Nachricht

Sep 04, 2023

Genomische Signaturen deuten auf eine Anpassung an die Ozeanversauerung in einem Korallenholobionten aus vulkanischem CO2-Austritt hin

Communications Biology Band 6, Artikelnummer: 769 (2023) Diesen Artikel zitieren 2592 Zugriffe 31 Details zu Altmetric Metrics Es wird erwartet, dass die Versauerung der Ozeane, verursacht durch anthropogene CO2-Emissionen, zunimmt

Communications Biology Band 6, Artikelnummer: 769 (2023) Diesen Artikel zitieren

2592 Zugriffe

31 Altmetrisch

Details zu den Metriken

Es wird vorhergesagt, dass die durch anthropogene CO2-Emissionen verursachte Versauerung der Ozeane schwerwiegende Folgen für riffbildende Korallen haben und das Gerüst der artenreichsten Meereslebensräume gefährden wird. Ob und wie sich Korallen an die Ozeanversauerung anpassen können, bleibt jedoch unklar. Wir haben diese Fragen beantwortet, indem wir die Transkriptom- und Genomdaten von Acropora millepora-Korallenholobionten aus vulkanischen CO2-Austritten mit pH-Werten vom Ende des Jahrhunderts erneut untersucht haben. Wir zeigen, dass die Anpassung an die Ozeanversauerung ein ganzheitlicher Prozess ist, an dem die drei Hauptkompartimente des Korallenholobionten beteiligt sind. Wir haben 441 adaptive Gene für Korallenwirte identifiziert, die an der Verkalkung, der Reaktion auf Versauerung und der Symbiose beteiligt sind. Populationsgenetische Differenzierung bei Dinoflagellaten-Photosymbionten; und konsistente transkriptionelle Mikrobiomaktivität trotz Veränderungen in der mikrobiellen Gemeinschaft. Korallenholobionten, die natürliche Analoga zu künftigen Meeresbedingungen darstellen, bergen vorteilhafte genetische Varianten mit weitreichendem Potenzial für eine schnelle Anpassung. Angesichts des Klimawandels benötigen diese Populationen sofortige Schutzstrategien, da sie für das Überleben der Korallenriffe von entscheidender Bedeutung sein könnten.

In den letzten 250 Jahren ist der atmosphärische Partialdruck von Kohlendioxid (pCO2) aufgrund der anthropogenen Verbrennung fossiler Brennstoffe um 50 % gestiegen, was die schnellste pCO2-Änderung auf der Erde seit Millionen von Jahren darstellt1. In diesem Zeitraum absorbierten die Ozeane etwa ein Drittel der gesamten anthropogenen CO2-Emissionen2,3, was zu einer Senkung des pH-Werts und einer Abnahme der Karbonatsättigung in Oberflächengewässern führte, was allgemein als Ozeanversauerung bezeichnet wird4.

Viele kalkbildende Meeresorganismen, wie z. B. riffbildende Korallen, deren Skelette das Gerüst für den artenreichsten Meereslebensraum (Korallenriffe) bilden, sind für den Aufbau ihrer Kalziumkarbonatstrukturen auf Karbonat angewiesen5. Obwohl die verheerenden Auswirkungen der Meereserwärmung bereits in Korallenriffen in den gesamten Tropen sichtbar sind, wird vorhergesagt, dass die Versauerung der Ozeane in den folgenden Jahrzehnten schwerwiegende Folgen für kalzifizierende Meeresorganismen haben wird, da sowohl die Auflösung vorhandener Kalziumkarbonat-Skelette zunimmt als auch die Ablagerung neuer Skelette erschwert wird6. Darüber hinaus scheinen die kombinierten Auswirkungen der globalen Versauerung und Erwärmung der Ozeane die globale Verringerung der Nettokarbonatproduktion und die Zunahme der meisten Korallenriffe zu verstärken7.

Diesen Prognosen zufolge werden sich viele Riffe in den nächsten Jahrzehnten verschlechtern, wenn die Korallen nicht in der Lage sind, mit den vorhersehbaren globalen Umweltveränderungen Schritt zu halten. Die Reaktionen von Korallen beschränken sich auf zwei Hauptprozesse: polwärts gerichtete Verbreitungserweiterungen oder Persistenz durch Anpassung und/oder Akklimatisierung8. Beispiele für die Ausbreitung tropischer Korallenarten in Richtung Pol wurden in Südjapan als Reaktion auf steigende Meerestemperaturen gemeldet9, während die Mechanismen der schnellen Akklimatisierung von Korallen immer noch entschlüsselt werden. Eine schnelle Akklimatisierung findet normalerweise auf Holobiontenebene statt und kann das Wechseln von Photosymbionten, Veränderungen in der Bakteriengemeinschaft und epigenetische Modifikationen umfassen, die durch generationsübergreifende Plastizität auf die Nachkommen übertragen werden10. Obwohl Akklimatisierungsmechanismen sicherlich eine wichtige Rolle für das langfristige Überleben von Korallen spielen werden, werden das Ausmaß der bestehenden genetischen Variation und das Vorhandensein adaptiver Allele in Korallenmetapopulationen entscheidend für die zukünftige Persistenz von Korallenriffen sein11,12.

Unter Wasser austretendes vulkanisches CO2 fungiert als natürliches Analogon eines zukünftigen versauerten Ozeans und bietet einzigartige Möglichkeiten, die langfristige Akklimatisierung und Anpassung an die Versauerung der Ozeane zu untersuchen13,14. Korallenpopulationen, die in diesen natürlichen In-situ-Labors vorkommen, könnten adaptive Allele beherbergen, die ihnen eine hohe Widerstandsfähigkeit und/oder Resistenz gegenüber der Versauerung der Ozeane verleihen. Diese adaptiven Allele könnten durch natürliche Selektion ausgewählt worden sein, wie etwa in Korallenkolonien, die in Mikroklimata mit natürlich hohen Temperaturen leben15. So weisen beispielsweise gemäßigte Azooxanthellat-Einzelkorallen im Mittelmeerraum aus einem CO2-Sickersystem in Italien eine hohe genetische Differenzierung in Genen auf, die an der Verkalkung beteiligt sind16. Bisher hat jedoch keine Studie CO2-Sicks genutzt, um genomische Signale der lokalen Anpassung an die Ozeanversauerung in tropischen Riffkorallen zu untersuchen.

Hier verwendeten wir einen öffentlich zugänglichen transkriptomischen Datensatz (von Kenkel und Co-Autoren17) zusammen mit aktuellen hochwertigen Referenzgenomen, um (i) genomische Ziele der natürlichen Selektion im Korallenwirt aufzudecken, (ii) die Differenzierung der Algensymbiontenpopulation zu skizzieren und (iii) Bewerten Sie Veränderungen der Mikrobiomfunktionalität in der riffbildenden Koralle Acropora millepora aus dem CO2-Sickersystem der Provinz Milne Bay in Papua-Neuguinea (Abb. 1). Dieses CO2-Sickersystem wurde relativ gut untersucht, wobei über Veränderungen in der Vielfalt und Zusammensetzung von Korallen und riffassoziierten Makrowirbellosengemeinschaften an den Riffen Dobu und Upa-Upasina berichtet wurde18,19. Sowohl an den Riffen Dobu als auch Upa-Upasina wurden Sicker- und Kontrollstellen identifiziert, wobei der pH-Wert an den Sickerstellen zwischen 7,72 und 7,81 und an den Kontrollstellen zwischen 7,98 und 8,01 lag (siehe Methoden und Fabricius und Mitautoren18 für eine ausführliche Beschreibung). am Studienort). Kenkel und Co-Autoren17 verglichen Genexpressionsprofile von Acropora millepora und ihren Algensymbionten aus Kontroll- und Sickerumgebungen in Dobu- und Upa-Upasina-Riffen und identifizierten zentrale transkriptomische Reaktionen, die an der langfristigen Akklimatisierung an die Ozeanversauerung beteiligt sind. Hier haben wir Single Nucleotide Polymorphisms (SNPs) aus den transkriptomischen Daten von Kenkel und Co-Autoren17 aufgerufen und dabei ein kürzlich sequenziertes hochwertiges Referenzgenom von A. millepora20 verwendet, um genomische Signale natürlicher Selektion und lokaler Anpassung an Bedingungen mit hohem pCO2 aufzudecken. Mit Umweltvariablen verbundene SNPs und SNPs, die Signale natürlicher Selektion zeigen, bieten Einblicke in die jeweiligen Genomregionen, die unter Selektionsdruck stehen, und wurden häufig verwendet, um Informationen über das Anpassungspotenzial von Korallenarten zu erhalten21. Wir nehmen an, dass diese Signale zusätzlich zu Veränderungen in der Genexpression in Genen existieren, die an Verkalkungs- und Skelettbildungsprozessen beteiligt sind. Die Zusammensetzung der Symbiodiniaceae-Gemeinschaft in A. millepora unterscheidet sich nicht zwischen Korallenkolonien aus CO2-Sickern und Kontrollumgebungen im Sickersystem der Provinz Milne Bay, wobei Cladocopium goreaui (früher bekannt als Symbiodinium Clade C, Typ C1) die dominierende Art ist, die in allen Korallen vorkommt Kolonien17,21. Wir gehen jedoch davon aus, dass intraspezifische genetische Unterschiede zwischen CO2-sickernden und Kontrollpopulationen von C. goreaui bestehen, die auf die Selektion spezifischer C. goreaui-Genotypen durch Umwelt- oder Korallenwirte zurückzuführen sind. Um diese Hypothese zu testen, haben wir SNPs mithilfe der transkriptomischen Daten von C. goreaui von Kenkel und Co-Autoren17 mit einem Pool-Seq-Ansatz aufgerufen und populationsgenetische Analysen durchgeführt. Schließlich identifizierten Morrow und Co-Autoren22 Veränderungen in der mikrobiellen Gemeinschaft, die durch eine Verringerung der symbiotischen Endozoicomonas in A. millepora durch CO2-Austritt am Upa-Upasina-Riff verursacht wurden. Wir gehen davon aus, dass diese Veränderungen in der mikrobiellen Gemeinschaft auch zu Veränderungen in der mikrobiellen Transkriptionsaktivität und dem extrahierten Mikrobiom-Metatranskriptom aus den Transkriptomdaten von Kenkel und Co-Autoren17 führen, um spezifische Funktionen aufzudecken, die sich zwischen A. millepora-Mikrobiomen aus CO2-Austritts- und Kontrollstellen unterscheiden könnten.

Die eingefügte Karte zeigt die Lage der Normandby- und Dobu-Inseln innerhalb der Papua-Inselregion (weißes Quadrat). Die Probenahmestellen sind wie folgt gefärbt: blaugrün für das Dobu-Riff, braun für das Upa-Upasina-Riff; Dunklere Farben für Kontrollstellen, hellere Farben für Sickerstellen. Der schematische Arbeitsablauf von Kenkel und Co-Autoren17 ist oben in der Abbildung grau schattiert dargestellt. Der schematische Arbeitsablauf dieser Studie ist unten dargestellt, wobei die für die drei Holobiontenkompartimente durchgeführten Analysen im Detail aufgeführt sind: Photosymbionten links, Korallenwirt in der Mitte und Mikrobiom rechts.

Die vom SRA-Projekt PRJNA362652 heruntergeladenen Daten bestanden aus insgesamt 316,8 Millionen Rohlesevorgängen und durchschnittlich 5,4 Millionen Sequenzen pro Person17. Insgesamt 40,7 Millionen saubere Lesevorgänge kartierten das Acropora millepora-Referenzgenom und passierten Post-Mapping-Filter, was durchschnittlich 690.440 Lesevorgängen pro Person entspricht, und 79.273 SNPs wurden nach Variantenaufruf und Variantenfilterung erhalten. Von diesen 79.273 Loci waren 977 SNPs mit dem pH-Wert im RDA assoziiert (Abb. 2a), 656 SNPs wurden als unter Selektion durch BayPass im Basismodus erkannt (Abb. 2b), 3.235 SNPs waren mit dem pH-Wert im BayPass-Lauf in Kovariate assoziiert Modus (Abb. 2c) und 35 SNPs wurden von BayeScan als unter diversifizierender Selektion erkannt (Abb. 2d). Die Überlappung dieser vier SNP-Listen führte zu 625 Loci, die durch mindestens zwei der vier durchgeführten Analysen identifiziert wurden (Abb. 2e) und dann als Kandidaten für adaptive SNPs betrachtet wurden.

Für die Manhattan-Diagramme (a–c) stellen dunkelgraue und hellgraue Kreise SNPs in ungeraden bzw. geraden Chromosomen dar, Loci unter Selektion oder im Zusammenhang mit dem pH-Wert werden durch Kreise mit chromosomfarbenen Strichen dargestellt. eine Redundanzanalyse (RDA). b BayPass läuft im Basismodus (BayPass XtX). c BayPass läuft im Kovariatenmodus (BayPass Env). d BayeScan-Ergebnisse zeigen SNPs unter diversifizierender Selektion in roten Kreisen. e Venn-Diagramm, das überlappende Ergebnisse zwischen den vier Analysen darstellt. Die 625 SNPs, die durch mindestens zwei der vier Analysen identifiziert wurden, sind fett dargestellt.

Populationsstrukturanalysen der ausgewählten SNP-Kandidaten zeigten eine genetische Differenzierung zwischen Standorten entsprechend ihrem pH-Wert. Der DAPC zeigte eine Ordnung der Proben auf der ersten DAPC-Achse nach einem pH-Gradienten (Abb. 3a). In ähnlicher Weise zeigten die STRUCTURE-Ergebnisse, dass die Clusterzuordnungsanteile vom pH-Wert bestimmt wurden (Abb. 3c).

Ein DAPC-Ergebnis unter Verwendung des Datensatzes von 625 adaptiven SNP-Kandidaten. b DAPC-Ergebnisse unter Verwendung des Datensatzes von 11.169 unabhängigen neutralen SNPs. Beide DAPC-Diagramme sind gemäß Abb. 1 gefärbt. c STRUCTURE-Ergebnisse mit K = 2 für den adaptiven SNP-Kandidatendatensatz (siehe Delta-K-Diagramm in der ergänzenden Abbildung 2b). d STRUKTUR-Ergebnisse mit K = 2 für den unabhängigen neutralen SNP-Datensatz (siehe Delta-K-Diagramm in der ergänzenden Abbildung 2a).

Ein Datensatz von 11.169 unabhängigen neutralen SNPs wurde erhalten, nachdem adaptive SNP-Kandidaten und physikalisch verbundene Loci entfernt wurden. Analysen der Populationsstruktur und Konnektivität des unabhängigen neutralen SNP-Datensatzes zeigten im Gegensatz dazu Homogenität und Panmixie zwischen den vier Probenahmestellen (Abb. 3b, d). In Übereinstimmung mit diesen Ergebnissen war der globale FST-Wert niedrig (0,002) und die Analyse des Migrationsnetzwerks ergab ein hohes Maß an Konnektivität zwischen den vier Standorten (ergänzende Abbildung 1).

Die Kombination von Annotationen des A. millepora-Referenzgenoms mit Blast-Suchen führte zur Annotation von 589 der 625 adaptiven SNP-Kandidaten, die sich in 441 Genen befanden (Supplementary Data 1). Zu den 441 adaptiven Kandidatengenen gehörten Gene mit Schlüsselfunktionen im Verkalkungsprozess und der Reaktion der Korallen auf Versauerung, Gene, die an der Etablierung und Aufrechterhaltung der Symbiose beteiligt sind, sowie Gene, die mit anderen Korallenanpassungsstudien gemeinsam sind (Tabelle 1).

Die Anreicherungsanalyse identifizierte 528 angereicherte GO-Begriffe unter den adaptiven Kandidatengenen (Supplementary Data 2). Zu den 20 am häufigsten angereicherten GO-Begriffen für jede Kategorie gehörten die biologischen Prozesse „Regulation der Adherens-Verbindungsorganisation“ und „immunologischer Gedächtnisbildungsprozess“, die zelluläre Komponente „9 + 2 bewegliches Zilium“ und die molekulare Funktion „Korezeptoraktivität, die an der Wnt-Signalisierung beteiligt ist“. Weg“ (vollständige Liste siehe Abb. 4).

a Biologische Prozesse, b zelluläre Komponenten und c molekulare Funktionen. Anreicherungswerte (-log10(p-Wert)) werden für jeden GO-Term aufgetragen, wobei die Kreisgröße das Verhältnis zwischen der Anzahl der adaptiven Kandidatengene mit einer bestimmten GO-Annotation und der Anzahl der Gene im A. millepora-Proteom mit diesem GO darstellt Anmerkung. Gepunktete Linien stellen einen p-Wert = 0,05 dar, gestrichelte Linien stellen einen p-Wert = 0,01 dar. Die numerische Quelle finden Sie in den Zusatzdaten 3.

Insgesamt wurden 25,8 Millionen Lesevorgänge im Referenzgenom von C. goreaui kartiert, mit einem Durchschnitt von 437.714 Lesevorgängen pro Populationspool (d. h. Korallenkolonie). Nach dem SNP-Aufruf und der Filterung blieben insgesamt 2.707 SNPs erhalten.

Populationsdifferenzierungsanalysen des Pool-seq-SNP-Datensatzes von C. goreaui zeigten eine genetische Differenzierung zwischen Riffen und Umgebungen (Abb. 5). Der DAPC zeigte, dass die Proben auf der ersten DAPC-Achse durch Riff getrennt waren (Abb. 5a, b). Proben aus Dobu und Upa-Upasina werden nach Umgebung auf der zweiten (Abb. 5a) bzw. dritten (Abb. 5b) DAPC-Achse aufgeteilt. Paarweise FST-Analysen zeigten, dass Populationspools von C. goreaui tendenziell eine geringere genetische Differenzierung im Riff und in der Umwelt aufweisen, und verdeutlichten das Vorhandensein eines hochdifferenzierten seepspezifischen genetischen Clusters in Dobu Seep (Abb. 5c). In Übereinstimmung mit diesen Ergebnissen zeigte die AMOVA, dass sowohl der Raum als auch die Umwelt einen kleinen, aber signifikanten Teil der genetischen Variation erklärten (p-Werte < 0,01) (Tabelle 2).

DAPC-Ergebnisse werden auf der ersten und zweiten (a) sowie der ersten und dritten Achse (b) angezeigt. c Heatmap-Diagramm der paarweisen FST-Matrix zwischen C. goreaui-Populationspools. Warme Farben stellen höhere paarweise FST-Werte dar, was auf eine hohe Differenzierung zwischen Populationspools hinweist. Kalte Farben stellen niedrigere paarweise FST-Werte dar, was auf eine geringe Differenzierung zwischen Populationspools hinweist. Populationspools sind gemäß Abb. 1 gefärbt und in (c) wie folgt codiert: Dobu Seep, DS; Dobu Control, DC; Upa-Upasina Seep, USA; Upa-Upasina-Kontrolle, UC.

Insgesamt 702.876 Lesevorgänge wurden mit Kraken2 anhand der taxonomischen Informationen des NCBI taxonomisch klassifiziert, alle gehörten zu Bacteria. Das nichtmetrische mehrdimensionale Skalierungsdiagramm (NMDS) der Bray-Curtis-Unterschiede zwischen Kolonien zeigte keine Häufung von Proben, was auf eine ähnliche Häufigkeit metatranskriptomischer Messwerte aus jeder taxonomischen Gruppe hinweist, unabhängig von Riff und Umgebung (Abb. 6a). Tatsächlich zeigten die vier Standorte ähnliche Prozentsätze metatranskriptomischer Lesevorgänge aus jedem Stamm (Abb. 6b). Proteobacteria und Firmicutes waren die dominanten Phyla, die jeweils etwa 50 % bzw. etwa 30 % der metatranskriptomischen Lesevorgänge an jeder Stelle ausmachten, gefolgt von Actinobacteria, Bacteroidetes, Cyanobacteria und Acidobacteria, die jeweils etwa 3–6 % der metatranskriptomischen Lesevorgänge ausmachten.

ein NMDS-Diagramm über die Bray-Curtis-Unterschiede zwischen Kolonien unter Verwendung der taxonomischen Klassifizierung metatranskriptomischer Lesevorgänge. b Prozentsätze der mikrobiellen metatranskriptomischen Messwerte, die zu jedem Stamm an jeder Probenahmestelle gehören. c NMDS-Diagramm der Bray-Curtis-Unterschiede zwischen Kolonien unter Verwendung der funktionalen Klassifizierung metatranskriptomischer Lesevorgänge. Korallenkolonien sind gemäß Abb. 1 gefärbt. Die numerische Quelle finden Sie in den Zusatzdaten 4.

Mit Kraken2 wurden insgesamt 318.320 Reads funktionell klassifiziert, die alle zu Bacteria gehörten. Was die taxonomische Klassifizierung betrifft, zeigte das auf der funktionalen Klassifizierung basierende NMDS-Diagramm keine Häufung von Proben, was auf eine ähnliche Häufigkeit metatranskriptomischer Lesevorgänge für jeden GO-Begriff hinweist, unabhängig von Riff und Umgebung (Abb. 6c). Signifikante Unterschiede in der Leseanzahl für jeden GO-Begriff wurden mit Welch-T-Tests getestet. Nach Anwendung einer Bonferroni-Korrektur zeigte kein GO-Term signifikant unterschiedliche Lesezahlen zwischen Sicker- und Kontrollkolonien.

Unsere funktionellen Genomanalysen ergaben, dass die natürliche Selektion in einer Untergruppe von Korallenwirtsgenen mit Schlüsselfunktionen bei der Verkalkung und Skelettbildung offenbar die Anpassung an die Ozeanversauerung in Acropora millepora im CO2-Sickersystem der Provinz Milne Bay vorantreibt. Beispielsweise spielen Carboanhydrasen eine wichtige Rolle in der Physiologie der Korallenverkalkung23,24, indem sie die Umwandlung von CO2 in Bicarbonationen und Protonen katalysieren. Endothelin-konvertierendes Enzym und CUB- und Peptidasedomänen enthaltendes Protein sind Teil des Korallenskelettproteoms25,26 und an der Membranverarbeitung, an extrazellulären Matrix-/Transmembran- und Proteinmodifikationsprozessen sowie an Vesikel/Sekretion und Metallbindung26 beteiligt. Neben diesen drei Enzymen zeigte eine relevante Anzahl von Genen, die für Korallenskelettproteine ​​wie α-Kollagen, Protocadherin, Coadhesin und Komplement C3 kodieren, auch Signale der Anpassung an Sickerumgebungen (Tabelle 1). Darüber hinaus wurden Selektionssignale in Genen nachgewiesen, die an der Reaktion auf die Versauerung beteiligt sind (Tabelle 1). Zu diesen Genen gehörten Carboanhydrase 2, Fibropellin-1, Bone Morphogenetic Protein 7 und die V-Typ-Protonen-ATPase-Untereinheit S1, die in Korallen, die einem erhöhten pCO227,28,29 ausgesetzt waren, unterschiedlich exprimiert wurden.

Drei der wichtigsten repräsentativen angereicherten GO-Begriffe, „Regulierung der Organisation der Adhärenzverbindungen“, „9 + 2 bewegliches Zilium“ und „Korezeptoraktivität, die am Wnt-Signalweg beteiligt ist“, stehen in engem Zusammenhang mit der Korallenverkalkung. Interzelluläre Verbindungen bestimmen die Permeabilität des ektodermalen Gewebes und regulieren die Biomineralisierung, indem sie die Diffusion von Molekülen steuern, die in das extrazelluläre kalzifizierende Medium (ECM) übertragen werden können30,31. Die Anreicherung des GO-Begriffs „9 + 2 motile cilium“ lässt darauf schließen, dass die auf der ECM-Membran der korallenverkalkenden Zellen vorhandenen Zilien eine wichtige Rolle bei der Korallenverkalkung spielen.32 Schließlich ist der Wnt-Signalweg ein klassischer Entwicklungssignalweg, der in Korallen kontrolliert Entwicklung, Wachstum und Verkalkung33,34,35. Unsere Ergebnisse zeigen, dass trotz des Fehlens einer Populationsstruktur im neutralen SNP-Datensatz eine natürliche Selektion in zentralen molekularen Signalwegen stattfindet, die die Biomineralisierung steuern, wie z. B. Enzyme, Skelettproteine ​​und Ionenkanäle. Diese Ergebnisse zeigen, dass die lokale Anpassung bei räumlich variierender Selektion unabhängig von der Migration ist, wenn der Selektionsdruck stark genug ist, um den Auswirkungen der Migration entgegenzuwirken15,36,37,38,39. GO-Begriffe im Zusammenhang mit dem Immunsystem wie BP „Prozess der Bildung des immunologischen Gedächtnisses“ und „Reaktion auf andere Organismen“ wurden ebenfalls in die Liste der in Frage kommenden adaptiven Gene aufgenommen. Kenkel und Co-Autoren17 schlugen einen möglichen Einfluss einer langfristigen Versauerung auf die angeborene Immunantwort von A. millepora an den CO2-Austritten vor. Insbesondere fanden sie heraus, dass der TNF-Rezeptor-assoziierte Faktor (ig7766), der an der angeborenen Immunantwort und der Stressreaktion der Korallen40 beteiligt ist, ein wichtiges Unterscheidungsgen für die Sickerumgebung ist17. Interessanterweise wurden in der vorliegenden Studie Selektionssignale und Assoziationen mit Sickerumgebungen am TNF-Rezeptor-assoziierten Faktor gefunden, was bestätigt, dass Änderungen in seiner Expression Teil eines Anpassungsmechanismus an langfristig erhöhte pCO2 sind. Signale einer umweltbedingten Anpassung wurden auch in acht weiteren unterschiedlich regulierten Loci von Kenkel und Co-Autoren gefunden17, was auf eine cis-Regulation der Genexpression in Schlüsselkomponenten der Korallenreaktion auf Versauerung hindeutet, einschließlich Verkalkung, Transkriptionsprozessen und dem Immunsystem (Tabelle 1). ).

Frühere Studien, die nach genomischen Signalen lokaler Anpassung und Genotyp-Umwelt-Assoziationen an riffbildenden Korallen suchten, konzentrierten sich hauptsächlich auf die Entschlüsselung ihrer adaptiven Reaktionen auf erhöhte Temperaturen15,20,41,42. Wir fanden heraus, dass einige der hier in Frage kommenden adaptiven Gene mit Genen geteilt wurden, die in diesen Studien lokal angepasst wurden, was auf gemeinsame Ziele der natürlichen Selektion bei Umweltstressoren hindeutet. Beispielsweise fanden wir in Acropora hyacinthus sieben gemeinsame Gene zwischen unseren adaptiven Kandidatengenen und denen, die Hitzeresistenz verleihen (Tabelle 1). Darüber hinaus ergaben unsere Analysen Anpassungssignale in zwei Synaptotagminen, die auch eine signifikante genetische Differenzierung zwischen Platygyra daedalea-Kolonien aus dem warmen Persischen/Arabischen Golf und dem relativ kühleren Golf von Oman zeigten42. Synaptotagmine sind membrantransportierende Kalziumsensorproteine43, die an der Aufrechterhaltung der Kalziumhomöostase während der Stressreaktion der Korallen beteiligt sind40. Da die Expression von Synaptotagminen je nach Art des zellulären Stresses variiert44,45, ist es nicht verwunderlich, dass sie auch das Ziel der natürlichen Selektion bei verschiedenen Umweltstressoren wie Hitze oder erhöhtem pCO2 wären. In ähnlicher Weise wurden starke Differenzierungssignale in der 26 S-Proteasom-Nicht-ATPase-regulatorischen Untereinheit sowohl in unserem A. millepora aus CO2-Sickerumgebungen als auch in A. hyacinthus mit unterschiedlicher Bleichempfindlichkeit41 nachgewiesen, wenn auch auf unterschiedlichen Untereinheiten (26 S-Proteasom-Nicht-ATPase-regulatorische Untereinheit). Untereinheit 7 bzw. 11). Da das 26 S-Proteasom beschädigte Ubiquitin-konjugierte Proteine ​​nach jeder Art von zellulärem Stress abbaut,46 können verschiedene Stressfaktoren einen ähnlichen selektiven Druck auf die Regulierung dieser Proteasemaschinerie ausüben. Schließlich scheinen viele ribosomale Proteine ​​häufig Ziel der natürlichen Selektion unter verschiedenen langfristigen Umweltstressoren zu sein15,41. Anpassungssignale in ribosomalen Proteinen können auf die Rolle der translatorischen Reprogrammierung während der Stressreaktion zurückzuführen sein47, 48 oder auf ihre extraribosomalen Funktionen als p53-Regulatoren während zellulärem Stress49.

Im Gegensatz zur Sequenzierung des gesamten Transkriptoms produziert Tag-basiertes RNAseq nur kurze Fragmente des Transkriptoms, die zum 3'-Ende der Transkripte komplementär sind50. Daher könnten in unserem Datensatz andere ursprüngliche Genregionen fehlen, die Anpassungssignale tragen, die möglicherweise mit Ansätzen zur Sequenzierung des gesamten Transkriptoms oder des gesamten Genoms nachgewiesen worden wären. Eine hohe Verknüpfung und eine geringe Wahrscheinlichkeit von Rekombinationsereignissen innerhalb eines einzelnen Gens stellen jedoch sicher, dass die in tagbasierten RNAseq-Transkripten gefundenen Selektionssignale repräsentativ für die Selektion im gesamten Gen sind. Tatsächlich ist es aufgrund der hohen Wahrscheinlichkeit einer Verknüpfung innerhalb benachbarter Genomregionen üblich, bei Scans zur Auswahl des gesamten Genoms verdünnte SNP-Datensätze zu erstellen, die physikalisch verknüpfte SNPs innerhalb weniger kbp filtern, was zu einem ähnlichen Ausschluss mutmaßlicher adaptiver SNPs führt51,52.

Unsere Ergebnisse zeigten nicht nur Selektionssignale im Korallenwirtsgenom, sondern zeigten auch, wie andere Kompartimente des Korallenholobionten (Symbiodiniaceae-Photosymbionten und das bakterielle Mikrobiom) auf langfristig erhöhte pCO2 reagieren. Tatsächlich lieferte der in dieser Studie implementierte Pool-Seq-Ansatz aussagekräftigere Ergebnisse als andere häufig verwendete Methoden (z. B. ITS2 DGGE-Profiling und RFLP17,21) über die Auswirkungen der Ozeanversauerung auf Algenphotosymbionten. Hier haben wir das Vorhandensein eines hochdifferenzierten seep-spezifischen genetischen Clusters von C. goreaui am Standort Dobu Seep und einen kombinierten Effekt von Raum und Umwelt bei der Strukturierung von C. goreaui-Populationen entdeckt, was darauf hindeutet, dass das Mischen von Symbionten durchaus ein langfristiger Prozess sein könnte. Langzeitstrategie zur Anpassung an die Versauerung bei A. millepora53.

In Übereinstimmung mit diesen Ergebnissen fanden wir Selektionssignale in Korallenwirtsgenen, die an der Etablierung und Aufrechterhaltung der Symbiose beteiligt sind. Beispielsweise wurden 15 Gene unter Selektion, von denen bekannt ist, dass sie zwischen symbiotischen und apo-symbiotischen Korallenlarven unterschiedlich exprimiert werden, in den CO2-Sickerkolonien nachgewiesen54,55 (Tabelle 1). Darüber hinaus wurden drei Mutationen im Gen, das für das Tachylectin-2-Protein kodiert, ein Mustererkennungsrezeptor der angeborenen Immunantwort, die an der Photosymbiontenakquise beteiligt ist, ausgewählt56; Einer davon verursacht eine Aminosäureveränderung (Ser264Gly). Schließlich wurden zwei weitere Gene, von denen bekannt ist, dass sie zwischen symbiotischen und apo-symbiotischen Aiptasia-Anemonen unterschiedlich exprimiert werden, in den CO2-Sickerkorallen ausgewählt (Tabelle 1). Dementsprechend und wie oben erwähnt, wurden GO-Begriffe im Zusammenhang mit dem Immunsystem unter den adaptiven Kandidatengenen angereichert, die eine wichtige Rolle bei der Etablierung der Nesseltier-Dinoflagellaten-Photosymbiose spielen 58, 59. Diese Ergebnisse deuten auf eine Anpassung der Regulation von Photosymbiontengemeinschaften als Reaktion auf eine langfristige Versauerung hin, die als Anpassungsmechanismus der Korallen an Umweltveränderungen angesehen wird10,51,60.

Die Charakterisierung des A. millepora-Mikrobioms ergab sehr ähnliche Metatranskriptome in Korallenkolonien, unabhängig von Riff und Umgebung, sowohl taxonomisch als auch funktionell. Diese Ergebnisse deuten darauf hin, dass trotz erheblicher Veränderungen der mikrobiellen Gemeinschaft zwischen Sicker- und Kontrollkolonien22 die mikrobielle Transkriptionsaktivität von A. millepora zwischen den beiden Umgebungen sowohl taxonomisch als auch funktionell konstant ist. Dies könnte beispielsweise bedeuten, dass die wichtige funktionelle Aktivität verschiedener Taxa, wie der reduzierten Endozoicomonas an Sickerstellen22, entweder durch einen zusätzlichen Transkriptionsaufwand der verbleibenden Endozoicomonas oder dadurch aufrechterhalten wird, dass andere Taxa ihre funktionelle Aktivität übernehmen. Signifikante metatranskriptomische Unterschiede im Korallenmikrobiom finden sich normalerweise zwischen gesunden und stark erkrankten Korallenkolonien61,62. Die Tatsache, dass dieses Muster zwischen den A. millepora-Mikrobiomen der Sickerstelle und der Kontrollstelle nicht zu finden ist, deutet höchstwahrscheinlich darauf hin, dass wir an beiden Stellen angepasste und akklimatisierte gesunde Holobionten vorfinden. Diese Interpretation wird weiter durch die minimalen Genexpressionsänderungen gestützt, die zwischen den Sicker- und Kontrollstellen von A. millepora-Korallenwirten gefunden wurden17 und das Fehlen signifikanter Unterschiede in der Skelettdichte zwischen A. millepora-Kolonien von Upa-Upasina-Kontroll- und Sickerstellen63, einem „Supermerkmal“ und ein einfach zu messender Indikator für die Gesundheit von Korallen64,65.

Insgesamt zeigen unsere Analysen deutlich, dass es drei unterschiedliche und synergistische Anpassungsmechanismen in drei verschiedenen Kompartimenten des Acropora millepora-Holobionten im CO2-Sickersystem der Provinz Milne Bay gibt. Wir fanden Selektionssignale in mehreren Korallenwirtsgenen, die an der Verkalkung und Symbiose, der Strukturierung genetischer Cluster von Cladocopium goraeui und den metatranskriptomischen Reaktionen des Mikrobioms auf langfristige Versauerung beteiligt sind. Bemerkenswerterweise zeigt diese Studie, dass A. millepora-Kolonien, die in CO2-Sickern leben, genomische Anpassungen an die pCO2-Werte aufweisen, die bis zum Ende des laufenden Jahrhunderts erwartet werden. Diese angepassten natürlichen Populationen können für das Fortbestehen von Korallenriffen von entscheidender Bedeutung sein und als Quelle voradaptierter Allele dienen, die eine schnelle Anpassung an den Klimawandel auf globaler Ebene erleichtern können, insbesondere bei Arten, die im Rundfunk laichen, wie z. B. A. millepora. Unabhängig davon sind die Eindämmung der anthropogenen CO2-Emissionen zusammen mit aktiven Erhaltungs- und Wiederherstellungsmaßnahmen für das Überleben der Korallenriffe von entscheidender Bedeutung66, da adaptive Reaktionen allein angesichts der aktuellen Geschwindigkeit der Umweltveränderungen67 und der multifaktoriellen Natur des Klimawandels höchstwahrscheinlich nicht ausreichen werden.

Die Provinz Milne Bay in Papua-Neuguinea beherbergt ein gut untersuchtes Flachwasser-Sickersystem mit ~99 % CO2-Gas17,18,19,21,22 (eine ausführliche Beschreibung des Untersuchungsortes finden Sie bei Fabricius und Mitautoren18). Kenkel und Co-Autoren17 (2018) sequenzierten Tag-basierte RNAseq-Bibliotheken für insgesamt 59 Acropora millepora-Kolonien, die aus zwei Riffen in diesem System stammen, den Upa-Upasina- und Dobu-Riffen. An jedem Standort beprobten sie Korallenfragmente sowohl von einer CO2-Austrittsstelle als auch von einer angrenzenden Kontrollstelle <2,5 km voneinander entfernt: 14 Kolonien aus der Dobu-CO2-Austrittsstelle (pH = 7,72, 998 μatm pCO2), 15 aus der Dobu-Kontrollumgebung (pH = 8,01). , 368 μatm pCO2), 15 aus der Upa-Upasina CO2-Sickerstelle (pH = 7,81, 624 μatm pCO2) und 15 aus der Upa-Upasina-Kontrollumgebung (pH = 7,98, 346 μatm pCO2)17 (Abb. 1). Kontroll- und Sickerstellen hatten eine ähnliche Meerwassertemperatur, einen ähnlichen Salzgehalt und eine ähnliche Geomorphologie18.

Rohdaten wurden vom NCBI SRA BioProject PRJNA36265268 heruntergeladen und Single Nucleotide Polymorphisms (SNPs) aus Tag-basierten RNAseq-Daten wurden gemäß den Best Practices von GATK und Rogier und Co-Autoren69 aufgerufen. Zuerst wurden die Rohlesevorgänge mithilfe spezifischer Perl-Skripte für Tag-basiertes RNAseq mit Standardparametern (verfügbar unter https://github.com/z0on/tag-based_RNAseq) auf Adapter und Qualität getrimmt, gefolgt von einer Qualitätsprüfung mit fastqc 0.11.970. Saubere Lesevorgänge wurden dann mit bwa-mem 0.7.1772 auf das hochwertige Referenzgenom von A. millepora20,71 abgebildet und mit samtools 1.1673 sortiert. MarkDuplicates 2.18.25 in Picard-Tools (http://broadinstitute.github.io/picard/) wurde verwendet, um bei der Bibliotheksvorbereitung eingeführte Verzerrungen abzuschwächen und Genexpressionsvariationen zu minimieren. Schließlich wurde SplitNCigarReads in GATK 4.2.4.174 als letzter Nachbearbeitungsschritt angewendet, wie von den Best Practices von GATK empfohlen.

Vor dem Aufrufen von Varianten mit FreeBayes 1.175 wurden Beispielnamen zu jeder ursprünglichen einzelnen BAM-Datei hinzugefügt und mit bamaddrg (https://github.com/ekg/bamaddrg) zu einem einzigen Stream zusammengeführt. Unter Verwendung des FreeBayes-Flags -m 20 wurden nur Varianten beibehalten, die zu Lesevorgängen mit einer Zuordnungsqualität > 20 gehörten. VCFtools 0.1.1676 wurde verwendet, um biallelische SNPs zu filtern und beizubehalten (--remove-indels --min-alleles 2 --max-alleles 2) mit einem Mindestqualitätswert von 20 (--minQ 20) und bei mindestens 70 % der Personen vorhanden (--max-missing 0,7). Ein minimaler Allelfrequenzfilter von 0,05 (--maf 0,05) wurde eingestellt, um den Aufruf von Singleton-SNPs zu vermeiden. Unser endgültiger A. millepora-Korallenwirtsdatensatz bestand aus 79.273 SNPs.

Vier Ansätze wurden implementiert, um potenzielle adaptive SNPs im Zusammenhang mit dem pH-Wert zu identifizieren: BayeScan 2.177, BayPass 2.378 im Basismodus, BayPass im Kovariatenmodus und eine Redundanzanalyse (RDA) unter Verwendung der RDA-Funktion im veganen R-Paket79. Aufgrund der vernachlässigbaren Populationsstruktur zwischen den Standorten (siehe Ergebnisse und Abb. 3) und in dem Bemühen, die Anzahl der Individuen pro Bedingung sowie die Modellgenauigkeit zu erhöhen, wurden Individuen von beiden Kontrollstandorten und von beiden Sickerstandorten für die Untersuchung zusammengefasst BayeScan und BayPass im Basismodus für Analysen.

BayeScan wurde mit Standardparametern, der Option -snp und einer Falscherkennungsrate von 0,05 (FDR = 0,05) ausgeführt. Um die potenzielle Populationsstruktur im BayPass in der Basismodusanalyse zu kontrollieren, wurde zunächst ein auf Linkage Disequilibrium (LD) bereinigter Datensatz mit plink 1.980 und plink 2.080 erstellt. Ein erster Lauf wurde mit dem LD-beschnittenen Datensatz durchgeführt, danach wurde die resultierende Omega-Matrix für den kontrollierten Lauf mit dem gesamten SNP-Datensatz verwendet. Um den Schwellenwert der XtX-Statistik festzulegen, um einen SNP als für den BayPass im Basismodus ausgewählt zu betrachten, wurde eine neutrale SNP-Verteilung mit der im BayPass-Paket enthaltenen R-Funktion simulieren.baypass simuliert. Anschließend wurde BayPass mit den simulierten Daten ausgeführt und schließlich wurden ausgewählte SNPs mit einem FDR = 0,05 durch Auswahl des 95 %-Quantils der simulierten XtX-Verteilung erhalten.

Um mit pH-Änderungen verbundene Genotypen zu identifizieren, wurden BayPass im Kovariatenmodus und eine RDA durchgeführt, wobei der pH-Wert jedes Standorts als kovariate Umweltdaten für beide Analysen verwendet wurde. Für die RDA wurden fehlende Genotypen zunächst mit dem am häufigsten vorkommenden Genotyp an jedem Standort imputiert und die RDA-Funktion wurde auf dem imputierten Datensatz ausgeführt. SNP-Beladungen wurden für die RDA-Achse 1 extrahiert und der Ausreißerschwellenwert wurde auf das 2,5-fache der Standardabweichung festgelegt, was ap = 0,01 entspricht.

Um falsch positive Ergebnisse zu vermeiden, galt ein SNP als adaptiv, wenn er mindestens in zwei der vier durchgeführten Analysen auftrat. Dies führte zu insgesamt 625 Kandidaten für adaptive SNPs, die mithilfe der Referenzgenom-Annotationen und SnpEff81 annotiert wurden. Da tagbasiertes RNAseq Fragmente des Transkriptoms in der Nähe des 3'-Endes der Transkripte produziert,50 wurde erwartet, dass viele Lesevorgänge 3`-UTR-Regionen abbilden, die in Referenzgenomen im Allgemeinen schlecht annotiert sind. Tatsächlich wurden 16,7 % der SNPs von SnpEff unter Verwendung von A. millepora-Genomanmerkungen von Fuller und Co-Autoren als intergene SNPs annotiert20. Um die Annotationen dieser Transkripte zu verbessern, wurden BLASTN- und BLASTX-Suchen82 in der nr NCBI-Datenbank unter Verwendung von Standardparametern durchgeführt. Obwohl die genauen Mechanismen, nach denen diese Gene funktionieren, möglicherweise noch unbekannt sind, sind in transkriptomischen Studien unterschiedlich exprimierte Gene funktionell an der Reaktion auf die Umgebung beteiligt, der sie ausgesetzt waren. Daher wurde die Funktion der annotierten adaptiven SNP-Kandidaten untersucht und, wenn möglich, anhand zahlreicher zuvor veröffentlichter transkriptomischer und funktioneller Korallenstudien bestimmt.

Eine Gene Set Enrichment Analysis (GSEA) wurde durchgeführt, um zu testen, ob in den adaptiven SNP-Annotationen der Kandidaten im Vergleich zum gesamten Genom überrepräsentierte Gene Ontology (GO)-Begriffe vorhanden waren. Die Proteom-Fasta-Datei des A. millepora-Referenzgenoms wurde mit dem PANNZER2-Webserver83 annotiert. Anschließend wurde eine GSEA mit der Funktion GOEnrich_pannzer2 im PlantNGSTools R-Paket84 durchgeführt, wobei die mit PANNZER2 erhaltenen GO-Annotationen und die Liste der in Frage kommenden adaptiven Gene verwendet wurden. Gemäß der ursprünglichen Beschreibung der GSEA-Methode85 wurden nur die Gensätze mit einer Falscherkennungsrate <0,25 ausgewählt („useFDR = T, Cut = 0,25“), um falsch positive Ergebnisse zu kontrollieren. Der REVIGO-Webserver86 wurde verwendet, um für jede GO-Kategorie (biologischer Prozess, BP; zelluläre Komponente, CC; molekulare Funktion, MF) Cluster zu bilden, redundante Elemente zu entfernen und repräsentative angereicherte GO-Begriffe zu finden. Obwohl einige GO-Begriffe in Nicht-Modellorganismen mit Vorsicht interpretiert werden sollten, ermöglicht das artneutrale Design der GO-Datenbank speziell die Übertragung funktioneller Annotationen von Modellgenen auf ihre Nicht-Modell-Orthologe87.

Um zu überprüfen, ob es sich bei den Korallen aus den beiden Probenahmestellen um genetisch unterschiedliche oder homogene Populationen handelte, wurden populationsgenetische Analysen durchgeführt. Durch Ausschließen der 625 adaptiven SNP-Kandidaten mithilfe der VCFtools-Funktion --exclude-positions wurde ein neutraler SNP-Datensatz von 78.648 SNPs erhalten. Anschließend wurde der neutrale SNP-Datensatz ausgedünnt, um die Einbeziehung physisch verknüpfter Loci zu vermeiden, um einen physischen Abstand von mindestens 10 kbp sicherzustellen (z. B. in Anlehnung an Bennett und Co-Autoren88; Mattingsdal und Co-Autoren52; Zou und Co-Autoren89), indem die Funktion --thin in VCFtools verwendet wurde , was zu einem Datensatz von 11.169 unabhängigen neutralen SNPs führte.

Die Bevölkerungsstruktur sowohl im unabhängigen neutralen als auch im adaptiven SNP-Kandidatendatensatz wurde mithilfe des Bayes'schen Clustering-Ansatzes in STRUCTURE 2.390 und der im adegenet R-Paket91 implementierten Diskriminanzanalysen der Hauptkomponenten (DAPC) bewertet. STRUCTURE wurde für 200.000 MCMC-Iterationen mit einem Burn-in von 50.000 Iterationen ausgeführt, wobei das Beimischungsmodell verwendet und die mutmaßliche Anzahl der Cluster (K) von 1 bis 10 mit 10 Wiederholungen für jeden Lauf festgelegt wurde. STRUCTURE HARVESTER92 wurde verwendet, um die wahrscheinlichste Anzahl genetischer Cluster mithilfe der Evanno-Delta-K-Methode93 zu ermitteln. Anschließend wurde CLUMPAK94 verwendet, um die Mitgliederzahl der einzelnen Replikate zu mitteln und die STRUCTURE-Ergebnisse grafisch darzustellen. Die DAPC-Analyse wurde vorab unter Verwendung der Probenahmestellen und Auswahl der optimalen Anzahl beibehaltener Hauptkomponentenachsen mithilfe der xvalDapc-Funktion im adegenet R-Paket durchgeführt. Für den neutralen bzw. den adaptiven SNP-Datensatz wurden zwei und acht PC-Achsen sowie zwei und drei DA-Achsen beibehalten.

Darüber hinaus wurde für den unabhängigen neutralen SNP-Datensatz ein Migrationsnetzwerk mithilfe der GST-Methode von Nei der divMigrate-Funktion im diverRsity-R-Paket95 abgeleitet und der globale FST-Wert mithilfe der Funktion basic.stats im hierfstat-R-Paket96 berechnet.

Um die genetische Differenzierung von Photosymbionten zwischen Standorten zu testen, wurde ein Pool-Seq-Ansatz implementiert. Bei diesem Ansatz entsprach jede Korallenkolonie einem Populationspool von Algenendosymbionten. Sowohl Noonan und Co-Autoren21 als auch Kenkel und Co-Autoren17 zeigten, dass sich der Symbiodiniaceae-Typ zwischen Kontroll- und CO2-Sickerumgebungen nicht unterschied, wobei Cladocopium goreaui (früher bekannt als Symbiodinium Clade C, Typ C1) in beiden Umgebungen die dominierende Art war. Daher wurden saubere Lesevorgänge von jeder Kolonie mit dem Cladocopium goreaui-Referenzgenom kartiert, das von http://symbs.reefgenomics.org97 unter Verwendung von bwa-mem2 v. 2.2.198 erhalten wurde. Positionen mit einer Zuordnungsqualität <20 wurden mit der Samtools-Ansicht herausgefiltert und die Dateien wurden mit der Samtools-Sortierung nach Referenzposition sortiert.

Der SNP-Aufruf von C. goreaui-Endosymbionten wurde unter Verwendung von FreeBayes mit der Flagge --pooled-coninuous durchgeführt, um gepoolte Populationen einer unbekannten Anzahl von Individuen zu berücksichtigen. VCFtools wurde zum Filtern und Zurückhalten von SNPs (--remove-indels) mit einem Mindestqualitätswert von 20 (--minQ 20), einer Mindestallelfrequenz von 0,05 (--maf 0,05) und einer Anwesenheit in mindestens 70 % verwendet Einzelpersonen (--max-missing 0,7). Unser endgültiger C. goreaui-Photosymbiontendatensatz bestand aus 2.707 SNPs. Die Populationsstruktur wurde mit einer DAPC-Analyse wie oben für den Korallenwirt angegeben bewertet, wobei 20 PC- und drei DA-Achsen beibehalten wurden, wie von xvalDapc optimiert. Die VCF-Datei wurde dann mithilfe der Funktion vcf2pooldata im Paket poolfstat 2.1.1 R99 in ein Pooldata-Objekt umgewandelt. Eine paarweise FST-Tabelle wurde mit der Funktion „compute.pairwiseFST“ im Paket „poolfstat R“ berechnet und die Ergebnisse wurden mit der Funktion „pheatmap“ im Paket „pheatmap 1.0.12 R“100 visualisiert. Zusätzlich wurden zwei Analysen der molekularen Varianz (AMOVA) unter Verwendung der Amova-Funktion im Paket poppr 2.9.3 R101 durchgeführt, um die Aufteilung der genetischen Varianz sowohl in einem räumlichen als auch in einem Umweltmodell zu testen, wobei p-Werte auf 1000 Permutationen basierten. Im räumlichen Modell wurde die genetische Varianz durch die Probenahmestelle (Dobu-Seep, Dobu-Kontrolle, Upa-Upasina-Seep, Upa-Upasina-Kontrolle) vorhergesagt, die im Riffsystem (Dobu, Upa-Upasina) verschachtelt war. Im Umweltmodell wurde die genetische Varianz ausschließlich durch die Umgebung der Populationspools vorhergesagt (d. h. Kontrollen vs. CO2-Sickern), um zu testen, ob die Umgebung einen signifikanten Einfluss auf die genetische Varianz der Endosymbionten hat.

Die transkriptomischen Messwerte des Mikrobioms wurden taxonomisch und funktionell klassifiziert, um mögliche transkriptomische Unterschiede des Mikrobioms in verschiedenen Umgebungen zu untersuchen. Die taxonomische Klassifizierung (die auf transkriptionell aktive Taxa hinweist) wurde mit Kraken2 2.1.2102 an den nicht kartierten Lesevorgängen (d. h. denjenigen, die weder die Korallen- noch die Photosymbiontengenome kartierten) durchgeführt, wobei die taxonomischen Informationen des NCBI in Kombination mit den „Bakterien“ der RefSeq-Bibliotheken verwendet wurden. „Archaeen“, „Pilze“ und „viral“. Kraken-biom 1.0.1103 wurde verwendet, um eine BIOM-Tabelle aus allen Kraken-Berichten zu erstellen, die dann mit der Funktion import_biom im Phyloseq 1.40 R-Paket104 in R importiert wurde. Die relative Häufigkeit transkriptomischer Lesevorgänge wurde auf Phylum-Ebene nach Standort (nach Morrow und Co-Autoren22) mit ggplot2 3.4.1105 aufgezeichnet, und ein Diagramm mit nichtmetrischer mehrdimensionaler Skalierung (NMDS) wurde mit den Funktionen ordinate und plot_ordination in Phyloseq unter Verwendung der NMDS-Methode erstellt über die Bray-Curtis-Unterschiede zwischen Kolonien (Methode = „NMDS“, Distanz = „bray“).

Unterschiede in der Mikrobiomfunktionalität wurden zwischen Umgebungen nach Gardiner und Co-Autoren bewertet106. Die funktionale Klassifizierung wurde mit einer baumförmigen Hierarchie von GO-Begriffen unter Verwendung der Teilmenge „Molecular Function“106 durchgeführt. Diese baumförmige GO-Hierarchie wurde mit den RefSeq-Bibliotheken „Bakterien“, „Archaeen“, „Pilze“ und „Viren“ kombiniert, um eine Datenbank aufzubauen und eine direkte funktionale Klassifizierung unserer nicht zugeordneten sauberen Lesevorgänge mit Kraken2 2.1.2 durchzuführen. Kraken-biom 1.0.1 wurde verwendet, um aus allen Kraken-Berichten eine BIOM-Tabelle zu erstellen, die dann mithilfe der Funktion import_biom in Phyloseq in R importiert wurde. Wie oben beschrieben wurde eine NMDS-Auftragung der Bray-Curtis-Unterschiede zwischen den Kolonien durchgeführt. Um außerdem molekulare Funktionen zu identifizieren, die sich zwischen den Umgebungen erheblich unterschieden, wurde für jeden GO-Term unabhängig ein Welch-T-Test durchgeführt, wobei die Funktion oneway.test im Stats 4.2.3 R-Paket107 verwendet wurde, wobei die Proben nach Umgebung gruppiert wurden (sickernde vs. Kontrollkolonien). ). Auf das Signifikanzniveau wurde eine Bonferroni-Korrektur angewendet, um falsch positive Ergebnisse aufgrund mehrerer Tests zu vermeiden.

Vier Analysen wurden verwendet, um SNPs zu identifizieren, die einer natürlichen Selektion unterliegen oder mit dem pH-Wert im Korallenwirt in Zusammenhang stehen. Anschließend wurden diejenigen, die in mindestens zwei der vier Analysen vorhanden waren, als selektiert betrachtet, um falsch positive Ergebnisse zu vermeiden. Anschließend wurde eine Gene-Set-Enrichment-Analyse durchgeführt, um überrepräsentierte GO-Terme in den adaptiven SNP-Annotationen der Kandidaten zu erkennen, wobei ein Ansatz zur Erkennung falscher Ergebnisse zur Kontrolle falsch positiver Ergebnisse verwendet wurde. Weitere Einzelheiten finden Sie im Abschnitt „Methoden“, Unterabschnitt „Identifizierung und Annotation von Loci im Rahmen von Selektions- und Genotyp-Umwelt-Assoziationsanalysen im Korallenwirt“.

Für das Korallenmikrobiom wurde ein Welch-T-Test für jeden GO-Begriff unabhängig unter Verwendung der oneway.test-Funktion im Stats 4.2.3 R-Paket107 durchgeführt, um molekulare Funktionen zu identifizieren, die sich zwischen den Umgebungen deutlich unterschieden. Der Welch-T-Test wurde ausgewählt, nachdem mit dem var.test im Stats 4.2.3 R-Paket107 auf gleiche Varianzen geprüft wurde, was darauf hinwies, dass es signifikante Unterschiede in den Varianzen gab und daher der klassische T-Test nicht angewendet werden konnte. Auf das Signifikanzniveau wurde eine Bonferroni-Korrektur angewendet, um falsch positive Ergebnisse aufgrund mehrerer Tests zu vermeiden, wodurch das Signifikanzniveau von 0,05 auf 0,00027 gesenkt wurde.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Die Daten für diese Studie wurden aus öffentlichen Repositorien bezogen: NCBI SRA BioProject PRJNA36265268, NCBI SRA BioProject PRJNA76766171 und der Datenbank reefgenomics.org97. Numerische Quelldaten für Grafiken und Diagramme finden Sie in den Supplementary Data 3 und Supplementary Data 4. Alle anderen Daten sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Doney, SC & Schimel, DS Kohlenstoff- und Klimasystemkopplung auf Zeitskalen vom Präkambrium bis zum Anthropozän. Annu Rev. Env. Ressource. 32, 31–66 (2007).

Artikel Google Scholar

Khatiwala, S. et al. Globale Ozeanspeicherung von anthropogenem Kohlenstoff. Biogeosciences 10, 2169–2191 (2013).

Artikel CAS Google Scholar

Friedlingstein, P. et al. Globaler Kohlenstoffhaushalt 2021. Erdsystem. Wissenschaft. Daten 14, 1917–2005 (2022).

Artikel Google Scholar

Doney, SC, Fabry, VJ, Feely, RA & Kleypas, JA Ozeanversauerung: das andere CO2-Problem. Annu. Rev. Mar. Sci. 1, 169–192 (2009).

Artikel Google Scholar

Knowlton, N. et al. Artenvielfalt im Korallenriff. im Leben in den Weltmeeren: Vielfalt, Verbreitung und Fülle. (Hrsg. Mcintyre, AD) 65–79 (Oxford, Großbritannien: Wiley-Blackwell, 2010).

Hoegh-Guldberg, O. et al. Korallenriffe unter schnellem Klimawandel und Ozeanversauerung. Science 318, 1737–1742 (2007).

Artikel CAS PubMed Google Scholar

Cornwall, CE et al. Globaler Rückgang der Kalziumkarbonatproduktion in Korallenriffen aufgrund der Versauerung und Erwärmung der Ozeane. Proz. Natl Acad. Wissenschaft. USA 118, e2015265118 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Pandolfi, JM & Kiessling, W. Gewinnung von Erkenntnissen aus früheren Riffen, um das Verständnis der Reaktion von Korallenriffen auf den globalen Klimawandel zu verbessern. Curr. Meinung. Umgebung. Aufrechterhalten. 7, 52–58 (2014).

Artikel Google Scholar

Yamano, H., Sugihara, K. & Nomura, K. Schnelle polwärts gerichtete Ausbreitung tropischer Riffkorallen als Reaktion auf steigende Meeresoberflächentemperaturen. Geophys. Res. Lette. 38, 4 (2011).

Torda, G. et al. Schnelle adaptive Reaktionen auf den Klimawandel bei Korallen. Nat. Aufstieg. Änderung 7, 627–636 (2017).

Artikel Google Scholar

Barrett, RD & Schluter, D. Anpassung an bestehende genetische Variation. Trends Ecol. Entwicklung 23, 38–44 (2008).

Artikel PubMed Google Scholar

Bitter, MC, Kapsenberg, L., Gattuso, J.-P. & Pfister, CA Ständige genetische Variation fördert die schnelle Anpassung an die Versauerung der Ozeane. Nat. Komm. 10, 5821 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

González-Delgado, S. & Hernández, JC Die Bedeutung natürlicher versauerter Systeme bei der Untersuchung der Ozeanversauerung: Was haben wir gelernt? Adv. Meeresbiol. 80, 57–99 (2018).

Kang, J. et al. Die schnelle Evolution fördert die transkriptionelle Plastizität der Ozeanversauerung. Globus. Biol. ändern 28, 3007–3022 (2022).

Artikel CAS Google Scholar

Bay, RA & Palumbi, SR Multilocus-Anpassung im Zusammenhang mit Hitzeresistenz bei riffbildenden Korallen. Curr. Biol. 24, 2952–2956 (2014).

Artikel CAS PubMed Google Scholar

Teixidó, N. et al. Die Versauerung der Ozeane führt zu unterschiedlichen Merkmalsverschiebungen bei einer Korallenart. Globus. Biol. ändern 26, 6813–6830 (2020).

Artikel Google Scholar

Kenkel, CD, Moya, A., Strahl, J., Humphrey, C. & Bay, LK Die funktionelle Genomanalyse von Korallen aus natürlichen CO2-Sickern enthüllt zentrale molekulare Reaktionen, die bei der Akklimatisierung an die Ozeanversauerung beteiligt sind. Globus. Biol. ändern 24, 158–171 (2018).

Artikel Google Scholar

Fabricius, KE et al. Verlierer und Gewinner in Korallenriffen, die sich an erhöhte Kohlendioxidkonzentrationen gewöhnt haben. Nat. Aufstieg. Änderung 1, 165–169 (2011).

Artikel CAS Google Scholar

Fabricius, KE, De'ath, G., Noonan, S. & Uthicke, S. Ökologische Auswirkungen der Ozeanversauerung und der Lebensraumkomplexität auf riffassoziierte Makrowirbellosengemeinschaften. Proz. R. Soc. B Biol. Wissenschaft. 281, 20132479 (2014).

Artikel CAS Google Scholar

Fuller, ZL et al. Populationsgenetik der Koralle Acropora millepora: Auf dem Weg zur genomischen Vorhersage der Bleiche. Science 369, eaba4674 (2020).

Artikel CAS PubMed Google Scholar

Noonan, SH, Fabricius, KE & Humphrey, C. Die Zusammensetzung der Symbiodinium-Gemeinschaft in Skleraktin-Korallen wird durch lebenslange Exposition gegenüber erhöhtem Kohlendioxid nicht beeinflusst. PLoS One 8, e63985 (2013).

Artikel PubMed PubMed Central Google Scholar

Morrow, KM et al. Natürliche vulkanische CO2-Austritte offenbaren zukünftige Entwicklungen für Wirt-Mikroben-Assoziationen in Korallen und Schwämmen. ISME J. 9, 894–908 (2015).

Artikel CAS PubMed Google Scholar

Goreau, TF Die Physiologie der Skelettbildung in Korallen. I. Eine Methode zur Messung der Kalziumablagerungsrate von Korallen unter verschiedenen Bedingungen. Biol. Stier. 116, 59–75 (1959).

Artikel CAS Google Scholar

Bertucci, A. et al. Carboanhydrasen in Anthozoenkorallen – Ein Überblick. Bioorg. Med. Chem. 21, 1437–1450 (2013).

Artikel CAS PubMed Google Scholar

Ramos-Silva, P. et al. Das Skelettproteom der Koralle Acropora millepora: die Entwicklung der Verkalkung durch Kooptation und Domänenmischung. Mol. Biol. Entwicklung 30, 2099–2112 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Peled, Y. et al. Die Optimierung der Skelettproteinpräparation für die LC-MS/MS-Sequenzierung liefert zusätzliche Korallenskelettproteine ​​in Stylophora pistillata. BMC Mater. 2, 1–15 (2020).

Google Scholar

Moya, A. et al. Die Analyse des gesamten Transkriptoms der Koralle Acropora millepora zeigt komplexe Reaktionen auf CO2-bedingte Versauerung während der Einleitung der Verkalkung. Mol. Ökologisch. 21, 2440–2454 (2012).

Artikel CAS PubMed Google Scholar

Kaniewska, P. et al. Wesentliche zelluläre und physiologische Auswirkungen der Ozeanversauerung auf eine Riff bildende Koralle. PloS One 7, e34659 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Vidal-Dupiol, J. et al. Gene, die mit dem Ionentransport und der Energieproduktion zusammenhängen, werden als Reaktion auf CO2-bedingte pH-Abnahme in Korallen hochreguliert: neue Erkenntnisse aus der Transkriptomanalyse. PloS One 8, e58652 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Tambutté, S. et al. Korallenbiomineralisierung: Vom Gen zur Umwelt. J. Exp. Mar. Biol. Ökologisch. 408, 58–78 (2011).

Artikel Google Scholar

Tambutté, E. et al. Calcein-Markierung und Elektrophysiologie: Einblicke in die Permeabilität und Verkalkung von Korallengewebe. Proz. R. Soc. B Biol. Wissenschaft. 279, 19–27 (2012).

Artikel Google Scholar

Tambutté, E., Ganot, P., Venn, AA & Tambutté, S. Eine Rolle für primäre Zilien bei der Korallenverkalkung? Cell Tissue Res 383, 1093–1102 (2021).

Artikel PubMed Google Scholar

Hemond, EM, Kaluziak, ST & Vollmer, SV Die Genetik der Kolonieform und -funktion in karibischen Acropora-Korallen. BMC Genom.15, 1–21 (2014).

Artikel Google Scholar

Karako-Lampert, S. et al. Transkriptomanalyse der Skleraktinkoralle Stylophora pistillata. PLoS One 9, e88615 (2014).

Artikel PubMed PubMed Central Google Scholar

Gutner-Hoch, E., Ben-Asher, HW, Yam, R., Shemesh, A. & Levy, O. Identifizierung von Genen und Regulierungswegen, die mit dem Verkalkungsprozess der Skleraktin-Korallen verbunden sind. PeerJ 5, e3590 (2017).

Artikel PubMed PubMed Central Google Scholar

Levene, H. Genetisches Gleichgewicht, wenn mehr als eine ökologische Nische verfügbar ist. Bin. Nat. 87, 331–333 (1953).

Artikel Google Scholar

Yeaman, S. & Otto, SP Etablierung und Aufrechterhaltung adaptiver genetischer Divergenz unter Migration, Selektion und Drift. Evolution 65, 2123–2129 (2011).

Artikel PubMed Google Scholar

Savolainen, O., Lascoux, M. & Merilä, J. Ökologische Genomik der lokalen Anpassung. Nat. Rev. Gene. 14, 807–820 (2013).

Artikel CAS PubMed Google Scholar

Leiva, C. et al. Populationsunterstruktur und Signale divergenter adaptiver Selektion trotz Beimischung in den Schwamm Dendrilla antarctica aus flachen Gewässern rund um die Antarktische Halbinsel. Mol. Ökologisch. 28, 3151–3170 (2019).

PubMed Google Scholar

Barshis, DJ et al. Genomische Grundlage für die Widerstandsfähigkeit von Korallen gegenüber dem Klimawandel. Proz. Natl Acad. Wissenschaft. USA 110, 1387–1392 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Rose, NH et al. Genomische Analyse unterschiedlicher Bleichtoleranzen bei kryptischen Korallenarten. Proz. R. Soc. B 288, 20210678 (2021).

Artikel PubMed PubMed Central Google Scholar

Smith, EG et al. Merkmale der Selektion, die die schnelle Anpassung der Korallen an die wärmsten Riffe der Welt unterstützen. Wissenschaft. Adv. 8, eabl7287 (2022).

Artikel PubMed Google Scholar

Südhof, TC Synaptotagmins: Warum so viele? J. Biol. Chem. 277, 7629–7632 (2002).

Artikel PubMed Google Scholar

DeSalvo, MK, Sunagawa, S., Voolstra, CR & Medina, M. Transkriptomische Reaktionen auf Hitzestress und Bleichen in der Elchgeweihkoralle Acropora palmata. März Ecol. Prog. Ser. 402, 97–113 (2010).

Artikel CAS Google Scholar

DeSalvo, MK, Estrada, A., Sunagawa, S. & Medina, M. Transkriptomische Reaktionen auf Dunkelheitsstress deuten auf häufige Korallenbleichmechanismen hin. Coral Reefs 31, 215–228 (2012).

Artikel Google Scholar

Mao, Y. Struktur, Dynamik und Funktion des 26S-Proteasoms. Unterzelle. Biochem. 96, 1–151 (2021).

Spriggs, KA, Bushell, M. & Willis, AE Translationale Regulierung der Genexpression unter Zellstressbedingungen. Mol. Zelle 40, 228–237 (2010).

Artikel CAS PubMed Google Scholar

Zhang, X. et al. Translationale Kontrolle der zytosolischen Stressreaktion durch das mitochondriale ribosomale Protein L18. Nat. Struktur. Mol. Biol. 22, 404–410 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Kim, T.-H., Leslie, P. & Zhang, Y. Ribosomale Proteine ​​als ungeklärte Vermittler für zellulären Stress und genomische Instabilität. Oncotarget 5, 860 (2014).

Artikel PubMed PubMed Central Google Scholar

Matz, MV Phantastische Tierwesen und wie man sie sequenziert: Ökologische Genomik für obskure Modellorganismen. Trends Genet 34, 121–132 (2018).

Artikel CAS PubMed Google Scholar

Cooke, I. et al. Genomische Signaturen im Korallenholobionten offenbaren Wirtsanpassungen, die durch den Klimawandel im Holozän und riffspezifische Symbionten hervorgerufen werden. Wissenschaft. Adv. 6, eabc6318 (2020).

Artikel PubMed PubMed Central Google Scholar

Mattingsdal, M. et al. Die demografische Geschichte hat die stark differenzierten Lippfischpopulationen in Nordeuropa geprägt. Mol. Ökologisch. 29, 160–171 (2020).

Artikel PubMed Google Scholar

Tanvet, C. et al. Korallen, die an den extremen und schwankenden pH-Wert des Meerwassers angepasst sind, erhöhen die Verkalkungsrate und haben einzigartige Symbiontengemeinschaften. Ökologisch. Entwicklung 13, e10099 (2023).

Artikel PubMed PubMed Central Google Scholar

Mohamed, AR et al. Die transkriptomische Reaktion der Koralle Acropora digitifera auf einen kompetenten Symbiodinium-Stamm: das Symbiosom als arretiertes frühes Phagosom. Mol. Ökologisch. 25, 3127–3141 (2016).

Artikel CAS PubMed Google Scholar

Yoshioka, Y. et al. Gesamtgenom-Transkriptomanalysen einheimischer Symbionten offenbaren genomische Neuheiten der Wirtskoralle für den Aufbau von Korallen-Algen-Symbiosen. Genombiol. Entwicklung 13, evaa240 (2021).

Artikel PubMed Google Scholar

Kuniya, N. et al. Mögliche Beteiligung von Tachylectin-2-ähnlichem Lektin aus Acropora tenuis am Prozess der Symbiodinium-Akquisition. Fisch. Wissenschaft. 81, 473–483 (2015).

Artikel CAS Google Scholar

Oakley, CA et al. Symbiose führt zu weitreichenden Veränderungen im Proteom des Modell-Nesseltiers Aiptasia. Zelle. Microbiol 18, 1009–1023 (2016).

Artikel CAS PubMed Google Scholar

Kvennefors, ECE et al. Die Analyse evolutionär konservierter angeborener Immunkomponenten in Korallen verknüpft Immunität und Symbiose. Entwickler Komp. Immunol. 34, 1219–1229 (2010).

Artikel CAS PubMed Google Scholar

Neubauer, E.-F. et al. Ein vielfältiges Thrombospondin-Typ-1-Repeat-Proteinrepertoire des Wirts fördert die Symbiontenbesiedlung während der Etablierung einer Nesseltier-Dinoflagellaten-Symbiose. Elife 6, e24494 (2017).

Artikel PubMed PubMed Central Google Scholar

Quigley, KM, Bay, LK & Willis, BL Nutzung neuer Erkenntnisse über die Regulierung der Symbiodinium-Gemeinschaft in Korallen für den Schutz und die Wiederherstellung von Riffen. März Ecol. Prog. Ser. 600, 245–253 (2018).

Artikel Google Scholar

Daniels, CA et al. Die Metatranskriptomanalyse der riffbildenden Koralle Orbicella faveolata weist auf eine Holobiontenreaktion auf Korallenkrankheiten hin. Vorderseite. Mar. Sci. 2, 62 (2015).

Artikel Google Scholar

Sato, Y. et al. Aufklärung der mikrobiellen Prozesse der Schwarzbandkrankheit in Korallen durch integrierte Genomik. Wissenschaft. Rep. 7, 40455 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Strahl, J. et al. Die physiologische und ökologische Leistung unterscheidet sich bei vier Korallentaxa bei einem vulkanischen Kohlendioxidaustritt. Komp. Biochem. Physiol. A. Mol. Integr. Physiol. 184, 179–186 (2015).

Artikel CAS PubMed Google Scholar

Madin, JS et al. Ein merkmalsbasierter Ansatz zur Weiterentwicklung der Korallenriffwissenschaft. Trends Ecol. Entwicklung 31, 419–428 (2016).

Artikel PubMed Google Scholar

Rocker, MM, Francis, DS, Fabricius, KE, Willis, BL & Bay, LK Variation im Gesundheits- und biochemischen Zustand der Koralle Acropora tenuis entlang zweier Wasserqualitätsgradienten am Great Barrier Reef, Australien. Mar. Pollut. Stier. 119, 106–119 (2017).

Artikel CAS PubMed Google Scholar

Kleypas, J. et al. Entwerfen eines Plans für das Überleben im Korallenriff. Biol. Konserv. 257, 109107 (2021).

Artikel Google Scholar

Hoegh-Guldberg, O. Nachhaltigkeit von Korallenriffen durch Anpassung: Hoffnungsschimmer oder anhaltende Fata Morgana? Curr. Meinung. Umgebung. Aufrechterhalten. 7, 127–133 (2014).

Artikel Google Scholar

Beitritt zum NCBI-Bioprojekt. Tag-basierte RNA-Sequenz von A. millepora aus CO2-Sickern in PNG. https://www.ncbi.nlm.nih.gov/bioproject/PRJNA362652/ (2017).

Rogier, O. et al. Genauigkeit der RNAseq-basierten SNP-Entdeckung und Genotypisierung in Populus nigra. BMC Genom.19, 1–12 (2018).

Artikel Google Scholar

Andrews, S. FastQC: ein Qualitätskontrolltool für Hochdurchsatz-Sequenzdaten (Babraham Bioinformatics, Babraham Institute, Cambridge, Vereinigtes Königreich, 2010).

Beitritt zum NCBI-Bioprojekt. Acropora millepora RefSeq-Genomsequenzierung und -assemblierung. https://www.ncbi.nlm.nih.gov/assembly/GCF_013753865.1 (2019).

Li, H. Ausrichten von Sequenzlesevorgängen, Klonsequenzen und Assemblierungs-Contigs mit BWA-MEM. arXiv Prepr. arXiv https://doi.org/10.48550/arXiv.1303.3997 (2013).

Danecek, P. et al. Zwölf Jahre SAMtools und BCFtools. Gigascience 10, giab008 (2021).

Artikel PubMed PubMed Central Google Scholar

Van der Auwera, GA & O'Connor, BD Genomik in der Cloud: Verwendung von Docker, GATK und WDL in Terra (O'Reilly Media, 2020).

Garrison, E. & Marth, G. Haplotypbasierte Variantenerkennung durch Short-Read-Sequenzierung. arXiv https://doi.org/10.48550/arXiv.1207.3907 (2012).

Danecek, P. et al. Das Variantenaufrufformat und VCFtools. Bioinformatik 27, 2156–2158 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Foll, M. & Gaggiotti, O. Eine Genom-Scan-Methode zur Identifizierung ausgewählter Loci, die sowohl für dominante als auch für kodominante Marker geeignet sind: eine Bayes'sche Perspektive. Genetics 180, 977–993 (2008).

Artikel PubMed PubMed Central Google Scholar

Gautier, M. Genomweiter Scan auf adaptive Divergenz und Assoziation mit bevölkerungsspezifischen Kovariaten. Genetics 201, 1555–1579 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Dixon, P. VEGAN, ein Paket von R-Funktionen für die Gemeinschaftsökologie. J. Veg. Wissenschaft. 14, 927–930 (2003).

Artikel Google Scholar

Chang, CC et al. PLINK der zweiten Generation: Sich der Herausforderung größerer und umfangreicherer Datensätze stellen. Gigascience 4, s13742-015-0047–8 (2015).

Artikel Google Scholar

Cingolani, P. et al. Ein Programm zur Annotation und Vorhersage der Auswirkungen von Einzelnukleotidpolymorphismen, SnpEff: SNPs im Genom des Drosophila melanogaster-Stamms w1118; ISO-2; ISO-3. Fliege. (Austin) 6, 80–92 (2012).

Artikel CAS PubMed Google Scholar

Altschul, SF et al. Gapped BLAST und PSI-BLAST: eine neue Generation von Proteindatenbank-Suchprogrammen. Nucleic Acids Res 25, 3389–3402 (1997).

Artikel CAS PubMed PubMed Central Google Scholar

Törönen, P., Medlar, A. & Holm, L. PANNZER2: ein schneller Webserver für funktionale Annotationen. Nucleic Acids Res 46, W84–W88 (2018).

Artikel PubMed PubMed Central Google Scholar

Marmor. PlantNGSTools: NGS-Bioinformatik-Tools für Pflanzen. https://github.com/biomarble/PlantNGSTools/ (2023).

Subramanian, A. et al. Gen-Set-Anreicherungsanalyse: ein wissensbasierter Ansatz zur Interpretation genomweiter Expressionsprofile. Proz. Natl Acad. Wissenschaft. 102, 15545–15550 (2005).

Artikel CAS PubMed PubMed Central Google Scholar

Supek, F., Bošnjak, M., Škunca, N. & Šmuc, T. REVIGO fasst lange Listen von Begriffen der Genontologie zusammen und visualisiert sie. PloS One 6, e21800 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Primmer, CR, Papakostas, S., Leder, EH, Davis, MJ & Ragan, MA Annotierte Gene und nichtannotierte Genome: artübergreifende Verwendung der Genontologie in der Ökologie- und Evolutionsforschung. Mol. Ökologisch. 22, 3216–3241 (2013).

Artikel CAS PubMed Google Scholar

Bennett, KL, McMillan, WO & Loaiza, JR Das genomische Signal der lokalen Umweltanpassung bei Aedes aegypti-Mücken. Entwicklung Appl. 14, 1301–1313 (2021).

Artikel PubMed PubMed Central Google Scholar

Zou, T. et al. Die rätselhafte Entwicklung der Bären genauer aufdecken: der hybride Ursprung des asiatischen Schwarzbären. Proz. Natl Acad. Wissenschaft. 119, e2120307119 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Pritchard, JK, Stephens, M. & Donnelly, P. Inferenz der Populationsstruktur mithilfe von Multilocus-Genotypdaten. Genetics 155, 945–959 (2000).

Artikel CAS PubMed PubMed Central Google Scholar

Jombart, T. adegenet: ein R-Paket für die multivariate Analyse genetischer Marker. Bioinformatik 24, 1403–1405 (2008).

Artikel CAS PubMed Google Scholar

Earl, DA & VonHoldt, BM STRUCTURE HARVESTER: eine Website und ein Programm zur Visualisierung der STRUCTURE-Ausgabe und zur Implementierung der Evanno-Methode. Konserv. Genet. Ressource. 4, 359–361 (2012).

Artikel Google Scholar

Evanno, G., Regnaut, S. & Goudet, J. Ermitteln der Anzahl von Individuenclustern mithilfe der Software STRUCTURE: eine Simulationsstudie. Mol. Ökologisch. 14, 2611–2620 (2005).

Artikel CAS PubMed Google Scholar

Kopelman, NM, Mayzel, J., Jakobsson, M., Rosenberg, NA & Mayrose, I. Clumpak: ein Programm zur Identifizierung von Clustering-Modi und zur Verpackung von Populationsstruktur-Schlussfolgerungen über K. Mol. Ökologisch. Ressource. 15, 1179–1191 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Keenan, K., McGinnity, P., Cross, TF, Crozier, WW & Prodöhl, PA diverRsity: Ein R-Paket zur Schätzung und Untersuchung von Populationsgenetikparametern und den damit verbundenen Fehlern. Methoden Ecol. Entwicklung 4, 782–788 (2013).

Artikel Google Scholar

Goudet, J. Hierfstat, ein Paket für R zum Berechnen und Testen hierarchischer F-Statistiken. Mol. Ökologisch. Anmerkungen 5, 184–186 (2005).

Artikel Google Scholar

Liew, YJ, Aranda, M. & Voolstra, CR Reefgenomics.Org – ein Repository für marine Genomdaten. Datenbank 2016, baw152 (2016).

Artikel PubMed PubMed Central Google Scholar

Vasimuddin, M., Misra, S., Li, H. & Aluru, S. Effiziente architekturbewusste Beschleunigung von BWA-MEM für Multicore-Systeme. im Jahr 2019 IEEE International Parallel and Distributed Processing Symposium (IPDPS) 314–324 (IEEE, 2019).

Gautier, M., Vitalis, R., Flori, L. & Estoup, A. f-Statistics-Schätzung und Erstellung von Beimischungsdiagrammen mit Pool-Seq- oder Allelzahldaten unter Verwendung des R-Pakets poolfstat. Mol. Ökologisch. Ressource. 22, 1394–1416 (2022).

Artikel CAS PubMed Google Scholar

Kolde, R. pheatmap: Hübsche Heatmaps. https://rdrr.io/cran/pheatmap/ (2019).

Kamvar, ZN, Tabima, JF & Grünwald, NJ Poppr: ein R-Paket für die genetische Analyse von Populationen mit klonaler, teilweise klonaler und/oder sexueller Fortpflanzung. PeerJ 2, e281 (2014).

Artikel PubMed PubMed Central Google Scholar

Wood, DE, Lu, J. & Langmead, B. Verbesserte metagenomische Analyse mit Kraken 2. Genome Biol. 20, 1–13 (2019).

Artikel Google Scholar

Dabdoub, S. Kraken-Biom ermöglicht interoperative Formatkonversationen. Kraken-Ergebnisse Version 12 https://github.com/smdabdoub/kraken-biom (2016).

McMurdie, PJ & Holmes, S. phyloseq: ein R-Paket für reproduzierbare interaktive Analysen und Grafiken von Mikrobiom-Volkszählungsdaten. PloS One 8, e61217 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Wickham, H. ggplot2: Elegante Grafiken für die Datenanalyse (Springer-Verlag, 2026).

Gardiner, L.-J. et al. Umgestaltung der Software zur funktionellen Charakterisierung des Mikrobioms. Mikrobiom 9, 1–12 (2021).

Artikel Google Scholar

R-Kernteam. R: Eine Sprache und Umgebung für statistische Berechnungen. R Foundation for Statistical Computing, Wien, Österreich. https://www.R-project.org/ (2023).

Zoccola, D. et al. Spezifische Expression des BMP2/4-Orthologen in biomineralisierenden Geweben von Korallen und Wirkung auf den Maus-BMP-Rezeptor. Mar. Biotechnologie. 11, 260–269 (2009).

Artikel CAS Google Scholar

Drake, JL et al. Proteomische Analyse der organischen Skelettmatrix der Steinkoralle Stylophora pistillata. Proz. Natl Acad. Wissenschaft. USA 110, 3788–3793 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Referenzen herunterladen

Wir danken Jeffrey Centino und Drs. Bastian Bentlage für ihre EDV-Unterstützung. Diese Arbeit wurde von der National Science Foundation NSF-EPSCoR Grant Nr. unterstützt. OIA-1946352. Die Finanzierung erfolgte auch aus den Zuschüssen der spanischen Regierung ADAPTIVE (PGC2018-100735-B-I00/MCIU/AEI/FEDER, EU) und ENVIOME (PID2021-128094NB-I00/MCIN/AEI/1) für den Auftrag „Ramon und Cajal“. RP-P. (RYC2018-025070-I) und das Projekt „DIVERGEN – BBVA Foundation Grants to Scientific Research Projects 2021“.

Marinelabor der Universität Guam, 303 University Drive, 96923, Mangilao, Guam, USA

Carlos Leiva & Sarah Lemer

Abteilung für Evolutionsbiologie, Ökologie und Umweltwissenschaften, Fakultät für Biologie, Universität Barcelona, ​​​​Av. Diagonal 643, 08028, Barcelona, ​​​​Spanien

Rocío Pérez-Portela

Biodiversitätsforschungsinstitut (IRBio), Universität Barcelona, ​​​​Barcelona, ​​Spanien

Rocío Pérez-Portela

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

CL und RP-P. konzipierte und gestaltete die Studie; CL führte die Analysen durch; CL, RP-P. und SL interpretierten und diskutierten die Ergebnisse; SL erhielt Fördermittel; CL hat die erste Version des Manuskripts geschrieben und alle Co-Autoren haben zur aktuellen Version beigetragen.

Korrespondenz mit Carlos Leiva.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Communications Biology dankt Javier Rodriguez-Casariego und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Hauptredakteure: Linn Hoffmann, George Inglis und David Favero. Eine Peer-Review-Datei ist verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Leiva, C., Pérez-Portela, R. & Lemer, S. Genomische Signaturen, die auf eine Anpassung an die Ozeanversauerung in einem Korallenholobionten aus vulkanischem CO2-Sickern hinweisen. Commun Biol 6, 769 (2023). https://doi.org/10.1038/s42003-023-05103-7

Zitat herunterladen

Eingegangen: 08. März 2023

Angenommen: 06. Juli 2023

Veröffentlicht: 22. Juli 2023

DOI: https://doi.org/10.1038/s42003-023-05103-7

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.