三甲胺(TMA)、甜菜碱、胆碱和L-肉碱)进行定量分析,我们采用了超高效液相色谱串联质谱法(UPLC - MS/MS)。选取了2021年在8167 - 8169米和10893 - 10895米深度采集的共计 只大王具足虫(Bathynomus gigas)个体进行化学分析(表S3)。由于大多数大王具足虫个体体型较小,从冷冻标本中分离肠道内容物具有挑战性。因此,在解剖前,使用冻干机BTP - 3ESEOX(美国SP Scientific公司)对冷冻样本进行冻干处理。其中,由于两只标本的肠道内容物数量有限,将它们的肠道内容物合并。最后,我们获得了20份身体组织样本和19份肠道内容物样本。在上海的代谢物组学技术服务平台Metabo - Profile,使用ACQUITY UPLC H - Class/Xevo TQ - XS MS/MS(美国马萨诸塞州米尔福德市的沃特世公司)对氧化三甲胺和相关代谢物进行定量分析。简而言之,将样本在冰上解冻,每份样本取约10毫克进行匀浆处理。使用含有 内标的 甲醇溶液提取代谢物。仪器参数如下:沃特世ACQUITY UPLC HILIC色谱柱(100毫米 );柱温设定为 ;样品管理器温度设定为 ;流动相A为含 甲酸的水;流动相B为含10 mM甲酸的乙腈;梯度条件为0 - 1分钟(95% B),1 - 4.5分钟(95% - 80% B),4.5 - 6分钟(80% - 40% B),6 - 7分钟(40% B),7 - 7.5分钟(40% - 95% B);流速为0.40毫升/分钟;进样体积为2.0微升。通过混合样本制备质量控制样本,每运行10个样本就运行一次质量控制样本。使用MassLynx(V4.1,美国马萨诸塞州米尔福德市的沃特世公司)进行原始数据采集、峰积分、校准和每种代谢物的定量分析。
对 巨蛎(. gigas)微生物组成和功能的估计
为了估算巨海蝎( . gigas)的微生物组成,使用Sentieon将622只巨海蝎个体的清洁读段(clean reads)与宿主基因组进行比对。提取未比对上的读段,并将其视为微生物宏基因组数据。然后,使用BBmap v38.95中的“BBDuk” ,针对Greengene 16S rRNA序列数据库(v13_5),以参数‘k = 31’对未比对上的读段进行修剪。为了估算微生物丰度,将修剪后的读段作为候选微生物读段,使用VSEARCH(v2.14.2) ,以参数’-usearch_global’和序列同一性 与16S rRNA序列数据库进行比对,然后为每个群体生成分类学丰度谱。使用Squeegee(v0.1.3) 识别并去除微生物污染物。过滤掉绝对读段 的个体,并剔除个体数少于8个的物种。最后,保留了来自马里亚纳海沟(Mariana Trench)的123个样本和来自雅浦海沟(Yap Trench)的17个样本,并使用合并后的分类学丰度谱计算属丰度。为了进一步验证微生物组成和丰度,使用MetaPhIAn4(v4.1.1) ,基于从未比对的重测序读段中分离出的微生物宏基因组数据,对巨海蝎中的微生物群落组成进行表征。
接下来,我们对巨海蝎(Halicephalobus gigas, )的共生微生物进行了宏基因组组装和功能分析。使用megahit(v1.2.9) 软件,以参数“-min-count 2 -k-min 23 -k-max 103 -k-step 20”对先前选定的140个样本的微生物宏基因组读数进行宏基因组从头组装。利用MetaWRAP(v1.1.5) 的“binning”和“bin_refinement”模块,基于MaxBin2(v.2.2.6) 、MetaBAT2(v.2.12.1) 和CONCOCT(v1.1.0) 算法提取宏基因组组装基因组(MAGs)。此外,使用Minimap2将PacBio HiFi - CCS读数映射到巨海蝎宿主基因组上,将比对长度小于50%或一致性小于90%的HiFi - CCS读数分离出来,作为候选微生物HiFi - CCS读数。使用Metaflye(v2.8.1 - b1676) 和metaMDBG(v0.3) 将HiFi - CCS读数组装成微生物重叠群,然后使用MetaBAT2(v.2.12.1) 从组装的重叠群中恢复微生物基因组。使用CheckM(v1.0.12) 评估微生物基因组质量,并选择质量得分 (质量得分 完整性 污染率)符合要求的基因组,使用dRep(v2.6.2) 软件,以参数“-comp 50 - con 10 - pa 0.9 - S_ani 0.99 - cov_thresh 0.3”构建巨海蝎的非冗余共生微生物基因组目录。使用GTDB_tk(v2.4.0,GTDB版本220) 的classify_wf工作流程对非冗余基因组目录进行分类学分类。最后,获得了44个MAGs,其中包括一个高质量的嗜冷单胞菌属(Psychromonas)基因组(完整性 = 95.14%,污染率 = 1.2%)。使用CoverM(v0.4.0)估算微生物基因组丰度,并基于从GTDB_tk中鉴定出的120个普遍分布的单拷贝基因,使用FastTree(v2.1.10) 构建这44个基因组的系统发育树。使用Prokka(v1.14.6) 预测这些基因组的编码序列,并使用kofamscan(v1.3.0) 针对KEGG数据库和MEGAN2(v6.7.8) 针对SEED数据库进行功能注释,以对氧化三甲胺(TMAO)代谢和其他深海适应相关基因进行分类。
逆转录聚合酶链式反应(Reverse transcription PCR)验证
为验证基因表达,我们选择了九名嗜冷单胞菌(Psychromonas)丰度最高的个体。使用TRIzol试剂(美国英杰公司(Invitrogen))从腹节中提取总RNA。根据制造商的方案,使用带有基因组DNA(gDNA)去除剂的PrimeScript 快速反转录试剂试剂盒(中国宝日公司(Takara)),对每个样本的2μg总RNA进行反转录。使用Primer Premier v5软件,根据两种嗜冷单胞菌的编码序列设计引物(表S3)。聚合酶链式反应(PCR)在 体积中进行,包含 GoldenStar T6超级PCR混合液(中国擎科公司(Tsingke))、每种正向和反向引物各1 以及 模板互补DNA(cDNA)。扩增程序如下:初始变性在 下进行 ,随后进行35个循环,每个循环包括在 下变性10秒、在 至 之间的温度下退火10秒、在 下延伸10秒,最后在72°C下延伸5分钟。PCR产物在1.5%的琼脂糖凝胶上进行可视化分析。每个样本均进行三次重复验证。
量化与统计分析
统计分析方法在相应的《STAR实验方法》部分或图注中进行了描述。
补充图

图S1. 基因组组装与评估,与图1相关
(A) 使用GenomeScope对两个 . gigas个体进行的基因组调查。
(B) 31条锚定假染色体的Hi - C热图。
(C)基于PacBio HiFi - CCS测序读段的minimap2比对结果,巨海蝎(H. gigas)基因组组装的位置覆盖分布。
(D)13个物种之间基因集长度的比较。

(图例见下一页)
图S2. 利用主成分分析(PCA)和单倍型网络分析马里亚纳海沟巨海蝎( . gigas)个体的种群结构和迁移情况,与图2相关
(A)按年份和深度对11个马里亚纳海沟(MT)组进行主成分分析(PCA),用颜色区分。
(B)COX1和CYTB单倍型网络,显示11个马里亚纳海沟(MT)组中的共享单倍型。圆圈代表不同的单倍型,其相对大小与观察到的频率成正比。颜色对应不同的组。
(C)11个机器翻译(MT)组之间的ABBA - BAB测试。颜色深浅表示 值和显著性。
(D)地理水平距离与遗传距离 之间关系的Mantel检验。 值通过单侧Mantel检验(9999次置换)计算得出。蓝色线是水平距离和遗传距离之间的线性回归拟合线。
(E)曼哈顿图展示了基因 - 环境关联(GEA)分析结果,用于扫描与深度相关的单核苷酸多态性(SNP)。使用Ifmm2和混合线性模型(MLM)方法计算SNP与深度关联的 值。在每次测试中,来自MT的巨海鞘(H. gigas)个体数量为510。虚线表示Bonferroni校正后 值为5%的阈值。

(图例见下一页)
图S3. 来自MT、YT和CBSC的巨海鞘( . gigas)群体的种群格局,与图3相关
(A) 来自马努斯海沟(MT)的510个样本、雅浦海沟(YT)的94个样本和克马德克海沟(CBSC)的18个样本的采样位置。红点表示采样位置,其中马努斯海沟(MT)有11个种群,雅浦海沟(YT)有1个种群,克马德克海沟(CBSC)有1个种群。
(B) 来自马努斯海沟(MT)、雅浦海沟(YT)和克马德克海沟(CBSC)的622只大异钩虾(H. gigas)个体的邻接法(NJ)系统发育树。该树以6只杜比异钩虾(H. dubia)个体为外群进行根节点设定。下方的彩色条形图显示了包括海沟、采样年份、深度和采样站在内的额外种群信息。
(C) 细胞色素氧化酶亚基1(COX1)和细胞色素b(CYTB)单倍型网络显示了11个马努斯海沟(MT)群体中的共享单倍型。圆圈代表不同的单倍型,其相对大小与观察到的频率成比例。颜色对应不同的群体。
(D) 雅浦海沟(YT)的A组和B组的近交系数分布。中间的形状代表平均值,误差线表示标准差。
(E) 通过divMigrate软件推断出11个马努斯海沟(MT)群体、1个雅浦海沟(YT)群体和1个克马德克海沟(CBSC)群体之间的相对迁移水平。
(F)地理距离与遗传距离之间关系的Mantel检验 。 值通过单侧Mantel检验计算得出,进行了9999次置换。蓝色直线是水平距离与遗传距离之间的线性回归拟合线。
(G)一个YT组与11个MT组之间的成对 值分布 以及11个MT组内的成对 值分布 。 值通过双侧Student’s t检验计算得出。中间的图形表示平均值,误差线表示标准差。

图S4. 与图3相关的,来自MT、YT和CBSC的 . gigas群体的采样地点种群格局、基因组分化和自然选择情况
(A)基于通过hapbin软件计算的整合单倍型分数(iHS),在100kb的非重叠窗口内对MT、YT - A、YT - B和CBSC群体进行全基因组正向选择信号扫描。
(B)基于 统计量,在100kb的非重叠窗口内对MT、YT - A、YT - B和CBSC群体进行全基因组正向选择信号扫描,该统计量由RAiSD软件计算得出。
(C)分别对MT、YT - A、YT - B和CBSC群体的整合单倍型分数(iHS)和 统计量进行交集分析。虚线表示前1%的阈值。
(D)使用 统计量(通过BalLeRMix +软件计算)对CBSC、MT、YT - A和YT - B群体进行全基因组平衡选择扫描。虚线表示前1%的显著性水平。由 统计量和 统计量共同支持的潜在平衡选择区域用红点表示。
(E)使用 统计量(通过BetaScan2实现)对CBSC、MT、YT - A和YT - B组进行平衡选择的全基因组扫描。虚线表示前1%的显著性水平。由 统计量和 统计量共同支持的潜在平衡选择区域用红点表示。

图S5. 大珠母贝( . gigas)的共生微生物组成和基因表达,与图4相关
(A)123个MT大珠母贝( . gigas)个体中微生物群落的分类组成。相对丰度是通过从大珠母贝( . gigas)个体的全基因组测序数据中提取的16S rRNA测序读数计算得出的。
(B)基于宏基因组学数据,使用MetaPhIAn4分析大珠母贝(H. gigas)个体在属水平上的微生物群落组成。
(C)来自巨型海葵(H. gigas)共生嗜冷单胞菌(Psychromonas)的四个氧化三甲胺(TMAO)代谢相关基因(torY、torZ、cutC和cutD)和三个纤维素代谢相关基因(K02759,酶编号:2.7.1.205,纤维二糖转运蛋白celB;K01222,酶编号:3.2.1.86,磷酸纤维二糖酶;以及K05349,酶编号:3.2.1.21,纤维二糖酶)的逆转录聚合酶链反应(RT - PCR)实验。
(C)基因PSMD1(蛋白酶体26S亚基,非ATP酶1)的一个例子,即Hgig_12409,由于大量重复序列插入导致内含子长度较长。通过使用综合基因组浏览器(IGV)可视化比对的PacBio HiFi - CCS读数,显示该区域无组装错误。(D)163个无脊椎动物基因组组装中串联重复序列(TRs)单元长度比例的分布。
(E)163个无脊椎动物基因组组装的基因组大小与串联重复序列百分比之间的关系。
另见图S1和表S1。 ↑
超深渊带
表观信息
Rhotekin-1 是一种新型相互作用蛋白,也是 TRPC6 活性的调控因子
2026-11-20
2026-11-19
褐飞虱体内细菌内共生菌通过叶酸介导的DNA甲基化抑制解毒作用
2026-11-18
2026-11-17
2026-11-17
2026-11-15
艾维缔官网
艾德官网
B站IVDSHOW
抖音军哥聊表观
视频号艾维缔
小红书艾维缔
快手表观盒子
表观遗传学
联系我们