微生物培养的福音：一个直接用16S rDNA序列来预测其培养基配方的网站！！！
本文转载自“微生物生态”，己获授权，本平台编辑对内容进行测试和更新。
今天卢瑟菌给大家隆重推出一个超级好的网站，网站名字叫KOMODO(Known Media Database)，没错，网站作者就是严(tiao)肃(pi)地把科莫多巨蜥的照片放在了网站主页，见下图1左上角。言归正传，这个网站的神奇之处就在于可以根据细菌或古菌16S rDNA的序列来预测培养该菌的培养基配方！文章发表在2015年10月13号的Nature communication上[1]，见下图2。
网址：http://komodo.modelseed.org/
图1. KOMODO网站主页截图
图2. 15年10月发表在NC上的微生物培养基预测文章
1. 该网站的意义
这是个很了不起的工作，说他了不起是因为目前环境中的微生物绝大多数（90%~99%）是不可培养的[2]，因对不同微生物培养条件(尤其是培养基配方)的不了解，阻碍了微生物的分离培养。随着高通量测序技术的发展，目前有大量文章是在做基于16S rDNA的微生物非培养多样性，但拿不到菌种使得目标微生物的应用和机理研究成为空中楼阁。有了这个网站就可以有依据的预测目标微生物的培养基配方了。因此可将基于16S rDNA的微生物多样性数据与目标菌株的分离培养有机衔接起来，大大加速从生态研究到微生物资源挖掘的进程，研究思路如下图3。
图3. KOMODO将非培养的16S rDNA多样性研究与目标微生物分离有机结合起来
2. 该网站的原理
该网站结合了NCBI的微生物分类和微生物培养基数据库(DSMZ)等（图4A），依据传递预测模式(Transitive prediction schema)，即若微生物A和B均可利用培养基1、微生物B和C可利用培养基2，微生物C可利用培养基3，那么依次传递推理，微生物A应该也可以利用培养基3（图4B）；和协同过滤预测(collaborative filtering predictor)，即根据16S rDNA的系统进化相似性，根据已知培养基的物种来推断其相似性高的近缘物种的培养基（图4C）。
图4 KOMODO网站工作原理
3. 该网站的用法
(1) 打开链接(http://komodo.modelseed.org/)进入KOMODO页面，如下：
(2) 输入相应内容后，点击提交。如下图以某土壤样品中的16S rDNA为例。
内容填写时注意：
Is organism Aerobic (Yes|No|Unknown):根据实际情况填写物种的需氧情况，只能填Yes或No或Unknown；
Does Organism grow in Saltly Media (Yes|No|Unknown): 根据实际情况填写物种的盐度情况，只能填写Yes或No或Unknown；
Maximal phylogenetic distance (range:0.0 - 1.0, default:0.04):可输入0-1之间的数字，一般默认即可。
NCBI taxon ID (optional parameter - can be replaced by 16S data):和下面的16S data (optional parameter - can be replaced by NCBI Taxon ID):两者只能输入一个，建议最好直接在16S data右边的框里输入FASTA格式的序列即可。
Blast 'Identities' Low Limit % 表示与你16S序列相似的最低限是多少，默认85%，可根据实际情况适当提高。
如上图中，填写完整后，点击左下角“submit”提交后等几分钟即可得预测结果，如下图：
网站会根据你填写的信息给出推荐的不同培养基，如上图例子中给出了四种培养基，点击培养基对应的链接可以直接下载PDF版的培养基配方，如下图PDF版推荐培养基示例：
参考文献：
[1] Oberhardt M A, Zarecki R, Gronow S, et al. Harnessing the landscape of microbial culture media to predict new organism-media pairings[J]. Nature communications, 2015, 6.
[2] Schleifer K H. Microbial diversity: facts, problems and prospects[J]. Systematic and applied microbiology, 2004, 27(1): 3-9.
答谢：
感谢微生物物种分类领域的专家刘阳博士对此文章的推荐
猜你喜欢
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外120+ PI，1200+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”