METABLIC: High-throughput profiling of microbial genomes for functional traits, metabolism, biogeochemistry, and community-scale functional networks
题目:METABOLIC: High-throughput profiling of microbial genomes for functional traits, metabolism, biogeochemistry, and community-scale functional networks
发表杂志:Microbiome, [IF 16.83]
DOI:10.1186/s40168-021-01213-8
原文链接:
https://microbiomejournal.biomedcentral.com/articles/10.1186/s40168-021-01213-8
第一作者:Zhichao Zhou(周之超)
通讯作者:Karthik Anantharaman
主要单位:Department of Bacteriology, University of Wisconsin - Madison 威斯康星大学麦迪逊分校细菌系
- 摘要 -
背景:微生物组学的进展在很大程度上是由于我们能够利用宏基因组和单细胞基因组技术从混合微生物群落重建的基因组中来研究微生物生态学。这种基于组学的技术使我们能够阅读微生物的基因组蓝图,解读它们的功能和活动,并重建它们在生物地化过程中的作用。目前可用于基因组数据分析的工具可以在一定程度上注释和描述代谢功能,然而,目前还没有标准化的方法来全面表征代谢预测、代谢物交换、微生物相互作用和微生物对生物地化循环的贡献。
结果:我们给出了METABOLIC(METabolic And BiogeOchemistry anaLyses In miCrobes),一个可扩展规模的软件,来使用基因组解析单个微生物和/或微生物群落以推进微生物生态和生物地化的研究。基因组水平的工作流程包括微生物基因组的注释、生物化学验证的保守蛋白残基的基序验证、代谢途径分析以及计算对单个生物地化转化和循环的贡献。群落水平的工作流程补充了基因组水平的分析,确定了群落中的基因组丰度,潜在的微生物代谢传递和代谢物交换,功能网络的重建以及计算微生物群落对生物地化循环的贡献。METABOLIC可以从分离株、宏基因组组装的基因组或单细胞基因组中获取输入基因组。结果以代谢的表格和各种可视化形式呈现,包括生物地化循环潜力、顺序代谢转化呈现、使用新定义的度量“MW-score”(metabolic weight score代谢比重评分)的群落水平微生物功能网络和代谢桑基图。METABOLIC需要~3小时,用40个CPU线程处理~100基因组和相应的宏基因组reads,其中最需要计算力的hmmsearch部分用时~45分钟;完成~3600基因组的hmmsearch需要5小时。对准确性、鲁棒性和一致性的测试表明,与其他软件和在线服务器相比,METABOLIC提供了更好的性能。为了突出代谢的实用性和多功能性,我们在来自海洋海底下、陆地地下、草甸土壤、深海、淡水湖、废水和人类肠道的不同宏基因组数据集上展示了METABOLIC的功能。
结论:METABOLIC能够利用基于基因组的微生物代谢信息,对微生物群落生态和生物地化进行高一致性和可重复性的研究;这将促进未培养生物融入代谢和生物地化模型。METABOLIC是用Perl和R编写的,可在遵守GPLv3条款下免费获得。
(https://github.com/AnantharamanLab/METABOLIC)
- 软件简介 -
宏基因组学和单细胞基因组学改变了微生物生态学领域,通过揭示不同环境的微生物多样性,包括陆地和海洋环境和人体环境。这些方法可以为从个体到群落水平上微生物介导和促进的生物地化活动提供一个没有偏好性和深刻的审视。最近的研究也使得能够从单个样本或环境中恢复数百到数千个基因组。然而,对不断增长的数据集的分析仍然是一个挑战。例如,缺乏可规模化和可重复的生物信息学方法来表征代谢和生物地化特性,以及对大型数据集标准化的分析和呈现。
微生物介导的生物地化过程是岩石圈、大气、水圈和生物圈之间元素、能量和物质的转化和循环的重要驱动力。自然环境中的微生物群落以复杂和高度连接的网络的形式存在,它们共享和竞争代谢物。群落内相互依赖和交联的代谢和生物地化相互作用可以提供相对较高水平的可塑性和灵活性。例如,一个特定途径中的多个代谢步骤通常分别分布在许多微生物中,它们相互依赖于利用上一步的底物。这种情况,被称为“代谢传递”,是基于连续的代谢转换,并提供代谢活动的高弹性的好处,使群落和功能在面对扰动时保持稳定。因此,从单个基因组和整个微生物群落的角度来获取微生物代谢功能的信息是非常有价值的。
目前,有许多关于物种和群落水平重建代谢网络的定量软件和平台。它们主要基于建立包含底物利用和产物生成反应的微生物代谢模型。基于单个微生物模型,可以进一步预测整个群落的代谢表型。这些方法允许基于给定的环境条件和预测的微生物表型,为预测和从而操作群落代谢提供机制基础。因此,他们更关注于阐明群落代谢的工作原理和连接反应的潜在代谢网络,以为代谢物生产、工业应用或药物发现等获得更好的产出。
然而,很少有方法被发明来研究微生物在生物地化和群落水平功能网络的背景下的功能作用。这些工具是基于一个不同的想法,以促进理解微生物介导的生物地化活动。他们要求提供关于群落内微生物的功能细节、营养物质和能量的转换以及功能连接的代谢预测。由此产生的基于基因组信息的微生物代谢信息对于理解整个群落中的微生物在介导生物地化过程中的作用很重要。目前,这种解释功能细节、重建代谢关系和可视化微生物功能网络的定量方法仍然有限。
微生物代谢的预测依赖于使用许多已建立数据库对微生物的蛋白质功能进行注释,如KEGG、MetaCyc、Pfam、TIGRfam、SEED/RAST和eggNOG。然而,这些结果往往过于详细且只是呈现初始分析结果而非常杂乱。通常需要手工检查数千个基因以识别单个基因组的功能特征蓝图和代谢途径。组织、解释和可视化这样的数据集仍然是一个挑战,通常是难以处理的,特别是对于大于一个微生物基因组的数据集。迫切需要一些方法和工具来以用户友好的方式识别和验证微生物群落中代谢途径、生物地化功能和连接的存在。解决这一问题的工具还将允许方法标准化,更容易地将基于基因组代谢信息整合到生物地化模型中,目前该模型主要依赖于物理化学数据,并将微生物作为黑盒子[33]。最近的一项统计研究表明,在生物地化建模中结合微生物群落结构可以显著提高通过功能基因数据预测的由较窄系统发育类群的细菌菌群介导的过程的模型准确性,以及通过群落多样性指标预测的兼性微生物介导的过程。这强调了将微生物群落和基因组信息整合到生物地化过程预测和建模中的重要性。
在这里,我们给出了METABOLIC,一个工具包,以分析基于微生物基因组的代谢和生物地化功能性状。METABOLIC集成了使用KEGG、TIGRfam、Pfam和自定义的隐马尔可夫模型(HMM)数据库的蛋白质注释,包含了一个基序验证步骤,以基于之前的生化验证准确识别蛋白质,确定基于KEGG模块的代谢途径的存在或缺失,并以表和图的形式产生用户友好的输出,其中包括微生物功能概况、生物地化相关途径、单个基因组和群落水平上的功能网络,以及微生物对生物地球化学过程的贡献。
- 结果介绍 -
图1 METABOLIC工作流程大纲。详细说明可在https://github.com/AnantharamanLab/METABOLIC/wiki页面查询。METABOLIC-G(针对于基因组genome水平)工作流程显示在蓝色方块内,METABOLIC-C(针对于群落community水平)工作流程显示在绿色方块内。
图2 在群落水平上的生物地化循环过程总结。每个箭头表示一个循环内的一个转换/步骤。每个箭头上方的标签是(从上到下):步数、反应、可以进行这些反应的基因组数量和可以进行这些反应的基因组的宏基因组覆盖度(以群落内的百分比表示)。含氮或含硫化合物旁边的括号中的数字指示这些化合物中的氮原子或硫原子的化学价。
图3 连续代谢转换示意图。(A) 无机化合物的顺序转化;(B)有机化合物的顺序转化。x轴描述了用字母表示的单个顺序转化。这两组描述了参与某些连续代谢转换的微生物的基因组数量和基因组覆盖度(以群落内的百分比表示)。深海热液喷口数据集被用于这些分析。
功能网络的计算和可视化,代谢权重评分(MW-scores),和微生物对代谢反应的贡献
基于METABOLIC产生的微生物途径的丰度信息,我们确定了微生物基因组中共存的代谢,作为不同代谢功能、生物地化步骤之间联系的测量方法。在生物地化的背景下,这种方法允许评估生物地化步骤之间的相关性和这些联系的微生物的贡献。根据GTDB-Tk分配的系统发育分类(图4),这些相关性的模式可以分解到单个微生物群水平来呈现。以深海热液喷口的微生物群落为例,我们已经在这个数据集上演示了这种方法。我们将深海热液喷口的微生物群落分为18个门水平组(对于变形菌门除外,分到纲水平)。功能网络图是在单个门和整个群落水平的分辨率上呈现的。图4显示了代谢之间的连接,其中用单个代谢/生物地化循环步骤表示为节点,而两个给定节点之间的连接表示为边缘(连接线)。一个给定节点的大小与和代谢/生物地化循环步骤相关的基因的覆盖率成正比。一个给定的边缘(连接线)的宽度是根据两个生物地化循环步骤(连接的节点)的基因覆盖值的平均值来描述的。连接两个节点的更多边缘(连接线)代表了这两个步骤之间的更多连接。边缘的颜色对应于分类组。在整个群落水平上,丰度更高的微生物群在图中更多地被显示(图4)。总的来说,METABOLIC提供了一种全面的方法来构建和可视化与微生物群落和生态系统中能量代谢和生物地化循环的重要途径相关的功能网络。
为了解决缺乏定量和可重复的度量来代表微生物群落中潜在的代谢相互作用的问题,我们开发了一个新的度量指标,我们称之为MW-score(代谢权重评分)。MW-score定量测量微生物群落内基于代谢情况和基因覆盖度的“功能权重”。因为整个群落的代谢潜力被分解为单个功能的图谱,这些功能要么介导特定途径,要么将某些底物转化为产物;反映每个功能丰度分数的功能权重可以用来代表群落的整体代谢潜力。MW-score解析了上一节中研究和可视化的共享功能网络中的功能和丰度。更频繁的共享功能及其更高的丰度会导致更高的MW-score,这定量地反映了功能网络中的功能权重(图5)。MW-score反映了与上述边缘(连接线)连接节点(代谢步骤)相同的功能网络模式—连接两个节点的更多的边缘(连接线)表明两个步骤更共同共享,更厚的边缘(连接线)表示代谢步骤的基因丰度更高。MW-score可以整合地表示这两种网络模式,并作为衡量这些功能权重的指标。同时,我们还计算了每个微生物群(在这种情况下是门)对群落内一个特定功能的MW-score的贡献(图5)。较高的微生物群贡献百分比值表明,功能网络中的一个功能更多地被该微生物群(基因存在和丰度)所贡献。MW-score分数提供了一个比较功能网络中的功能权重和微生物组贡献的定量测量标准。
为了了解与特定代谢和生物地化转化相关的微生物类群的贡献,我们开发了一种方法来可视化特定分类群、代谢反应和整个生物地化循环之间的联系,如碳、氮和硫循环。我们的方法包括使用Sankey图(也称为“冲积”图)来表示给定群落中不同微生物类群贡献的代谢功能的部分(图6)。这允许将代谢反应可视化为群落水平上的微生物类群和生物地化循环之间的联系(图6)。功能分数是通过加总具有给定功能特征的特定微生物类群的基因组覆盖值来计算的。从特定微生物类群到给定功能性状的曲线的宽度表明了它们对特定代谢的相应比例贡献(图6)。另外,用于构建上述两个图的基因组/宏基因组数据集:功能网络图(图4)和代谢Sankey图(图6),可以被转录组/宏转录组数据集取代,相应的,基因覆盖值将被基因表达值取代,因此,所得到的图将代表功能网络的转录活性模式和微生物对代谢反应的转录活性模式。
为了演示实际工作流程的这一部分,我们使用了由来自深海热液喷口的98个MAG组成的微生物群落作为测试数据集。在运行了上述生物信息学分析后,编制结果图表并相应地可视化(图4、5、6)。功能网络和深海热液喷口环境的MW-score结果表明,微生物群落依赖于混合营养和硫氧化来提供能量,并参与砷酸盐还原(可能作用于解毒/抗砷酸盐)。MW-score表明,氨基酸利用、复杂碳降解、乙酸氧化和发酵是该环境的主要异养代谢功能;二氧化碳固定和硫氧化也占据了相当大的功能部分,这表明异养和自养都有助于提供能量(图5)。MW-score分数和代谢桑基图表明Gamma变形菌是群落中数量最丰富的群体,他们在异养和自养代谢中占据重要的功能分数(MW-score贡献值为59到100%)(图5、6);这与之前在Guaymas盆地热液环境的发现相一致。同时,MW-score也明确地反映了其他次要电子供体参与提供能量的作用,主要由Gamma变形菌贡献,如氢和甲烷(图5)。这也与之前的研究结果一致,并表明MW-score反映代谢潜力的准确性和敏感性。
图4 显示微生物群落中不同功能之间联系的功能网络。节点表示生物地化循环中的单个步骤;连接两个给定节点的边缘(连接线)表示节点之间的功能连接,这是由可以进行两个生物地化过程/步骤的生物体实现的。边缘(连接线)的宽度是根据两个连接的生物地化循环步骤的基因覆盖度的平均值来给定的,例如,两个这样的生物地化循环步骤可以是硫代硫酸盐氧化和有机碳氧化。边缘线的颜色是根据所代表的基因组的分类来分配的。深海热液喷口数据集被用于这些分析。
图5 MW-score的计算和结果表格。(A)基于给定宏基因组数据集的群落内MW-score的计算方法。每个圆圈代表群落内的基因组,相邻的bar代表其在群落内的基因组覆盖度。将各功能编码基因覆盖度汇总为分母,以各功能编码基因覆盖度作为分子,计算相应的MW-score。(B)深海热液喷口宏基因组数据集的MW-score结果表格。每个功能的MW-score都在一个单独的列中给出,表格的其余部分表示按每个门分组的群落内基因组对每个MW-score的贡献百分比。
图6 代谢桑基示意图。示意图显示微生物基因组对单个代谢和生物地化过程以及整个元素循环的水平上的的贡献。微生物基因组在门水平上进行分类。从左到右的三列代表了根据基因组数量占比显示的微生物类群、根据基因组覆盖度来计算的微生物类群对每个代谢功能的贡献,以及功能类别/生物地化循环。配色是按照微生物类群来给定的。深海热液喷口数据集被用于这些分析。
图7 METABOLIC与其他软件包和在线服务器的比较。(A)工作流程和可提供的服务比较,(B)对两个有代表性的基因组Pseudomonas aeruginosa PAO1 和Escherichia coli O157H7 str. sakai的蛋白质预测性能的比较。
图8 基于MW-score的群落代谢比较。(A)海洋海底下与陆地地下的比较。(B)淡水湖与深海热液喷口的比较。MW-score作为单个代谢功能的基因覆盖度分数来计算。每个小图中MW-score为零的功能被除去,如图A中的N-S-02:Ammonia oxidation,N-S-09:Anammox,S-S-02:Sulfur reduction和S-S-06:Sulfite reduction;图B中的C-S-07:Methanogenesis,N-S-01:N2 fixation,N-S-09:Anammox,S-S-02:Sulfur reduction和S-S-06:Sulfite reduction。
图9 两种微生物基因组的细胞代谢图。(A) Hadesarchaea archaeon 1244-C3-H4-B1细胞代谢图 (B)Nitrospirae bacteria M_DeepCast_50m_m2_151细胞代谢图。缺失的功能通路/复合物用虚线来标记。
图10 结肠直肠癌患者(CRC)和健康对照(CRC对照)样本的人体宏基因组代谢功能存在/缺失示意图。热图总结了涵盖10个关键功能类别中的139个关键功能基因家族的189个条目(189行)。
- 讨论 -
已测序的微生物基因组、宏基因组组装的基因组和单细胞基因组快速增加,显著有利于揭示微生物功能作用及其代谢对生物地化循环贡献的生态基因组研究。能够在单个微生物和整个微生物群落的规模上对基因组蓝图进行准确和可重复的功能分析的工具提供了巨大的实用性的进展。它们是促进理解多组学时代的群落水平功能、活性、交互作用和功能贡献的基础。一个合适的生物地化分析工具需要重新考虑更好地组织、解释和可视化功能分析信息;这对于处理从宏基因组重建的数千个基因组和研究群落水平的交互式代谢尤为重要。同时,高速、高准确性、高鲁棒性和工具的广泛性使用也被鼓励以提供可靠和适用的实用功效。
在这里,我们发明了METABOLIC来分析代谢,生物地化途径,和群落水平的功能网络。不仅仅依赖于广泛采用的蛋白质注释数据库,我们在METABOLIC当中添加了两个额外的步骤,以准确预测蛋白质功能和重建代谢途径。首先,对于TIGRfam/Pfam/自定义HMM profile数据库,默认的NC/TC阈值通常设置得太低,以至于难以避免噪声信号,特别是对于注释来自大量宏基因组的蛋白质,其中相似的蛋白质家族经常共存。这经常会导致许多错误的注释和交叉对话。为了避免这种情况,我们收集了注释结果的hmmsearch分数,并绘制了这些分数对于所有注释结果的阵点图,并通过专门选择最大的分数降低区间作为调整后的截止点来手动管理NC/TC。其次,基序验证步骤包括比较潜在的hits与一组手工管理的高度保守的氨基酸残基。这有助于区分两个具有高序列同一性但功能不同的蛋白质家族,而这些蛋白质家族通常很难通过基于HMM profile的注释来分离。这两个步骤有助于过滤掉用于下游生物信息学分析的重要功能蛋白的非特异性和交叉对话的命中结果。在获得预测的代谢途径后,许多其他软件/在线服务器大多提供原始注释结果,这些结果过多地描述蛋白质功能但无组织以至于难以解析。对于微生物生态学家来说,提供有组织和直观的结果,以促进理解生物地化循环能力的整个景观是非常重要的。在METABOLIC软件当中,这种功能被发明,以能够可视化单个基因组和整个微生物群落的生物地化循环的每个步骤的存在/缺失状态。通过宏基因组read覆盖计算得到的基因丰度信息一起,METABOLIC可以进一步显示生物地化循环每一步的有效基因组数量和相对丰度。此外,METABOLIC也可以可视化重要的有机和无机化合物转化的顺序反应模式。这种代谢的可视化功能对呈现群落内相互作用的“代谢交接”场景是实用的。
以前,微生物基因组所反映的群落网络主要集中于对通过代谢底物和产生产物来连接的反应进行建模。而这些方法是为了阐明代谢操作过程,并旨在提高代谢性能。相反,METABOLIC的发明是为了不同的目的,来研究微生物介导的生物地化过程。在METABOLIC中,群落水平的功能网络为生物地化/代谢步骤之间的代谢连接和微生物对这些功能的贡献提供了一个直观的视角。MW-score是一个基于相同的概念和方法建立的度量,为这些连接的功能提供了定量度量。它们结合在一起,代表了共享功能网络中哪些功能更集中(与其他功能更多地连接)和更重要(有较高的相对丰度加权),以及哪些微生物参与者对这些功能有贡献。此外,还可以绘制代谢桑基图,以进一步可视化微生物类群对不同功能和生物地球化学循环的贡献光谱。由于宏基因组read覆盖产生的基因覆盖度可以被转录组read覆盖生成的转录覆盖度所取代,它扩大了反映有活性功能连接和权重。在实际应用中,功能网络和MW-score可以以统一化、可重复和标准化的方式进行,因此群落(或样本)之间的平行比较是适用的。可视化的网络和桑基图还可以通过使用定制的配色方案,在个体功能和群落水平上提供功能连接和微生物贡献的直观表示。
通过使用并行线程运行hmmsearch和通过快速文本处理脚本语言Perl编写,METABOLIC具有快速的注释速度,这提高了其处理大量基因组的可扩展能力。我们对HMM profile的NC/TC的手工管理和额外的基序验证步骤也提高了对蛋白质功能和通路的准确注释的性能。与其他蛋白质/通路注释软件/在线服务器相比,如GhostKOALA、BlastKOALA、KAAS、RAST/SEED和EggNOG-mapper,代谢在recall和F1参数上有良好的性能,在precision和accuracy参数上有更好的性能。也就是代谢注释结果具有较高的可重产生性和可重复性(以precision表示)和较高的真实度(以accuracy表示)。当测试调查来自不同环境的宏基因组的代谢谱时,包括海洋海底下/陆地地下、深海热液喷口、淡水湖、土壤、废水处理设施和肠道微生物组,METABOLIC可以在所有环境中提供良好的性能。以上所有都强调了METABOLIC作为一种量身定制工具的实用性,以处理可扩展的群落水平的代谢分析和网络分析,此时大型宏基因组/宏转录组数据集变得越来越可得和广泛使用。除了由常规METABOLIC运行产生的图表和表外,用户还可以进一步探索其他应用场景的功能和路径注释结果。通过使用经过验证的功能命中结果和基于KEGG的途径,人们可以很容易地绘制细胞代谢图。此外,不仅限于研究生物地化过程,还可以利用METABOLIC获得人类微生物组功能谱和研究人类-微生物的相互作用。这证明了它在为下游分析和挖掘提供中间结果和数据集方面的广泛实用性和结果兼容性。
- 总结 -
近十年来,快速增长的微生物基因组测序数量,包括纯分离株、宏基因组组装基因组和单细胞基因组,为微生物基因组数据库的增长做出了重大贡献,这使得大规模的微生物基因组分析更易于处理。微生物在单个生物体和群落水平上的微生物基因组的代谢功能谱对于微生物生态学家和生物地球学家对生态系统过程和生物地球化学的全面理解有重要作用,并作为基于功能特征的生物化建模的管道也非常重要。我们已经开发了METABOLIC作为一种代谢功能分析器,超越了目前的基因组/蛋白质注释平台框架,提供蛋白质注释和代谢途径分析,用于推断群落水平上微生物的贡献、代谢、相互作用、活性和生物地化过程。METABOLIC使群落水平的微生物代谢转换、相互作用和对生物地化循环的贡献可视化成为可能。我们预期METABOLIC将使从宏基因组和基因组来解释微生物代谢和生物地化过程变得更容易,并使不同领域的微生物组研究成为可能。最后,METABOLIC将有助于基于基因组信息的代谢的标准化,使得结果能整合到代谢模型和生物地化模型中。
参考文献
Zhou, Z., Tran, P.Q., Breister, A.M. et al. METABOLIC: high-throughput profiling of microbial genomes for functional traits, metabolism, biogeochemistry, and community-scale functional networks. Microbiome 10, 33 (2022). https://doi.org/10.1186/s40168-021-01213-8
- 作者简介 -
Zhichao Zhou(周之超)
https://zczhou2017.wixsite.com/mysite
Zhichao obtained his Ph.D. from The University of Hong Kong in 2017, then he moved to The Chinese University of Hong Kong and University of Wisconsin-Madison, US, studying sympatric speciation of coastal mangrove rhizospheric microbial populations, microbial genome diversification and adaption, and microbial genome-based bioinformatic tool development. He is skilled in metagenome and metatranscriptome analyses and shows broad interests in human and environmental-related microbiome and virome that are significant to public health and environmental protection and maintenance. Zhichao’s research interests are mainly focused on metagenome and metatranscriptome-based biogeochemical functions and activities, environmental and energy dynamics mediated by microorganisms and viruses, microbial community interactivities, populational genomic-based microbial community characterizations and microbial evolution mechanisms. Zhichao has published 40+ SCI publications with a total citation of 1825 and h-index of 22, including papers in top journals and reviews of microbial ecology and evolution and environmental studies, such as FEMS Microbiology Reviews, Nature Reviews Microbiology, Nature Communications, The ISME Journal, Microbiome, mSystems, Water Research, Limnology and Oceanography, Biogeosciences, etc. He invented several bioinformatic tools such as METABOLIC (~70 citations), VIBRANT (~220 citations), and ViWrap to facilitate microbiome and virome studies.
Karthik Anantharaman
https://anantharamanlab.wisc.edu/
Karthik Anantharaman, Ph.D., is an assistant professor in the Department of Bacteriology at the University of Wisconsin-Madison, where his laboratory studies microbial and viral ecology. He obtained his Ph.D in Earth and Environmental Sciences studying the microbiology of hydrothermal vents from the University of Michigan in 2014 under the supervision of Dr. Gregory Dick. During his postdoctoral training with Dr. Jillian Banfield at the University of California-Berkeley, he studied the microbial biogeochemistry of the terrestrial subsurface using high-resolution metagenomics. Anantharaman is the recipient of several awards, including the NSF CAREER Award, NIH Outstanding Investigator (Early Stage Investigator – MIRA) Award, American Society of Microbiology Award for Early Career Environmental Research, and Kavli Frontiers of Science Fellow. Anantharaman’s interdisciplinary research program uses a combination of computational, laboratory and field-based experiments to understand the microbial and viral processes that underpin biogeochemical transformations in marine and freshwater environments, and in human health. With increasing recognition that viruses and phage are integral components of all microbiomes, Anantharaman and his group are developing and applying state-of-the-art computational approaches and model systems to enable the study of viral ecology and interactions in nature.
联系客服