Метагеномный анализ как инструмент изучения и мониторинга биологического разнообразия в арктических морях


Metagenomic analysis as a tool for studying and monitoring biological diversity in the Arctic Seas

 Ступникова А.Н.¹, Неретина Т.В.², Цетлин А.Б.²

Alexandra N. Stupnikova¹, Tatyana V. Neretina², Alexander B.Tzetlin²
 

¹Институт океанологии имени П.П. Ширшова РАН (Москва, Россия)

²Беломорская биологическая станция имени Н.А. Перцова Биологического факультета МГУ им. М.В. Ломоносова (Москва, Россия)

¹Shirshov Institute of Oceanology RAS (Moscow, Russia)

²Lomonosov Moscow State University (Moscow, Russia)

УДК 574.58

34.35.33

Оперативный мониторинг состояния экосистем ‒ насущная практическая и фундаментальная научная задача. Достоверная оценка состояния биологического разнообразия в морских экосистемах связана с необходимостью иметь точные данные о видовом составе сообществ. Проведен анализ современного состояния развития метода метагеномного анализа для изучения биоразнообразия морей Арктики. Дана оценка развития метода для мониторинга состояния морской биоты.

Ключевые слова: экология; мониторинг; метагеномный анализ; метабаркодинг.

The monitoring of the state of the ecosystems of the Arctic seas is both an urgent practical task in the face of ever-increasing anthropogenic pressure on fragile Arctic ecosystems, and a fundamental scientific task, because for its implementation it is necessary to solve a number of important scientific issues. A reliable assessment of the state of biological diversity in marine ecosystems is associated with the need to have accurate data on the species composition of benthic and plankton communities. The development of a method for assessing the biological diversity of marine communities by metagenomic analysis opens up a promising way to solve this problem.

Keywords: ecology; monitoring; metagenomics; metabarcoding.

Введение

Разработка эффективных методов экологического мониторинга морских экосистем высоких широт ‒ один из актуальных аспектов арктических исследований. Нерегулируемая и непредсказуемая антропогенная нагрузка, техногенные катастрофы (один из примеров ‒ разлив нефти при аварии танкера Эксон Валдиз у побережья Аляски) влекут за собой глубокие и продолжительные последствия для арктических акваторий. Помимо этого, наблюдающиеся изменения климата уже вызывают изменения в видовой структуре сообществ. В дальнейшем они могут привести к замещению арктических видов субарктическими и к коренной перестройке арктических бентосных и планктонных экосистем, изменению их продуктивности и необратимым последствиям для более высоких трофических уровней, включая самого человека. Для того чтобы оценить степень толерантности арктических морей к меняющимся условиям и своевременно регистрировать происходящие в ней изменения, необходимо иметь точное представление о состоянии её биологического разнообразия: видовом составе, структуре популяций и способах адаптации арктических гидробионтов к условиям обитания. В настоящее время подобный мониторинг проводится «вручную» с привлечением большого числа специалистов, требует огромных временных затрат и даже при активной работе целого коллектива специалистов оставляет массу вопросов в силу значительного скрытого биологического разнообразия биоты Арктики (видов-двойников и т.п.). Необходимо создать верифицированную методику, позволяющую использовать метагеномный анализ бентосных и планктонных проб из арктических морей Российской Федерации с целью мониторинга биоразнообразия и отслеживания изменений, происходящих в результате техногенной деятельности, экологических катастроф и климатических изменений. Это позволит автоматизировать получение результата, сократит трудозатраты на его получение и позволит избежать ошибок, связанных с трудностями идентификации «скрытого» биологического разнообразия и не всегда достаточной квалификацией специалистов, проводящих традиционный мониторинг. Прямым результатом разработки и применения подобной методики станет более эффективное и безопасное использование природных ресурсов арктического региона.

В работе проведен анализ современного состояния развития метода метагеномного анализа для оценки биоразнообразия экосистем морей Арктики. 

Анализ современного состояния исследований в данной области

Арктический регион и его морские биологические системы в последние десятилетия находятся в центре внимания исследователей многих стран из-за наблюдающихся там климатических изменений и усиления хозяйственной деятельности человека. Изучение арктических пелагических и донных сообществ развернулось в эти годы очень активно (Kosobokova, Hirche, 2016; Degen et al., 2018; Grebmeier et al., 2018; Kosobokova, Pertsova, 2018; Berge et al., 2020; Wiedmann et al., 2020; Weydmann-Zwolicka et al., 2021). Подавляющее большинство биологических исследований проводилось и проводится до сих пор классическими методами зоологии с ручным разбором многочисленных проб бентоса и планктона, последующим определением и подсчетом организмов. Такие исследования требуют многочасовой работы высококвалифицированных специалистов-зоологов с результатом, запаздывающим по сравнению с моментом сбора материала на месяцы, годы, а подчас десятилетия. Специалистов, проводящих такую обработку морского бентоса и планктона, мало не только в России, но и во всем мире. Принимая во внимание, что одной из важнейших задач сегодняшних гидробиологических исследований в Арктике является отслеживание изменений в морских экосистемах (мониторинг их состояния), работы по мониторингу сопряжены с еще более существенными временными и финансовыми затратами, чем обычные экологические съемки. Обработка мониторинговых проб в настоящее время в основном проводится силами коммерческих консалтинговых фирм, в которых обычно нет профильных специалистов для анализа всех необходимых групп животных. Кроме того, в силу специфики их работы, в их задачи не входит описание новых видов и сохранение коллекций. Таким образом, большая часть скрытого биологического разнообразия остается за рамками подобных исследований, что во многом обесценивает их научную значимость.

Использование классических молекулярных методов позволяет выявлять криптические виды (виды-двойники), однако эти методы не применимы к старым сборам, фиксированным формалином, они трудоемки и требуют специального лабораторного оборудования. Проблема состоит в недостаточной наполненности баз молекулярных данных, которые позволили бы сразу получать видовые идентификации, а также подчас в недостоверности определений организмов в этих базах. Использование метагеномного подхода могло бы в корне изменить практику определения организмов для целей экологического мониторинга, снизив на порядок трудозатраты и финансирование, однако у этого метода есть свои ограничения.

Можно привести несколько примеров использования метагеномного анализа для характеристики таксономического состава эукариот водных экосистем (Leray, Knowlton, 2015; Peham et al., 2017; Cordier et al., 2021; Dell’Anno et al., 2021). Показательно, что все большее число исследователей применяет этот подход непосредственно для целей экологического биомониторинга (Dafforn et al., 2014; Zaiko et al., 2015; Blackman et al., 2019; Ji et al., 2020). Первоначальные исследования, выводящие биотические индексы из молекулярных данных, показывают потенциал метагеномного анализа для оценки качества водных экосистем (Dufresne et al., 2019; Garlapati et al., 2019; Zhu et al., 2021). Однако до внедрения метагеномного анализа для реализации регулярных программ биомониторинга, результаты, полученные с его помощью, необходимо сопоставить с данными морфологической идентификации, чтобы можно было обеспечить точные таксономические выводы и верифицировать полученные биотические индексы (Carugati et al., 2015; Cordier et al., 2021). Точность таксономических выводов, полученных в результате применения метагеномного анализа, основана на поиске соответствующих штрих-кодов, праймеров и условий амплификации (Deagle et al., 2014; Radulovici et al., 2021), подходящих для широкого диапазона таксономических групп, представленных в данной экосистеме, и на полноте референсной базы данных. Были предприняты некоторые попытки сравнения таксономических выводов, основанных на морфологических данных и метагеномном анализе, однако их результаты неубедительны, так как в большинстве исследований не применяются оба подхода к одному и тому же образцу и/или они сосредоточены только на конкретной таксономической группе (Cowart et at., 2015; Zimmermann et al., 2015). Два исследования (Elbrecht, Leese, 2015; Dowle et al., 2016) провели методически корректный сравнительный анализ применения метабаркодинга для оценки состава пресноводных беспозвоночных и показали, что этот метод может быть успешно применен для оценки биоразнообразия. Для морских экосистем все исследования пока были сфокусированы только на зоопланктоне (Brown et al., 2015; Rey et al., 2020). Таким образом, разработка методики метагеномного анализа для морских экосистем является новой и перспективной задачей.

Проблема поиска маркеров для видовой идентификации беспозвоночных с применением молекулярно-генетических методов существует давно. Этот вопрос в настоящее время является одной из главных проблем метабаркодинга (Deagle et al., 2014; Radulovici et al., 2021). Вероятнее всего, его необходимо будет решать в каждом конкретном случае отдельно, в зависимости от конкретной задачи. Так, для морских беспозвоночных лучше подойдет один вариант (например, ITS1), а при изучении наземной фауны, возможно, лучшим будет 18S. Предложенный консорциумом IBOL генетический маркер CO1 не оптимален для беспозвоночных по двум причинам.

Во-первых, это технические сложности. В частности, невозможность подбора «универсальных» праймеров для амплификации и секвенирования, так как генетические дистанции между различными группами беспозвоночных высоки. Кроме того, это наличие псевдогенов, амплификация бактериальных (от бактерий-симбионтов, паразитов или просто бактерий из среды обитания) гомологов митохондриальных генов вместо генов таргетных организмов (Siddall et al., 2009).

Вторая группа причин – биологическая. Все больше и больше данных свидетельствует о том, что анализ мтДНК может не отражать эволюционную историю вида или историю популяции. В обзоре (Funk, Omland, 2003) был проведен анализ филогенетических деревьев, построенных по мтДНК для 2319 отдельных видов, при этом парафилия или полифилия была обнаружена у 23% животных. Одна из основных причин этого – митохондриальная интрогрессия (форма гибридизации, при которой гены одного вида проникают в генофонд другого).

И тем не менее, фрагмент СО1 широко используется для баркодинга в различных группах беспозвоночных (Barcode Bulletin, 2015). На настоящий момент в базе данных IBOL аннотировано более 1000 000 последовательностей СО1 представителей царства животных, подобрано более 400 пар праймеров, специфичных для разных таксонов.

Несмотря на описанные выше недостатки применения фрагментов митохондриальной ДНК в качестве маркеров, попытки их использования для метагеномного подхода к изучению и мониторингу биоразнообразия встречаются довольно часто. Плюсы их использования совершенно очевидны – наличие базы данных, которую можно было бы использовать в качестве референсной. Основная проблема в данном случае не только в описанных выше недостатках СО1 как маркера, сколько в большом проценте несоответствий между праймером и последовательностью СО1 у отдельных видов. Генетическое разнообразие мтДНК у беспозвоночных столь высоко, что подобрать праймеры для успешной амплификации фрагмента СО1, общие не только для всех таксонов, но и для всех видов внутри таксона, оказывается невозможным. Таким образом, библиотека СО1 не может дать достаточно полную информацию о представленности видов в пробе. Во многих случаях (в частности, для оценки разнообразия морского планктона) в качестве такого маркера используют фрагмент гена, кодирующего либо 18S, либо 16S рРНК. Во втором случае, чтобы избежать опасности секвенирования псевдогенов, используются данные секвенирования РНК. Для некоторых таксонов в последние годы довольно часто в качестве ядерного маркера используется ITS, в частности для представителей Cnidaria. Применение его для представителей данной группы является успешным, однако во многих других случаях его использование ограничено из-за внутригеномного полиморфизма, связанного с многокопийностью этого маркера, вследствие чего он не может быть использован при секвенировании по Сэнгеру, но применение NGS (высокопроизводительного секвенирования) делает применение этого маркера возможным. Однако для его применения необходимы два условия: создание баз данных для большого числа видов и разработка программного обеспечения для интерпретации полученных данных.

Другой очень важной проблемой в связи с вышесказанным оказывается проблема создания референсных библиотек. Даже в случае применения стандартного СО1 маркера, сведения о его последовательности для многих арктических морских беспозвоночных отсутствуют в базах данных IBOL и GenBank. Что касается последовательностей других генов, они, как правило, представлены в существующих базах данных только для нескольких представителей семейств.

Третьей проблемой, которую необходимо решить для успешного внедрения метабаркодинга в качестве инструмента изучения биологического разнообразия морских беспозвоночных, является верификация этого метода путем сравнения полученных с его применением данных по представленности в пробе тех или иных видов с результатами, полученными при разборе проб традиционными методами с определением и подсчетом организмов специалистами-зоологами.

В настоящее время в большинстве случаев именно в этом направлении ведутся работы по развитию стратегии метагеномного анализа. В качестве маркера выбирают определенный фрагмент (чаще всего 18 или 16S рРНК), далее для конкретной пробы с использованием морфологических методов специалистами по конкретным группам проводится идентификация всех животных в пробе. Для всех представленных видов с помощью секвенирования по Сэнгеру составляется база данных последовательностей генетического маркера. Затем из пробы выделяется тотальная ДНК, проводится получение библиотек для NGS и последующее высокопроизводительное секвенирование. Далее проводится сравнение данных, полученных в результате морфологического анализа и анализа метагенома пробы для оценки достоверности результатов, полученных методом метагеномного анализа (Elbrecht, Leese, 2015; Dowle et al., 2016). По оценкам, основанным на данных о биологическом разнообразии сообществ Белого и Карского моря, а также юго-восточной части Баренцева моря, 400 видов беспозвоночных должно быть достаточно для достоверной оценки разнообразия арктических сообществ.

Разработка методики

В настоящее время нами проведено систематическое описание генетической изменчивости популяций наиболее распространенных видов фауны Белого моря, а в дальнейшем планируется ревизия других районов Арктического региона. В результате нами получены последовательности митохондриального (фрагмента гена СО1) и ядерного (фрагмента гистона 3) маркеров для 244 видов, из них 86 видов Annelida, 4 вида Bryozoa, 16 видов Cnidaria, 1 вид Chaetognatha, 5 видов Chordata, 40 видов Crustaсea, 16 видов Echinodermata и 65 видов Mollusca (Цетлин и др., 2020). В результате генетической ревизии обнаружено семь случаев, когда под одним видовым названием объединялись комплексы видов. На основании генетических данных и впервые обнаруженных морфологических различий описан новый вид рода Cyanea – C. tzetlini  sp. nov. Kolbasova, Neretina (Kolbasova et al., 2015). Также было обнаружено пять случаев митохондриальной интрогрессии (в том числе, у Strongylocentrotus droebachiensis (Echinoidea), Lumbrineris fragilis (Annelida, Lumbrineridae) и Brada inhabilis (Annelida, Flabelligeridae)), что свидетельствует о необходимости использовать ядерные маркеры для изучения биоразнообразия. К настоящему времени на Беломорской биологической станции им. Н.А. Перцова МГУ им. М.В. Ломоносова (ББС МГУ) полностью отлажена работа с применением геномных методов анализа для изучения фауны морских беспозвоночных.

На ББС МГУ при поддержке проекта Российского научного фонда «Научные основы создания Национального банка-депозитария живых систем», Центра Морских Исследований МГУ и Зоологического музея МГУ им. М.В. Ломоносова создана и быстро пополняется коллекция морских беспозвоночных Арктики, насчитывающая в настоящий момент более 10 000 образцов (Беломорский филиал научной коллекции Зоологического Музея МГУ). В коллекции присутствует материал из Белого, Баренцева и Карского морей. В рамках этой коллекции создана коллекция образцов ДНК, выделенных из более чем 4000 морских беспозвоночных, принадлежащих к наиболее массовым видам Белого моря (около 300 видов). Секвенирование по Сэнгеру выбранных фрагментов для видов, уже существующих в нашей коллекции, и тех, что будут собраны, даст возможность создания референсной базы для морских сообществ морей Карского, Белого и Баренцева морей, а также всего Арктического бассейна.

Планируется продолжать работу по оптимизации методики метагеномного анализа арктических сообществ и пополнению референсной базы данных за счет сборов на Беломорской биологической станции им. Н.А. Перцова МГУ им. М.В. Ломоносова и в морских экспедициях Института океанологии им. П.П. Ширшова РАН.

Работа выполнена в рамках государственного задания № FMWE-2021-0009 (сбор материала) и гранта РНФ 21-74-20028 (лабораторный анализ).

Funding: This research was funded by assignment № FMWE-2021-0009 (material collection) and the Russian Science Foundation projects № 21-74-20028 (laboratory analysis).

Автор заявляет об отсутствии конфликта интересов, требующего раскрытия в данной статье.

Список литературы

1. Цетлин А.Б., Неретина Т.В., Жадан А.Э. Таксономическое и генетическое разнообразие беспозвоночных арктических морей. Насущные задачи и новые подходы // Вестник Российского Фонда Фундаментальных Исследований. 2020. №2(106). С. 16–24. DOI: https://doi.org/10.22204/2410-4639-2020-106-02-16-24
2. Barcode Bulletin. 2015. Vol. 6. 30p. URL: http://ibol.org/wp-content/uploads/2015/10/iBOL-Barcode-Bulletin-Oct-2015-Reduced.pdf (дата обращения:09.09.2023)
3. Berge J., Geoffroy M., Daase M., Cottier F., Priou P., Cohen J.H., Johnsen G., McKee D., Kostakis I., Renaud P.E., Vogedes D., Anderson P., Last K.S., Gauthier S. Artificial light during the polar night disrupts Arctic fish and zooplankton behaviour down to 200 m depth // Communications biology. 2020. Vol. 3, №1.  1‒8. DOI: https://doi.org/10.1038/s42003-020-0807-6  
4. Blackman R.C., Mächler E., Altermatt F., Arnold A., Beja P., Boets P., Egeter B., Elbrecht V., Filipe A.F., Jones J.I., Macher J., Majaneva M., Martins F.M.S., Múrria C., Meissner K., Pawlowski J., Schmidt Yáñez P.L., Zizka V.M.A., Leese F., Price B., Deiner K. Advancing the use of molecular methods for routine freshwater macroinvertebrate biomonitoring – the need for calibration experiments // Metabarcoding and Metagenomics. 2019. Vol. 3. P. 49–57. DOI: https://doi.org/10.3897/mbmg.3.34735
5. Brown E.A., Chain F.J., Crease T.J., MacIsaac H.J., Cristescu M.E. Divergence thresholds and divergent biodiversity estimates: can metabarcoding reliably describe zooplankton communities? // Ecology and evolution. 2015. Vol. 5, №11. P. 2234–2251. DOI: https://doi.org/10.1002/ece3.1485
6. Carugati L., Corinaldesi C., Dell'Anno A., Danovaro R. Metagenetic tools for the census of marine meiofaunal biodiversity: An overview // Marine genomics. 2015. Vol. 24. P. 11–20. DOI: https://doi.org/10.1016/j.margen.2015.04.010
7. Cordier T., Alonso‐Sáez L., Apothéloz‐Perret‐Gentil L., Aylagas E., Bohan D.A., Bouchez A., Chariton A., Creer S., Frühe L., Keck F., Keeley N., Laroche O., Leese F., Pochon X., Stoeck T., Pawlowski J., Lanzénal A. Ecosystems monitoring powered by environmental genomics: A review of current strategies with an implementation roadmap // Molecular Ecology. 2021. Vol. 30, №13. P. 2937–2958. DOI: https://doi.org/10.1111/mec.15472
8. Cowart D.A., Pinheiro M., Mouchel O., Maguer M., Grall J., Miné J., Arnaud-Haond S. Metabarcoding is powerful yet still blind: a comparative analysis of morphological and molecular surveys of seagrass communities // PloS one. 2015. Vol. 10, №2. P. e0117562. DOI: https://doi.org/10.1371/journal.pone.0117562
9. Dafforn K.A., Baird D.J., Chariton A.A., Sun M.Y., Brown M.V., Simpson S.L., Kelaher B.P., Johnston E.L. Faster, higher and stronger? The pros and cons of molecular faunal data for assessing ecosystem condition // Advances in Ecological Research. 2014. Vol. 51. P. 1–40. DOI: https://doi.org/10.1016/B978-0-08-099970-8.00003-8
10. Deagle B.E., Jarman S.N., Coissac E., Pompanon F., Taberlet P. DNA metabarcoding and the cytochrome c oxidase subunit I marker: not a perfect match // Biology letters. 2014. Vol. 10, №9. P. 20140562. DOI: https://doi.org/10.1098/rsbl.2014.0562
11. Degen R., Aune M., Bluhm B.A., Cassidy C., Kędra M., Kraan C., Vandepitte L., Włodarska-Kowalczuk M., Zhulay I., Albano P.G., Bremner J., Grebmeier J.M., Link H., Morata N., Nordström M.C., Shojaei M.G., Sutton L., Zuschin M. Trait-based approaches in rapidly changing ecosystems: A roadmap to the future polar oceans // Ecological Indicators. 2018. Vol. 91. P. 722–736. DOI: https://doi.org/10.1016/j.ecolind.2018.04.050
12. Dell’Anno F., van Zyl L.J., Trindade M., Brunet C., Dell’Anno A., Ianora A., Sansone C. Metagenome-assembled genome (MAG) of Oceancaulis alexandrii NP7 isolated from Mediterranean Sea polluted marine sediments and its bioremediation potential // G3. 2021. Vol. 11, №9. P. jkab210. DOI: https://doi.org/10.1093/g3journal/jkab210
13. Dowle E.J, Pochon X., Banks J., Shearer K., Wood S.A. Targeted gene enrichment and high‐throughput sequencing for environmental biomonitoring: A case study using freshwater macroinvertebrates // Molecular Ecology Resources. 2016. V. 5. P. 1240–1254. DOI: https://doi.org/10.1111/1755-0998.12488
14. Dufresne Y., Lejzerowicz F., Perret-Gentil L.A., Pawlowski J., Cordier T. SLIM: a flexible web application for the reproducible processing of environmental DNA metabarcoding data // BMC bioinformatics. 2019. Vol. 20, №1. P. 1–6. DOI: https://doi.org/10.1186/s12859-019-2663-2
15. Elbrecht V., Leese F. Can DNA-based ecosystem assessments quantify species abundance? Testing primer bias and biomass—sequence relationships with an innovative metabarcoding protocol // PloS one. 2015. Vol. 10, №7. P. e0130324. DOI: https://doi.org/10.1371/journal.pone.0130324
16. Funk D.J., Omland K.E. Species – level paraphyly and polyphyly: Frequency, causes, and consequences, with insights from animal mitochondrial DNA // Annual Review of Ecology, Evolution, and Systematics. 2003. Vol. 34. P. 397–423. DOI: https://doi.org/10.1146/annurev.ecolsys.34.011802.132421
17. Garlapati D., Charankumar B., Ramu K., Madeswaran P., Murthy R. A review on the applications and recent advances in environmental DNA (eDNA) metagenomics // Reviews in Environmental Science and BioTechnology. Vol. 18, №3. P. 389–411. DOI: https://doi.org/10.1007/s11157-019-09501-4
18. Grebmeier J.M., Frey K.E., Cooper L.W., Kędra M. Trends in benthic macrofaunal populations, seasonal sea ice persistence, and bottom water temperatures in the Bering Strait region // Oceanography. Vol. 31, №2. P.136–151. DOI: https://doi.org/10.5670/oceanog.2018.224
19. Ji Y., Huotari T., Roslin T., Schmidt N.M., Wang J., Yu D.W., Ovaskainen O. SPIKEPIPE: A metagenomic pipeline for the accurate quantification of eukaryotic species occurrences and intraspecific abundance change using DNA barcodes or mitogenomes // Molecular Ecology Resources. Vol.20, №1. P.256–267. DOI: https://doi.org/10.1111/1755-0998.13057
20. Kolbasova G.D., Zalevsky A.O., Gafurov A.R., Gusev Ph.O., Ezhova M.A., Zheludkevich A.A., Konovalova O.P., Kosobokova K.N., Kotlov N.U., Lanina N.O., Lapashina A.S., Medvedev D.O., Nosikova K.S., Nuzhdina E.O., Bazykin G.A., Neretina T.V. A new species of Cyanea jellyfish sympatric to C. capillata in the White Sea // Polar Biology. Vol.38. P.1439‒1451. DOI: https://doi.org/10.1007/s00300-015-1707-y
21. Kosobokova K.N., Hirche H.-J. A seasonal comparison of zooplankton communities in the Kara Sea – With special emphasis on overwintering traits // Estuarine, Coastal and Shelf Science. Vol.175. P.146–156. DOI: https://doi.org/10.1016/j.ecss.2016.03.030
22. Kosobokova K.N., Pertsova N.M. Zooplankton of the White Sea: Communities’ Structure, Seasonal Dynamics, Spatial Distribution, and Ecology // Lisitsyn A., Gordeev V. (eds.) Biogeochemistry of the Atmosphere, Ice and Water of the White Sea. The Handbook of Environmental Chemistry. – Springer, Cham, 2018. – Vol. 81. DOI: https://doi.org/10.1007/698_2018_347
23. Leray M., Knowlton N. DNA barcoding and metabarcoding of standardized samples reveal patterns of marine benthic diversity // Proceedings of the National Academy of Sciences. 2015. Vol. 112, №7. P. 2076–2081. DOI: https://doi.org/10.1073/pnas.1424997112
24. Peham T., Steiner F.M., Schlick‐Steiner B.C., Arthofer W. Are we ready to detect nematode diversity by next generation sequencing? // Ecology and Evolution. 2017. Vol. 7, №12. P. 4147–4151. DOI: https://doi.org/10.1002/ece3.2998
25. Radulovici A.E., Vieira P.E., Duarte S., Teixeira M.A., Borges L.M., Deagle B.E., Majaneva S., Redmond N., Schultz J.A., Costa F.O. Revision and annotation of DNA barcode records for marine invertebrates: report of the 8th iBOL conference hackathon // Metabarcoding and Metagenomics. 2021. 5. P.e67862. DOI: https://doi.org/10.3897/mbmg.5.67862
26. Rey A., Corell J., Rodriguez-Ezpeleta N. Metabarcoding to study zooplankton diversity // Zooplankton Ecology. Vol.19. P.252–263. DOI: https://doi.org/10.1201/9781351021821-14
27. Siddall M.E., Fontanella F.M., Watson S.C., Kvist S., Erséus C. Barcoding bamboozled by bacteria: Convergence to metazoan mitochondrial primer targets by marine microbes // Systematic Biology. 2009. Vol. 58, №4. P. 445–451. DOI: https://doi.org/10.1093/sysbio/syp033
28. Weydmann-Zwolicka A., Prątnicka P., Łącka M., Majaneva S., Cottier F., Berge J. Zooplankton and sediment fluxes in two contrasting fjords reveal Atlantification of the Arctic // Science of the Total Environment. 2021. Vol. 773. P. 145599. DOI: https://doi.org/10.1016/j.scitotenv.2021.145599
29. Wiedmann I., Ershova E., Bluhm B.A., Nöthig E.M., Gradinger R.R., Kosobokova K., Boetius A. What feeds the benthos in the Arctic Basins? Assembling a carbon budget for the deep Arctic Ocean // Frontiers in Marine Science. 2020. Vol. 7. P. 224. DOI: https://doi.org/10.3389/fmars.2020.00224
30. Zaiko A., Samuiloviene A., Ardura A., Garcia-Vazquez E. Metabarcoding approach for nonindigenous species surveillance in marine coastal waters // Marine Pollution Bulletin. 2015. V. 100, №1. P. 53–59. DOI: https://doi.org/10.1016/j.marpolbul.2015.09.030
31. Zhu Q., Huang S., Gonzalez A., McGrath I., McDonald D., Haiminen N., Armstrong G., Vázquez-Baeza, Yu J., Kuczynski J., Sepich-Poore G.D., Swafford A.D., Das P., Shaffer J.P., Lejzerowicz F., Belda-Ferre P., Havulinna A.S., Méric G., Niiranen T., Lahti L., Salomaa V., Kim H.-C., Jain M., Inouye M., Gilbert J.A., Knight R. OGUs enable effective, phylogeny-aware analysis of even shallow metagenome commun ity structures // bioRxiv. 2021. DOI: https://doi.org/10.1101/2021.04.04.438427
32. Zimmermann J., Glöckner G., Jahn R., Enke N., Gemeinholzer B. Metabarcoding vs. morphological identification to assess diatom diversity in environmental studies // Molecular ecology resources. 2015. Vol. 15, №3. P. 526–542. DOI: https://doi.org/10.1111/1755-0998.12336

Статья поступила в редакцию 10.09.2023
После доработки 24.09.2023
Статья принята к публикации 1.10.2023

Об авторах

Ступникова Александра Николаевна − Alexandra N. Stupnikova

кандидат биологических наук
старший научный сотрудник, Институт океанологии им. П.П.Ширшова РАН,  Москва, Россия (Shirshov Institute of Oceanology, Russian Academy of Sciences, Moscow, Russia)

astupnikova@gmail.com

http://orcid.org/0000-0002-7211-0386

Неретина Татьяна Владимировна − Tatyana V. Neretina

кандидат биологических наук
научный сотрудник, Беломорская биологическая станция им. Н.А. Перцова Биологического факультета МГУ им. М.В. Ломоносова Москва, Россия (Lomonosov Moscow State University, Moscow, Russia)

nertata@wsbs-msu.ru

http://orcid.org/0000-0002-0673-1109 

Цетлин Александр Борисович − Alexander B.Tzetlin

доктор биологических наук
научный сотрудник, профессор, директор Беломорской биологической станции им. Н.А. Перцова Биологического факультета МГУ им. М.В. Ломоносова Москва, Россия (Lomonosov Moscow State University, Moscow, Russia)

atzetlin@wsbs-msu.ru

http://orcid.org/0000-0001-9158-0810 

Корреспондентский адрес: Россия, 117997, г. Москва, Нахимовский проспект, 36, ИО РАН.

ССЫЛКА:

Ступникова А.Н., Неретина Т.В., Цетлин А.Б. Метагеномный анализ как инструмент изучения и мониторинга биологического разнообразия в арктических морях // Экология гидросферы. 2023. №1 (9). С. 8-17. URL: http://hydrosphere-ecology.ru/379

DOI – https://doi.org/10.33624/2587-9367-2023-1(9)-8-17  

EDN – AFJOFW

При перепечатке ссылка на сайт обязательна

Уважаемые коллеги! Если Вы хотите получить версию статьи в формате PDF, пожалуйста, напишите в редакцию, и мы ее вам с удовольствием пришлем бесплатно. 
Адрес - info@hydrosphere-ecology.ru

Metagenomic analysis as a tool for studying and monitoring biological diversity in the Arctic Seas

 Alexandra N. Stupnikova¹, Tatyana V. Neretina², Alexander B.Tzetlin²

¹Shirshov Institute of Oceanology, Russian Academy of Sciences (Moscow, Russia)

²Lomonosov Moscow State University (Moscow, Russia)

The monitoring of the state of the ecosystems of the Arctic seas is both an urgent practical task in the face of ever-increasing anthropogenic pressure on fragile Arctic ecosystems, and a fundamental scientific task, because for its implementation it is necessary to solve a number of important scientific issues. A reliable assessment of the state of biological diversity in marine ecosystems is associated with the need to have accurate data on the species composition of benthic and plankton communities. The development of a method for assessing the biological diversity of marine communities by metagenomic analysis opens up a promising way to solve this problem.

Keywords:  ecology; monitoring; metagenomics; metabarcoding.

References

1. Barcode Bulletin. Vol. 6. 30p. URL: http://ibol.org/wp-content/uploads/2015/10/iBOL-Barcode-Bulletin-Oct-2015-Reduced.pdf (date: 09.09.2023)
2. Berge J., Geoffroy M., Daase M., Cottier F., Priou P., Cohen J.H., Johnsen G., McKee D., Kostakis I., Renaud P.E., Vogedes D., Anderson P., Last K.S., Gauthier S. Artificial light during the polar night disrupts Arctic fish and zooplankton behaviour down to 200 m depth. Communications biology. 2020. Vol.3, №1. P. 1‒8. DOI: https://doi.org/10.1038/s42003-020-0807-6
3. Blackman R.C., Mächler E., Altermatt F., Arnold A., Beja P., Boets P., Egeter B., Elbrecht V., Filipe A.F., Jones J.I., Macher J., Majaneva M., Martins F.M.S., Múrria C., Meissner K., Pawlowski J., Schmidt Yáñez P.L., Zizka V.M.A., Leese F., Price B., Deiner K. Advancing the use of molecular methods for routine freshwater macroinvertebrate biomonitoring – the need for calibration experiments. Metabarcoding and Metagenomics. 2019. Vol. 3. P. 49–57. DOI: https://doi.org/10.3897/mbmg.3.34735
4. Brown E.A., Chain F.J., Crease T.J., MacIsaac H.J., Cristescu M.E. Divergence thresholds and divergent biodiversity estimates: can metabarcoding reliably describe zooplankton communities? Ecology and evolution. Vol. 5, №11. P. 2234–2251. DOI: https://doi.org/10.1002/ece3.1485
5. Carugati L., Corinaldesi C., Dell'Anno A., Danovaro R. Metagenetic tools for the census of marine meiofaunal biodiversity: An overview. Marine genomics. Vol. 24. P. 11–20. DOI: https://doi.org/10.1016/j.margen.2015.04.010
6. Cordier T., Alonso‐Sáez L., Apothéloz‐Perret‐Gentil L., Aylagas E., Bohan D.A., Bouchez A., Chariton A., Creer S., Frühe L., Keck F., Keeley N., Laroche O., Leese F., Pochon X., Stoeck T., Pawlowski J., Lanzénal A. Ecosystems monitoring powered by environmental genomics: A review of current strategies with an implementation roadmap // Molecular Ecology. 2021. Vol.30, №13. P.2937–2958. DOI: https://doi.org/10.1111/mec.15472
7. Cowart D.A., Pinheiro M., Mouchel O., Maguer M., Grall J., Miné J., Arnaud-Haond S. Metabarcoding is powerful yet still blind: a comparative analysis of morphological and molecular surveys of seagrass communities. PloS one. 2015. Vol. 10, №2. P. e0117562. DOI: https://doi.org/10.1371/journal.pone.0117562
8. Dafforn K.A., Baird D.J., Chariton A.A., Sun M.Y., Brown M.V., Simpson S.L., Kelaher B.P., Johnston E.L. Faster, higher and stronger? The pros and cons of molecular faunal data for assessing ecosystemcondition. Advances in Ecological Research. 2014. Vol. 51. P. 1–40. DOI: https://doi.org/10.1016/B978-0-08-099970-8.00003-8
9. Deagle B.E., Jarman S.N., Coissac E., Pompanon F., Taberlet P. DNA metabarcoding and the cytochrome c oxidase subunit I marker: not a perfect match. Biology letters. 2014. Vol.10, №9. P. 20140562. DOI: https://doi.org/10.1098/rsbl.2014.0562
10. Degen R., Aune M., Bluhm B.A., Cassidy C., Kędra M., Kraan C., Vandepitte L., Włodarska-Kowalczuk M., Zhulay I., Albano P.G., Bremner J., Grebmeier J.M., Link H., Morata N., Nordström M.C., Shojaei M.G., Sutton L., Zuschin M. Trait-based approaches in rapidly changing ecosystems: A roadmap to the future polar oceans. Ecological Indicators. 2018. Vol. 91. P. 722–736. DOI: https://doi.org/10.1016/j.ecolind.2018.04.050
11. Dell’Anno F., van Zyl L.J., Trindade M., Brunet C., Dell’Anno A., Ianora A., Sansone C. Metagenome-assembled genome (MAG) of Oceancaulis alexandrii NP7 isolated from Mediterranean Sea polluted marine sediments and its bioremediation potential. 2021. Vol. 11, №9. P. jkab210. DOI: https://doi.org/10.1093/g3journal/jkab210
12. Dowle E.J, Pochon X., Banks J., Shearer K., Wood S.A. Targeted gene enrichment and high‐throughput sequencing for environmental biomonitoring: A case study using freshwater macroinvertebrates. Molecular Ecology Resources. 2016. Vol. P. 1240–1254. DOI: https://doi.org/10.1111/1755-0998.12488
13. Dufresne Y., Lejzerowicz F., Perret-Gentil L.A., Pawlowski J., Cordier T. SLIM: a flexible web application for the reproducible processing of environmental DNA metabarcoding data. BMC bioinformatics. Vol.20, №1. P. 1–6. DOI: https://doi.org/10.1186/s12859-019-2663-2
14. Elbrecht V., Leese F. Can DNA-based ecosystem assessments quantify species abundance? Testing primer bias and biomass—sequence relationships with an innovative metabarcoding protocol. PloS one. 2015. Vol. 10, №7. P. e0130324. DOI: https://doi.org/10.1371/journal.pone.0130324
15. Funk D.J., Omland K.E. Species – level paraphyly and polyphyly: Frequency, causes, and consequences, with insights from animal mitochondrial DNA. Annual Review of Ecology, Evolution, and Systematics. Vol. 34. P. 397–423. DOI: https://doi.org/10.1146/annurev.ecolsys.34.011802.132421
16. Garlapati D., Charankumar B., Ramu K., Madeswaran P., Murthy R. A review on the applications and recent advances in environmental DNA (eDNA) metagenomics. Reviews in Environmental Science and BioTechnology. Vol. 18, №3. P. 389–411. DOI: https://doi.org/10.1007/s11157-019-09501-4
17. Grebmeier J.M., Frey K.E., Cooper L.W., Kędra M. Trends in benthic macrofaunal populations, seasonal sea ice persistence, and bottom water temperatures in the Bering Strait region. Oceanography. 2018. Vol.31, №2. P. 136–151. DOI: https://doi.org/10.5670/oceanog.2018.224
18. Ji Y., Huotari T., Roslin T., Schmidt N.M., Wang J., Yu D.W., Ovaskainen O. SPIKEPIPE: A metagenomic pipeline for the accurate quantification of eukaryotic species occurrences and intraspecific abundance change using DNA barcodes or mitogenomes. Molecular Ecology Resources. 2020. Vol.20, №1. P. 256–267. DOI: https://doi.org/10.1111/1755-0998.13057
19. Kolbasova G.D., Zalevsky A.O., Gafurov A.R., Gusev Ph.O., Ezhova M.A., Zheludkevich A.A., Konovalova O.P., Kosobokova K.N., Kotlov N.U., Lanina N.O., Lapashina A.S., Medvedev D.O., Nosikova K.S., Nuzhdina E.O., Bazykin G.A., Neretina T.V. A new species of Cyanea jellyfish sympatric to capillata in the White Sea. Polar Biology. 2015. Vol. 38. P. 1439‒1451. DOI: https://doi.org/10.1007/s00300-015-1707-y
20. Kosobokova K.N., Hirche H.-J. A seasonal comparison of zooplankton communities in the Kara Sea – With special emphasis on overwintering traits. Estuarine, Coastal and Shelf Science. 2016. Vol. 175. P. 146–156. DOI: https://doi.org/10.1016/j.ecss.2016.03.030
21. Kosobokova K.N., Pertsova N.M. Zooplankton of the White Sea: Communities’ Structure, Seasonal Dynamics, Spatial Distribution, and Ecology. In: Lisitsyn A., Gordeev V. (eds) Biogeochemistry of the Atmosphere, Ice and Water of the White Sea. The Handbook of Environmental Chemistry. Springer, Cham. 2018. Vol. 81. DOI: https://doi.org/10.1007/698_2018_347
22. Leray M., Knowlton N. DNA barcoding and metabarcoding of standardized samples reveal patterns of marine benthic diversity. Proceedings of the National Academy of Sciences. 2015. Vol. 112, №7. P. 2076–2081. DOI: https://doi.org/10.1073/pnas.1424997112
23. Peham T., Steiner F.M., Schlick‐Steiner B.C., Arthofer W. Are we ready to detect nematode diversity by next generation sequencing? Ecology and Evolution. 2017. Vol. 7, №12. P. 4147–4151. DOI: https://doi.org/10.1002/ece3.2998
24. Radulovici A.E., Vieira P.E., Duarte S., Teixeira M.A., Borges L.M., Deagle B.E., Majaneva S., Redmond N., Schultz J.A., Costa F.O. Revision and annotation of DNA barcode records for marine invertebrates: report of the 8th iBOL conference hackathon. Metabarcoding and Metagenomics. 2021. Vol. 5. P. e67862. DOI: https://doi.org/10.3897/mbmg.5.67862
25. Rey A., Corell J., Rodriguez-Ezpeleta N. Metabarcoding to study zooplankton diversity. Zooplankton Ecology. Vol.19. P. 252–263. DOI: https://doi.org/10.1201/9781351021821-14
26. Siddall M.E., Fontanella F.M., Watson S.C., Kvist S., Erséus C. Barcoding bamboozled by bacteria: Convergence to metazoan mitochondrial primer targets by marine microbes. Systematic Biology. 2009. Vol. 58. №4. P. 445–451. DOI: https://doi.org/10.1093/sysbio/syp033
27. Tzetlin A.B., Neretina T.V., ZhadanE. Taxonomic and Genetic Diversity of Invertebrates in the Arctic Seas. Current Challenges and New Approaches. RFBR Journal. 2020. Vol. 2, №106. P. 16–24. DOI: https://doi.org/10.22204/2410-4639-2020-106-02-16-24 (in Russ)
28. Weydmann-Zwolicka A., Prątnicka P., Łącka M., Majaneva S., Cottier F., Berge J. Zooplankton and sediment fluxes in two contrasting fjords reveal Atlantification of the Arctic. Science of the Total Environment. 2021. Vol. 773. P. 145599. DOI: https://doi.org/10.1016/j.scitotenv.2021.145599
29. Wiedmann I., Ershova E., Bluhm B.A., Nöthig E.M., Gradinger R.R., Kosobokova K., Boetius A. What feeds the benthos in the Arctic Basins? Assembling a carbon budget for the deep Arctic Ocean. Frontiers in Marine Science. Vol.7. P. 224. DOI: https://doi.org/10.3389/fmars.2020.00224
30. Zaiko A., Samuiloviene A., Ardura A., Garcia-Vazquez E. Metabarcoding approach for nonindigenous species surveillance in marine coastal waters. Marine Pollution Bulletin. 2015. V. 100, №1. P. 53–59. DOI: https://doi.org/10.1016/j.marpolbul.2015.09.030
31. Zhu Q., Huang S., Gonzalez A., McGrath I., McDonald D., Haiminen N., Armstrong G., Vázquez-Baeza, Yu J., Kuczynski J., Sepich-Poore G.D., Swafford A.D., Das P., Shaffer J.P., Lejzerowicz F., Belda-Ferre P., Havulinna A.S., Méric G., Niiranen T., Lahti L., Salomaa V., Kim H.-C., Jain M., Inouye M., Gilbert J.A., Knight R. OGUs enable effective, phylogeny-aware analysis of even shallow metagenome commun ity structures. bioRxiv. 2021. DOI: https://doi.org/10.1101/2021.04.04.438427
32. Zimmermann J., Glöckner G., Jahn R., Enke N., Gemeinholzer B. Metabarcoding vs. morphological identification to assess diatom diversity in environmental studies. Molecular ecology resources. 2015. Vol.15, №3. P. 526–542. DOI: https://doi.org/10.1111/1755-0998.12336

Authors

Alexandra N. Stupnikova

Shirshov Institute of Oceanology, Russian Academy of Sciences, Moscow, Russia

astupnikova@gmail.com

http://orcid.org/0000-0002-7211-0386

Tatyana V. Neretina

Lomonosov Moscow State University, Moscow, Russia

nertata@wsbs-msu.ru

http://orcid.org/0000-0002-0673-1109 

Alexander B.Tzetlin

Lomonosov Moscow State University, Moscow, Russia

atzetlin@wsbs-msu.ru

http://orcid.org/0000-0001-9158-0810 

ARTICLE LINK:

Stupnikova A.N., Neretina T.V., Tzetlin A.B. Metagenomic analysis as a tool for studying and monitoring biological diversity in the Arctic Seas. Hydrosphere Ecology. 2023. №1 (9). P. 8-17. URL: http://hydrosphere-ecology.ru/379

DOI – https://doi.org/10.33624/2587-9367-2023-1(9)-8-17  

EDN – AFJOFW 

When reprinting a link to the site is required

Dear colleagues! If you want to receive the version of the article in PDF format, write to the editor, please and we send it to you with pleasure for free. 
Address - info@hydrosphere-ecology.ru

На ГЛАВНУЮ

К разделу ПУБЛИКАЦИИ