Articulo de referencia

Variante de secuencia de amplicón

Una variante de secuencia de amplicón (ASV) es cualquiera de las secuencias de ADN individuales inferidas que se obtienen de un análisis de alto rendimiento de genes marcadores ...

Una variante de secuencia de amplicón (ASV) es cualquiera de las secuencias de ADN individuales inferidas que se obtienen de un análisis de alto rendimiento de genes marcadores . Dado que estos análisis, también llamados "lecturas de amplicón", se generan tras la eliminación de secuencias erróneas producidas durante la PCR y la secuenciación, el uso de ASV permite distinguir la variación de secuencia mediante un único cambio de nucleótido . Entre las aplicaciones de las ASV se incluyen la clasificación de grupos de especies según sus secuencias de ADN, la detección de variaciones biológicas y ambientales, y la determinación de patrones ecológicos.

Los ASV fueron descritos por primera vez en 2013 por Eren y colaboradores. [ 1 ] Antes de eso, durante muchos años la unidad estándar para el análisis de genes marcadores fue la unidad taxonómica operativa (OTU), que se genera agrupando secuencias en función de un umbral de similitud . En comparación con los ASV, las OTU reflejan una noción de similitud más general. Aunque no existe un umbral único, el valor más comúnmente elegido es el 3%, lo que significa que estas unidades comparten el 97% de la secuencia de ADN. Los métodos ASV, por otro lado, pueden resolver diferencias de secuencia por tan solo un cambio de nucleótido, evitando así por completo las unidades de agrupamiento operacional basadas en la similitud. Por lo tanto, los ASV representan una distinción más precisa entre secuencias.

Las ASV también se denominan variantes de secuencia exacta (ESV), OTU de radio cero (ZOTU), sub-OTU (sOTU), haplotipos u oligotipos. [ 2 ] [ 3 ]

Este gráfico compara las ASV y las OTU. Permite marcar si el método de análisis de genes marcadores es preciso, trazable, reproducible o exhaustivo.
Este gráfico muestra una secuencia real que se secuenció más de cien veces. Los puntos negros representan la nube de errores, y el eje Y indica la frecuencia con la que apareció cada error específico en este conjunto. La línea vertical roja representa el umbral del 3%, lo que significa que todo lo que se encuentra a la derecha de esta línea corresponde a nueva biología y todo lo que se encuentra a la izquierda, a un error. Esto demuestra los errores o la nueva biología que pueden pasar desapercibidos al usar OTU, ya que estas incluyen dichos errores en el umbral de disimilitud del 3%.
Esta es la misma secuencia real que se secuenció más de cien veces, como se muestra en el gráfico anterior. Los puntos negros representan la nube de errores, y el eje Y indica la cantidad de veces que apareció ese error específico en este conjunto. Este diagrama muestra cómo las ASV evitan que estos errores asociados con las OTU se incluyan en el conjunto de datos, ya que limitan los errores a estar por debajo de la línea curva negra, y los nuevos datos biológicos se encuentran por encima de dicha línea. Esto significa que las ASV son más precisas al medir las diferencias entre secuencias.
Esto demuestra visualmente cómo las OTU detectan lecturas de amplicones erróneas generadas por PCR y secuenciación. Cuando estas secuencias se amplifican en unidades agrupadas, estos errores se detectan y se colocan en dichas unidades. Por lo tanto, las OTU captan un conjunto más amplio de datos y pueden agrupar accidentalmente dos secuencias de ADN distintas en la misma unidad, como se observa al mostrar solo dos colores o secuencias de ADN en las OTU en lugar de cuatro colores (secuencias de ADN).
Esto muestra visualmente cómo las ASV eliminan y corrigen errores de la PCR, en comparación con el diagrama de OTU anterior. Las ASV pueden crear grupos para los cuatro colores o secuencias de ADN observadas. Esto permite que las ASV sean más precisas en la detección de variaciones de secuencia.

Usos de ASV frente a OTU

La introducción de los métodos ASV estuvo marcada por un debate sobre su utilidad. Si bien las OTU no proporcionan mediciones tan precisas y exactas de la variación de secuencia, siguen siendo un enfoque aceptable y valioso. En un estudio de investigación, Glassman y Martiny confirmaron la idoneidad de las OTU para investigar la diversidad ecológica a gran escala. [ 4 ] Concluyeron que las OTU y las ASV proporcionaban resultados similares, con las ASV permitiendo una detección ligeramente más fuerte de la diversidad fúngica y bacteriana. Su trabajo indicó que, aunque la diversificación de especies se puede medir con mayor precisión con las ASV, el uso de OTU en estudios bien diseñados es generalmente válido para demostrar la diversificación a gran escala.

Algunos han argumentado que las ASV deberían reemplazar a las OTU en el análisis de genes marcadores. Sus argumentos se centran en la precisión, la manejabilidad, la reproducibilidad y la exhaustividad que pueden aportar a dicho análisis. Para estos investigadores, la utilidad de una resolución de secuencia más fina (precisión) y la ventaja de poder comparar fácilmente secuencias entre diferentes estudios (manejabilidad y reproducibilidad) hacen de las ASV la mejor opción para analizar las diferencias de secuencia. Por el contrario, dado que las OTU dependen de las especificidades de los umbrales de similitud utilizados para generarlas, las unidades dentro de cualquier OTU pueden variar entre investigadores, experimentos y bases de datos. Por lo tanto, la comparación entre estudios y conjuntos de datos basados ​​en OTU puede ser muy compleja. [ 3 ]

métodos ASV

Métodos populares para resolver ASV incluyen DADA2, [ 5 ] Deblur, [ 6 ] MED, [ 7 ] y UNOISE. [ 8 ] Estos métodos funcionan en términos generales generando un modelo de error adaptado a una corrida de secuenciación individual y empleando algoritmos que utilizan el modelo para distinguir entre secuencias biológicas verdaderas y aquellas generadas por error.

Referencias

  1. Eren AM, Maignien L, Sul WJ, Murphy LG, Grim SL, Morrison HG, Sogin ML (diciembre de 2013). "Oligotipificación: diferenciación entre taxones microbianos estrechamente relacionados mediante datos del gen ARNr 16S" . Methods in Ecology and Evolution . 4 (12): 1111– 1119. Bibcode : 2013MEcEv...4.1111E . doi : 10.1111/2041-210X.12114 . hdl : 1912/6377 . PMC 3864673. PMID 24358444 .  
  2. Porter TM, Hajibabaei M (enero de 2018). "Ampliación: una guía para enfoques genómicos de alto rendimiento para el análisis de la biodiversidad" . Molecular Ecology . 27 (2): 313– 338. Bibcode : 2018MolEc..27..313P . doi : 10.1111/mec.14478 . PMID 29292539 . 
  3. 1 2 Callahan BJ, McMurdie PJ, Holmes SP (diciembre de 2017). "Las variantes de secuencia exactas deberían reemplazar las unidades taxonómicas operativas en el análisis de datos de genes marcadores" . The ISME Journal . 11 (12): 2639– 2643. Bibcode : 2017ISMEJ..11.2639C . doi : 10.1038/ismej.2017.119 . PMC 5702726. PMID 28731476 .  
  4. Glassman SI, Martiny JB (julio de 2018). "Los patrones ecológicos a gran escala son robustos al uso de variantes de secuencia exactas frente a unidades taxonómicas operacionales" . mSphere . 3 ( 4) e00148-18. doi : 10.1128/mSphere.00148-18 . PMC 6052340. PMID 30021874 .  
  5. Callahan BJ, McMurdie PJ, Rosen MJ, Han AW, Johnson AJ, Holmes (2016). "DADA2: Inferencia de muestras de alta resolución a partir de datos de amplicones de Illumina" . Nature Methods . 13 (7): 581– 583. Bibcode : 2016NatCB..13..581C . bioRxiv 10.1101/024034 . doi : 10.1038/nmeth.3869 . PMC 4927377. PMID 27214047 .   
  6. Amir A, McDonald D, Navas-Molina JA, Kopylova E, Morton JT, Zech Xu Z, et al. (2017-04-25). Gilbert JA (ed.). "Deblur resuelve rápidamente patrones de secuencias comunitarias de nucleótidos únicos" . mSystems . 2 (2) e00191-16. doi : 10.1128/mSystems.00191-16 . PMC 5340863. PMID 28289731 .   
  7. Eren AM , Morrison HG, Lescault PJ, Reveillaud J, Vineis JH, Sogin ML (marzo de 2015). "Descomposición de entropía mínima: oligotipado no supervisado para partición sensible de secuencias de genes marcadores de alto rendimiento" . The ISME Journal . 9 (4): 968–979 . Bibcode : 2015ISMEJ...9..968E . doi : 10.1038/ismej.2014.195 . PMC 4817710. PMID 25325381 .  
  8. Edgar RC (2016-10-15). "UNOISE2: corrección de errores mejorada para la secuenciación de amplicones 16S e ITS de Illumina". bioRxiv 10.1101/081257 .