Séquençage du métagénome et 768 génomes microbiens du suintement froid en mer de Chine méridionale

Données scientifiques volume 9, Numéro d'article : 480 (2022) Citer cet article

2057 accès

3 Citations

5 Altmétrique

Détails des métriques

Les communautés microbiennes de suintement froid sont des écosystèmes fascinants sur Terre qui fournissent des modèles uniques pour comprendre les stratégies de vie dans des environnements distincts en eaux profondes. Dans cette étude, 23 métagénomes ont été générés à partir d'échantillons prélevés dans le champ de suintement froid du Site-F en mer de Chine méridionale, y compris l'eau de mer juste au-dessus des communautés d'invertébrés, les fluides de suintement froids, les fluides sous les communautés d'invertébrés et la colonne de sédiments autour de l'évent de suintement. En regroupant les outils, nous avons récupéré un total de 768 génomes assemblés par métagénome (MAG) qui ont été estimés à plus de 60 % complets. Parmi les MAG, 61 ont été estimés à plus de 90 %, tandis que 105 autres étaient à plus de 80 %. L'analyse phylogénomique a révélé 597 MAG bactériennes et 171 archées, dont presque toutes étaient apparentées de loin à des isolats cultivés connus. Dans les 768 MAG, les bactéries abondantes au niveau du phylum comprenaient les protéobactéries, les Desulfobacterota, les Bacteroidota, les Patescibacteria et les Chloroflexota, tandis que les archées abondantes comprenaient les Asgardarchaeota, les Thermoplasmatota et les Thermoproteota. Ces résultats fournissent un ensemble de données disponibles pour une interrogation plus approfondie de l'écologie microbienne des grands fonds.

Des mesures)

métagénome génomes assemblés

Type(s) de technologie

séquençage du métagénome et binning du génome

Caractéristique de l'échantillon - Organisme

micro-organisme

Caractéristique de l'échantillon - Environnement

biome de suintement froid marin

Caractéristique de l'échantillon - Emplacement

Mer de Chine méridionale

Les suintements froids sont des manifestations du fond marin de la migration de fluides riches en méthane depuis le sous-sol sédimentaire et soutiennent des communautés uniques via des interactions chimiosynthétiques alimentées1. Les micro-organismes habitant les suintements froids transforment l'énergie chimique du méthane en produits qui entretiennent de riches communautés benthiques autour des fuites de gaz2. L'utilisation de méthodes de séquençage de nouvelle génération a considérablement amélioré les connaissances sur les microbiomes de suintement et fera progresser l'écologie microbienne du modèle de distribution microbienne de la diversité à la stratégie de survie adaptative dans les environnements marins profonds.

Le suintement froid du site F (également connu sous le nom de Formosa Ridge) est l'un des suintements froids actifs sur le versant nord-est de la mer de Chine méridionale (SCS)3, où l'hydrate de gaz naturel a été exposé sur le fond marin et était recouvert de communautés chimiosynthétiques comprenant principalement des moules d'eau profonde et des crabes galatheidés4. Les caractères géochimiques ont été illustrés par la détection in-situ à l'aide du système développé de sonde d'insertion Raman (RiP) et de capteurs intégrés5,6,7. Les variations horizontales et verticales des concentrations de méthane ont montré des tendances contrastées dans les champs depuis le centre des communautés florissantes jusqu'à la marge des sédiments6. Aucun pic CH4 ou H2S Raman n'a été détecté dans les fluides de suintement froids, tandis que du CH4 dissous a été identifié dans les fluides sous les communautés chimiosynthétiques luxuriantes, et les profils d'eau interstitielle des sédiments collectés près du suintement froid ont été caractérisés par la perte de SO42− et une augmentation des pics de CH4, H2S et HS−5,7. Comme les communautés microbiennes des suintements froids en haute mer sont souvent façonnées par des composants géochimiques dans les solutions de suintement, nous avons prélevé des échantillons du champ de suintement froid du Site-F en 2017, y compris l'eau de mer juste au-dessus des communautés d'invertébrés, les fluides de suintement froids, les fluides sous les communautés d'invertébrés et la colonne de sédiments autour de l'évent de suintement (Fig. 1 et Tableau 1). Les métagénomes ont été séquencés avec la plate-forme Illumina HiSeq X Ten, chaque métagénome produisant environ 52,7 Gbps à 80,6 Gbps de bases propres (tableau 2). Nous avons en outre obtenu 768 génomes assemblés par métagénome (MAG) de bactéries et d'archées environnementales estimés à> 60% complets et <20% de contamination (tableau supplémentaire 1). Parmi les MAG, 61 ont été estimés à plus de 90 %, tandis que 105 autres étaient à plus de 80 %. Il y avait 59 MAG de haute qualité (complétude > 90 % et contamination < 5 %), représentant 7,68 % du total. Les archées méthanotrophes anaérobies (ANME), les bactéries méthanotrophes aérobies Methylococcales, les Desulfobacterales sulfato-réductrices, ainsi que les Campylobacterales et Thiotrichales oxydant les sulfures (tableau supplémentaire 2), correspondent bien aux métabolismes microbiens les plus favorables aux suintements de méthane en termes d'apport de substrat. Pendant ce temps, l'analyse phylogénomique suggère que cet ensemble de projets de génomes comprend des génomes très recherchés qui manquent de représentants cultivés, tels que les archées Bathyarchaeota (30), Aenigmarchaeota (29), Heimdallarchaeota (20) et Pacearchaeota (10), et les bactéries Patescibacteria (44), WOR-3 (23), Zixibacteria (13), Marinisomatota (12) et Eisenbacteria. (6) et al. (Fig. 2). En outre, il existe également de nouveaux phylums potentiels, notamment NPL-UPA2 (7), UBP15 (4), FCPU426 (2) et SM23–31 (2) et al. Tous les projets de génomes assemblés par métagénome non redondants décrits ici ont été déposés au National Center for Biotechnology Information (NCBI). Ces données fourniront, espérons-le, une ressource pour l'analyse en aval agissant comme références pour la génomique comparative à grande échelle au sein de groupes phylogénétiques vitaux à l'échelle mondiale, tout en permettant l'exploration de nouveaux métabolismes microbiens.

Processus de collecte d'échantillons et d'analyse des données. (a) Emplacement et zone d'échantillonnage dans le champ de suintement froid dans le nord de la mer de Chine méridionale. ( b ) Aperçu schématique de l'échantillonnage et de l'analyse métagénomique effectués dans cette étude. Chaque rectangle symbolise des processus contenant des descriptions (en gras), des méthodes ou des outils utilisés dans l'analyse correspondante.

Diversité phylogénétique de 768 génomes assemblés par métagénome (MAG) provenant de suintements froids en mer de Chine méridionale (tableau supplémentaire 2) et génomes de référence de bactéries et d'archées disponibles dans RefSeq (tableau supplémentaire 3). La barre d'échelle correspond à 3,00 substitutions par position d'acide aminé. Le nombre de brouillons de génomes dans chaque nœud est fourni. Les branches à points rouges n'ont pas de représentants cultivés.

Des échantillons ont été récupérés d'un champ de suintement froid dans le nord du SCS par le navire de recherche KEXUE lors de la croisière de septembre 2017 (Fig. 1 a et Tableau 1). L'eau située juste au-dessus des communautés d'invertébrés a été collectée par un cylindre d'échantillonnage d'eau in situ équipé d'un véhicule télécommandé (ROV) FAXIAN au cours des plongées 164 et 165 (ID d'échantillon : SW_1 et SW_2, respectivement). Le fluide de suintement froid a été collecté au niveau des panaches de gaz lors de la plongée 166 (échantillon ID : SW_3), et le fluide sous les communautés d'invertébrés a été collecté lors de la plongée 167 (échantillon ID : SW_4). Environ 15 L d'eau de chaque échantillon ont été filtrés à travers une membrane en polycarbonate de 0,22 μm (Millipore, Bedford, MA, USA). Les membranes ont été stockées à -80 ° C et utilisées pour l'extraction de l'ADN. Une carotte de sédiment a été recueillie par ROV dans la zone de sédiments réducteurs à proximité des communautés d'invertébrés au cours de la plongée 157. Une fine couche externe (< 1 cm) de la carotte de poussée a été rejetée pour éviter la contamination. La carotte noire de sédiments réduits, d'une longueur de 20 cm, a été découpée en couches tous les deux centimètres à l'aide d'un équipement de carotteuse (ID d'échantillon : RS_1 ~ RS_10). Une autre carotte de sédiment a été prélevée sur le même site par un système de carottage long contrôlable et contrôlable léger en haute mer8, et les couches d'échantillons de 0 à 300 cm sous le fond marin (cmbsf) ont été prélevées à partir de la carotte de sédiment et découpées en sous-échantillons de 35 cm (ID d'échantillon : RS_11 ~ RS_19). Tous les sous-échantillons ont été stockés à -80 ° C jusqu'à l'extraction de l'ADN. Les données environnementales (CH4, H2S et SO42−) ont été détectées in situ par un spectromètre laser Raman en haute mer monté avec le ROV dans le rapport précédent5,9.

Un aperçu schématique du flux de travail dans cette étude a été présenté à la Fig. 1b. L'ADN génomique de 2,5 g de chaque sous-échantillon de sédiment a été extrait à l'aide du kit d'isolement d'ADN PowerSoil (QIAGEN). L'ADN génomique des filtres de 0,22 μm a été extrait à l'aide du kit d'isolation d'ADN PowerWater (QIAGEN). L'ADN a été examiné par électrophorèse sur gel et la concentration d'ADN a été mesurée à l'aide du kit d'analyse d'ADN double brin Qubit® dans le fluoromètre Qubit® 2.0 (Life Technologies, CA, USA). La valeur OD est comprise entre 1,8 et 2,0, les contenus en ADN supérieurs à 0,4 μg sont utilisés pour construire la bibliothèque (tableau 2).

Le séquençage métagénomique a été réalisé au Novogene (Tianjin, Chine) en utilisant les protocoles Illumina 2 × 150 PE sur une plateforme Illumina HiSeq X Ten. Le prétraitement des données brutes obtenues à partir de la plate-forme de séquençage à l'aide de Readfq v8 (https://github.com/cjfields/readfq) a été effectué pour acquérir les données propres pour une analyse ultérieure. Les données propres des 23 échantillons sont disponibles au NCBI Genbank (SRA) sous les numéros d'accès SRR13892585 ~ SRR13892607 (tableau 2) et dans le numéro d'accès BioProject PRJNA707313.

L'assemblage initial de novo a été réalisé à l'aide de MEGAHIT v1.1.3 avec les paramètres par défaut10. Les assemblages génomiques courts (< 1 000 pb) qui auraient pu biaiser l'analyse ultérieure ont d'abord été exclus. Les génomes ont ensuite été regroupés en fonction de leur fréquence de tétranucléotides, de leur couverture différentielle et de leur contenu en GC, ainsi que de l'utilisation des codons, à l'aide de différents outils de regroupement, notamment MetaBAT 2, MaxBin 2.0 et CONCOCT mis en œuvre par le pipeline MetaWRAP v1.2.1 (paramètres par défaut) (tableau supplémentaire 1)11,12,13. Les résultats de binning ont été affinés à l'aide du package MetaWRAP (paramètres : -c 60 -x 20)14 et tous les ensembles de bacs produits ont été agrégés et dérépliqués à 95 % d'identité nucléotidique moyenne (ANI) à l'aide de dRep v2.3.2 (paramètres : -comp 60 -con 20 -sa 0,9)15. La classification taxonomique de chaque bac a été déterminée par CheckM v1.0.3 et GTDB-Tk avec des paramètres par défaut (tableau supplémentaire 2)16,17. L'évaluation de la qualité des bacs (complétude > 60 % et contamination < 20 %) des différents bacs a ensuite été réalisée par CheckM v1.0.3 (paramètres : lineage_wf)17. Ensuite, les bacs sélectionnés pour chaque échantillon ont été réassemblés à l'aide de métaSPAdes mis en œuvre via le pipeline MetaWRAP14,18. Les régions codantes des MAG finaux ont été prédites avec le Prodigal v2.6.3 (mode métagénome -p meta)19. Tous les gènes prédits ont été recherchés dans la base de données nr et la base de données procaryote KEGG à l'aide de diamant blastp (paramètres : -e 1e-5 – id 40)20,21. Les données de tous les MAG sont disponibles à l'Assemblée NCBI sous les numéros d'accession JAGLBO000000000 ~ JAGMFB000000000 (tableau supplémentaire 1).

Les 768 brouillons de génomes et les 208 séquences de référence du génome accessibles à partir de NCBI GenBank (tableau supplémentaire 3) ont été combinés pour trouver des orthologues pour l'analyse phylogénétique par Orthofinder (paramètres par défaut)22. Chaque orthologue a été aligné à l'aide de MUSCLE v.3.8.31 (paramètres :–maxiters 16)23, coupé à l'aide de trimAL v.1.2rev59 (paramètres : -automated1)24 et évalué manuellement. L'arbre génétique de chaque orthologue a été construit à l'aide de FastTree v2.1.9 (paramètres : -gamma -lg;)25. L'arbre d'espèces final a été déduit sur la base de 40 080 arbres génétiques à l'aide de STAG v1.0.0 (https://github.com/davidemms/STAG) et a été visualisé et annoté à l'aide de FigTree v1.4.3 (http://tree.bio.ed.ac.uk/software/figtree/) (Fig. 2).

Ce projet a été déposé à DDBJ/ENA/GenBank sous le n° d'accession BioProject. PRJNA707313, avec la Sequence Read Archive déposée sous les accessions SRR13892585~SRR1389260726,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48. D'autres données sont disponibles via figshare49, y compris les fichiers fasta contenant les contigs de tous les 768 MAG, le format newick de l'arbre phylogénétique.

La contamination potentielle des échantillons a été limitée en suivant les directives pour les analyses des communautés de microbiote50,51. En bref, les échantillons ont été prétraités dans une station stérile du laboratoire du navire de recherche KEXUE. Les extractions d'ADN ont eu lieu dans un espace de laboratoire dédié sous une hotte à flux laminaire en utilisant des techniques aseptiques (telles que la stérilisation de surface, l'ADN-OFF, l'utilisation de vaisselle en plastique stérile et l'utilisation de pointes de pipette à barrière contre les aérosols). Le traitement des échantillons a été achevé en 2 jours, en utilisant le même lot de kit d'isolement d'ADN PowerSoil pour tous les échantillons de sédiments et le kit d'isolement d'ADN PowerWater pour tous les échantillons de filtres à eau. Les lectures Illumina filtrées et découpées ont été évaluées pour leurs qualités de séquençage à l'aide de fastp v0.20.1 (https://github.com/OpenGene/fastp) avec les paramètres par défaut52. Dans tous les échantillons, le score Q pour les lectures de chaque échantillon a été calculé et a montré que plus de 90 % des lectures ont obtenu un score Q30 (tableau 2), ce qui indique que la plupart des lectures ont été construites avec de faibles taux d'erreur. Les données du métagénome ont été assemblées et raffinées en MAG en utilisant les étapes de contrôle de qualité automatisées et les procédures d'assemblage décrites dans le manuscrit. Pour assurer la qualité d'assemblage des contigs, plusieurs kmers (21,29,39,59,79,99,119,141) ont été sélectionnés dans les procédures d'assemblage de MEGAHIT. En ce qui concerne le binning, des normes plus strictes ont été sélectionnées et la séquence après le binning a été réassemblée pour garantir le meilleur résultat.

Les méthodes ci-dessus indiquent les programmes utilisés pour l'analyse dans les sections pertinentes. Le code utilisé pour analyser les packages de données individuels est déposé sur https://github.com/zhcosa/MAGs-from-cold-seep.

Ceramicola, S., Dupré, S., Somoza, L. & Woodside, J. dans Submarine Geomorphology (eds Aaron Micallef, Sebastian Krastel, & Alessandra Savini) 367-387 (Springer International Publishing, 2018).

Ruff, SE et al. Dispersion globale et diversification locale du microbiome de suintement de méthane. Proc. Natl. Acad. Sci. États-Unis 112, 4015–4020 (2015).

Article ADS CAS Google Scholar

Feng, D. et al. Systèmes de suintement froid en mer de Chine méridionale : un aperçu. J. Asian Earth Sci. 168, 3-16 (2018).

Annonces d'article Google Scholar

Zhang, X. et al. Détection Raman in situ des hydrates de gaz exposés sur le fond marin de la mer de Chine méridionale. Géochimie. Géophy. Géosy. 18, 3700–3713 (2017).

Article ADS CAS Google Scholar

Zhang, X. et al. Développement d'une nouvelle sonde à insertion Raman hybride en eaux profondes et son application à la géochimie des fluides hydrothermaux et des suintements froids. Deep-Sea Res. Pt. I 123, 1–12 (2017).

Annonces d'article Google Scholar

Cao, L. et al. Détection in situ de l'hétérogénéité à échelle fine de l'environnement de suintement froid actif de la dorsale Formosa, mer de Chine méridionale. Journal des systèmes marins 218, 103530 (2021).

Article Google Scholar

Du, Z., Zhang, X., Xue, B., Luan, Z. & Yan, J. Les applications de la spectroscopie laser in situ au système de suintement froid en haute mer et de ventilation hydrothermale. Sciences de la Terre solide 5, 153–168 (2020).

Article Google Scholar

Wang, B. et al. Un nouveau système de carottage long contrôlable et contrôlable avec une profondeur d'exploitation maximale de 6000 m. Sciences marines 42, 25–31 (2018).

CAS Google Scholar

Du, Z. et al. Détection quantitative Raman in situ des évents et des fluides de suintement froid dans les communautés chimiosynthétiques de la mer de Chine méridionale. Solid Earth Sciences 5, 153–168 (2018).

Annonces d'article Google Scholar

Li, D., Liu, CM, Luo, R., Sadakane, K. & Lam, TW MEGAHIT : une solution à nœud unique ultra-rapide pour un assemblage métagénomique complexe et de grande envergure via un graphique succinct de Bruijn. Bioinformatique 31, 1674–1676 (2015).

Article CAS Google Scholar

Kang, DD et al. MetaBAT 2 : un algorithme de binning adaptatif pour une reconstruction génomique robuste et efficace à partir d'assemblages de métagénomes. Peer J 7, e7359 (2019).

Article Google Scholar

Nissen, JN et al. Amélioration du regroupement et de l'assemblage du métagénome à l'aide d'auto-encodeurs variationnels profonds. Nat. Biotechnol. 39, 555-560 (2021).

Article CAS Google Scholar

Wu, YW, Simmons, BA & Singer, SW MaxBin 2.0 : un algorithme de regroupement automatisé pour récupérer des génomes à partir de plusieurs ensembles de données métagénomiques. Bioinformatique 32, 605–607 (2016).

Article CAS Google Scholar

Uritskiy, GV, DiRuggiero, J. & Taylor, J. MetaWRAP - un pipeline flexible pour l'analyse des données métagénomiques résolues par le génome. Microbiome 6, 158 (2018).

Article Google Scholar

Olm, MR, Brown, CT, Brooks, B. & Banfield, JF dRep : un outil pour des comparaisons génomiques rapides et précises qui permet une meilleure récupération du génome à partir des métagénomes par déréplication. ISME J. 11, 2864–2868 (2017).

Article CAS Google Scholar

Chaumeil, PA, Mussig, AJ, Hugenholtz, P. & Parks, DH GTDB-Tk : une boîte à outils pour classer les génomes avec la base de données Genome Taxonomy. Bioinformatique 36, 1925-1927 (2019).

PubMed Central Google Scholar

Parks, DH, Imelfort, M., Skennerton, CT, Hugenholtz, P. & Tyson, GW CheckM : évaluation de la qualité des génomes microbiens récupérés à partir d'isolats, de cellules individuelles et de métagénomes. Génome Res. 25, 1043-1055 (2015).

Article CAS Google Scholar

Nurk, S., Meleshko, D., Korobeynikov, A. & Pevzner, PA metaSPAdes : un nouvel assembleur métagénomique polyvalent. Génome Res. 27, 824–834 (2017).

Article CAS Google Scholar

Hyatt, D. et al. Prodigue : reconnaissance des gènes procaryotes et identification du site d'initiation de la traduction. BMC Bioinformatics 11, 119 (2010).

Article Google Scholar

Kanehisa, M. & Goto, S. KEGG : encyclopédie kyoto des gènes et des génomes. Nucleic Acids Res. 28, 27-30 (2000).

Article CAS Google Scholar

Buchfink, B., Xie, C. & Huson, DH Alignement rapide et sensible des protéines à l'aide de DIAMOND. Nat. Méthodes 12, 59–60 (2015).

Article CAS Google Scholar

Emms, DM & Kelly, S. OrthoFinder : inférence d'orthologie phylogénétique pour la génomique comparative. Génome Biol. 20, 238 (2019).

Article Google Scholar

Edgar, RC MUSCLE : alignement de séquences multiples avec une grande précision et un haut débit. Nucleic Acids Res. 32, 1792–1797 (2004).

Article CAS Google Scholar

Capella-Gutierrez, S., Silla-Martinez, JM & Gabaldon, T. trimAl : un outil pour l'ajustement automatisé de l'alignement dans les analyses phylogénétiques à grande échelle. Bioinformatique 25, 1972–1973 (2009).

Article CAS Google Scholar

Price, MN, Dehal, PS & Arkin, AP FastTree 2–arbres à probabilité maximale approximative pour les grands alignements. PLoS One 5, e9490 (2010).

Annonces d'article Google Scholar

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892585 (2022).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892586 (2022).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892587 (2022).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892588 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892589 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892590 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892591 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892592 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892593 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892594 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892595 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892596 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892597 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892598 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892599 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892600 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892601 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892602 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892603 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892604 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892605 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892606 (2021).

Archive de lecture de séquence NCBI https://identifiers.org/ncbi/insdc.sra:SRR13892607 (2021).

Zhang, H. et al. Séquençage du métagénome et 768 génomes microbiens du suintement froid en mer de Chine méridionale, figshare, https://doi.org/10.6084/m9.figshare.16625644.v1 (2022).

Eisenhofer, R. et al. Contamination dans les études sur le microbiome à faible biomasse microbienne : problèmes et recommandations. Tendances Microbiol. 27, 105-117 (2019).

Article CAS Google Scholar

Salter, SJ et al. La contamination des réactifs et des laboratoires peut avoir un impact critique sur les analyses du microbiome basées sur les séquences. BMC Biol. 12, 87 (2014).

Article Google Scholar

Chen, S., Zhou, Y., Chen, Y. & Gu, J. fastp : un préprocesseur FASTQ tout-en-un ultra-rapide. Bioinformatique 34, i884–i890 (2018).

Article Google Scholar

Télécharger les références

Nous reconnaissons le soutien du navire de recherche KEXUE de la National Major Science and Technology Infrastructure de l'Académie chinoise des sciences (CAS) et de Canter for Ocean Mega-Science, CAS. Nous sommes particulièrement reconnaissants aux pilotes et à l'équipage de FAXIAN ROV. Nous remercions également tous les membres du laboratoire pour leurs conseils techniques et leurs discussions utiles. Ce travail a été financé par le Marine S&T Fund of Shandong Province for Pilot National Laboratory for Marine Science and Technology (Qingdao) (2022QNLM030004-3), la National Natural Science Foundation of China (42030407 et 42076091) et le Senior User Project of RV KEXUE (KEXUE2021GH01 et KEXUE2019GZ06).

Ces auteurs ont contribué à parts égales : Huan Zhang, Minxiao Wang.

Center of Deep Sea Research & CAS Key Laboratory of Marine Ecology and Environmental Sciences, Institute of Oceanology, Chinese Academy of Sciences, Qingdao, 266071, Chine

Huan Zhang, Minxiao Wang, Hao Wang, Hao Chen, Lei Cao, Zhaoshan Zhong, Chao Lian, Li Zhou et Chaolun Li

Center for Ocean Mega-Science, Académie chinoise des sciences, Qingdao, 266071, Chine

Huan Zhang, Minxiao Wang, Hao Wang, Hao Chen, Lei Cao, Zhaoshan Zhong, Chao Lian, Li Zhou et Chaolun Li

Université de l'Académie chinoise des sciences, Pékin, 100049, Chine

Chaolun Li

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

MW, HZ et CL ont conçu l'étude. MW, HZ, HC, LC, CL et ZZ ont collecté les échantillons. MW, HZ, HC, HW et LZ ont effectué l'analyse. HZ et MW ont rédigé le document et préparé la figure et les tableaux. Tous les co-auteurs ont commenté le manuscrit final.

Correspondance à Chaolun Li.

Les auteurs ne déclarent aucun intérêt concurrent.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International License, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, tant que vous donnez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Zhang, H., Wang, M., Wang, H. et al. Séquençage du métagénome et 768 génomes microbiens de suintement froid en mer de Chine méridionale. Sci Data 9, 480 (2022). https://doi.org/10.1038/s41597-022-01586-x

Télécharger la citation

Reçu : 14 avril 2022

Accepté : 21 juillet 2022

Publié: 06 août 2022

DOI : https://doi.org/10.1038/s41597-022-01586-x

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Données scientifiques (2023)

Données scientifiques (2022)