基于边, 节点信息融合网络社团挖掘算法的海洋微生物作用模式.docVIP

基于边、节点信息融合网络社团挖掘算法的海洋微生物 张绍武*, 丁鹏, 张庭赫 西北工业大学自动化学院, 西安 710072 * 联系人 E-mail: zhangsw@ 2013-01-06收稿, 2013-03-19接受 国家自然科学基金资助 摘要 随着基因测序技术快速发展, 产生了大量海洋微生物数据未培养(难培养)海洋微生物研究成为可能. 常用的统计学方法和统计分析软件, 无法深度挖掘隐含在这些大量数据中的海洋微生物作用模式及种群组成多样性. 定义边重要性测度及节点重要性测度, 确定社团核心节点, 基于节点-社团置信度, 提出整合边、节点信息网络社团挖掘算法(CDIEV), 并对春、夏、秋、冬季节下的海洋微生物作用模式进行了研究. 首先采用ESPRIT算法将16S rRNA基因序列聚类成微生物操作分类单元(OTU), 基于Spearman相关性及P值分别构建春、夏、秋、冬季微生物作用网络. CDIEV算法仿真结果及网络拓扑参数分析表明: 春、夏、秋、冬海洋微生物作用网络具有复杂网络“小世界”和“无尺度”特性; 个季节下的海洋微生物作用模式存在一定的差异; CDIEV算法可有效挖掘网络社团, 但挖掘结果受添加阈值影响. 海洋微生物操作分类单元边重要性测度节点重要性测度节点-社团置信度 海洋微生物是海洋生态系统中的重要组成部分, 对海洋微生物种群作用模式多样性、组成多样性及功能多样性开展研究, 将有助于人们认识海洋微生物的分布特征及其在海洋生态系统中的功能和所扮演的角色, 对深入开展海洋生态环境研究具有重要的意义[1~4]. 现代微生物学研究表明, 99%以上的海洋微生物目前不能(或很难)被纯培养, 也就是说目前对海洋微生物的认知只占其总量的l％[1]. 近几年, 随着微生物基因组学、PCR和高通量、低成本测序技术的发展, 环境基因组学(metagenomics)推动了海洋微生物多样性研究的快速发展. 运用环境基因组学技术(如16S/18S rRNA基因序列分析)研究海洋微生物生态系统, 不仅可以获得有关海洋微生物生理多样性和生物功能的详细信息, 还有助于了解微生物如何响应环境胁迫, 并将其应用于海洋病害防治. 16S rRNA 基因是细菌染色体上编码rRNA相对应的DNA序列, 存在于所有细菌的染色体基因组中, 由于其高信息量、高保守性、与大多数生理、遗传标记一致, 16S rRNA 基因检测技术已经成为微生物种群多样性及作用模式研究的有力工具. 如Hewson等[5]在澳大利亚莫顿湾的个点上样本, 细菌浮游生物16S/23S rRNA序列, 在不同序列相似度阈值水平上生成微生物操作分类单元OTU), 通过统计OTU在不同采样点的丰度值研究不同地点海洋微生物种群分布特性uhrman等等判别分析(DFA)、时间序列分析(TSA)、多元回归分析(MRA)等多种统计方法美国加州南部海域Andersson等[9]在波罗的海altic Sea)海域一个采样位点上进行8次表层海水采样, 时间跨度长达年, 269420条细菌浮游生物16S rRNA序列97%序列相似水平下4624个OTU, Spearman秩相关性分析了OTU与环境因子的作用模式; Gilbert等[10~12]在2003~2008年从西英海峡观测站L4采样点采集76个表层海水样本, 968140条16S rRNA序列, 采用α-多样性计算、判别分析等统计方法分析了不同下的海洋微生物分布, 发现了丰度值最高分布最广泛的微生物种群, 并且得出了微生物种群在不同季节下的分布差异较大, 而不同年份间分布差异小的结论. 这研究为分析海洋微生物种群组成多样性、物种间复杂联系多样性及生物功能提供了基础. 然而这些研究大多基于统计学, 无法深度挖掘隐含在这些大量数据中的海洋微生物. 一般说来, 同一个生态系统下的各个物种间存在共生、寄生、捕食和竞争种关系, 物种之间的关系可以通过种群数量随时间的变化趋势来判断, 当两个物种之间的数量呈严格同步变化时, 它们可能存在共生关系. 本文以季节为时间单位, 分别构建春、夏、秋、冬个季节下的OTU-OTU作用网络, 通过复杂网络挖掘方法研究海洋微生物的作用模式1 数据集和方法 1.1 数据集 本文16S rNA数据来自文献, 采样点为Western Channel Observatory L4, 在2003年1月到2008年12月共采集76个样本, 通过V6 16S rNA扩增及焦磷酸测序, 获得968140条16S rNA序列, 这些序列可从VAMPS(/index. php)上下载. 其春(4~6月)、夏(7~9月)、秋(10~12月)、冬(1~3月)16S rRNA序列