Bacterias y Arqueas de la transición Andino-Amazónica del departamento del Caquetá - Proyecto Colombia BIO

Registros

Los datos en este recurso de registros biológicos han sido publicados como Archivo Darwin Core(DwC-A), el cual es un formato estándar para compartir datos de biodiversidad como un conjunto de una o más tablas de datos. La tabla de datos del core contiene 66.932 registros.

Este IPT archiva los datos y, por lo tanto, sirve como repositorio de datos. Los datos y los metadatos del recurso están disponibles para su descarga en la sección descargas. La tabla versiones enumera otras versiones del recurso que se han puesto a disposición del público y permite seguir los cambios realizados en el recurso a lo largo del tiempo.

Descargas

Descargue la última versión de los datos como un Archivo Darwin Core (DwC-A) o los metadatos como EML o RTF:

Versiones

La siguiente tabla muestra sólo las versiones publicadas del recurso que son de acceso público.

¿Cómo referenciar?

Los usuarios deben citar este trabajo de la siguiente manera:

Cardona Vanegas G I, Restrepo Escobar M C (2023): Bacterias y Arqueas de la transición Andino-Amazónica del departamento del Caquetá - Proyecto Colombia BIO. v2.4. Instituto Amazónico de Investigaciones Científicas - SINCHI. Dataset/Occurrence. https://doi.org/10.15472/6sg16z

Derechos

Los usuarios deben respetar los siguientes derechos de uso:

El publicador y propietario de los derechos de este trabajo es Instituto Amazónico de Investigaciones Científicas - SINCHI. This work is licensed under a Creative Commons Attribution Non Commercial (CC-BY-NC) 4.0 License.

Registro GBIF

Este recurso ha sido registrado en GBIF con el siguiente UUID: 94281e3c-4518-498a-acd7-529f2cb61541.  Instituto Amazónico de Investigaciones Científicas - SINCHI publica este recurso, y está registrado en GBIF como un publicador de datos avalado por Colombian Biodiversity Information System.

Palabras clave

Bacteria; Arquea; diversidad; gen 16s rRNA; Illumina; Colombia Bio; Caquetá; Microorganismos; secuenciación de siguiente generación; Bioinformatica; Camino Andaquí; Occurrence; Specimen

Contactos

Cobertura geográfica

La transición Andino-Amazónica, iniciando en el departamento de Huila, municipio de Acevedo y descendiendo a lo largo del camino Andaki hasta el municipio de Belén de los Andaquíes en el departamento de Caquetá. Abarca desde el bosque de niebla hasta el piedemonte amazónico.

Cobertura taxonómica

Para el total de registros colectados se presentan 772 Arqueas y 66160 Bacterias. Los 772 registros de Arqueas corresponden a 1 Reino, 3 Filos, 9 Clases, 8 Órdenes, 11 Familias, 17 Género y 4 Especies únicas. Los 66160 registros de Bacterias corresponden a 1 Reino, 29 Filos, 69 Clases, 130 Órdenes, 254 Familias, 592 Género y 463 Especies únicas

Cobertura temporal

Datos del proyecto

Es un trabajo de investigación multidisciplinario que busca evaluar la biodiversidad en la trancición Andino-Amazónica del departamento de Caquetá, sobre el camino Andaqui.

Personas asociadas al proyecto:

Métodos de muestreo

"En cada uno de los cinco puntos de muestreo, se colectaron alrededor de cinco (5) sub-muestras del suelo superficial (0-20cm), retirando la capa de hojarasca superficial si estuviera presente. Las sub-muestras se colectan en la misma bolsa plástica, y son homogenizadas para obtener una muestra compuesta de aproximadamente 200 gramos de suelo. En total se colectaron 54 muestras de suelo para la determinación de bacterias en laboratorio por técnicas moleculares. Para la determinación taxonómica de microorganismos del suelo (Bacterias y Arqueas) en el laboratorio, se siguió la metodología estandarizada en el laboratorio de biotecnología y recursos genéticos del Instituto Amazónico de Investigaciones Científicas –Sinchi. La extracción de ADN de agua, sedimentos y suelos se realizó usando los kits: powerwater DNA isolation Kit (MoBioLaboratories Carlsbad, CA), powersoil DNA isolation (MoBioLaboratories Carlsbad, CA) y núcleo spin soil –DNA, RNA and proteinpurification (macherey-nagel Alemania), respectivamente. Siguiendo las instrucciones del fabricante. Se amplificó la región V3-V4 del gen 16S ARNr con los iniciadores S-D-Bact-0341-b-S-17, 5-CCTACGGGNGGCWGCAG-3 y S-D-Bact-0785-a-A-21, 5-GACTACHVGGGTATCTATCC-3 descritos por Herlemann et al. (2011). Las muestras fueron enviadas a Macrogen (Corea) para ser secuenciadas en una corrida de paired-endMiSeq2 X 300. El análisis de las secuencias se realizó con el programa QIIME scripts versión 1.8.0-20140103 (Caporaso et al. 2010). La asignación taxonómica se realizó con la base de datos de Greengenes. La abundancia relativa de los diferentes grupos microbianos se estimó en cada comunidad comparando el número de secuencias clasificadas que pertenecen a un grupo bacteriano específico versus el número de secuencias clasificadas por muestra."

Descripción de la metodología paso a paso:

1. Para la generación de las librerías, primero se llevó a cabo la extracción de ADN a partir de las muestras de suelo. El ADN fue extraído utilizando el kit NucleoSpin®Soil (Macherey-Nagel) siguiendo las especificaciones del fabricante. El ADN obtenido fue verificado en un gel de agarosa 1X y cuantificado por Nanodrop y Quibit.
2. Los ADNs metagenómicos extraídos de las muestras de suelo fueron secuenciadas en una corrida de paired-endMiSeq2X300 (Macrogen). La región amplificada con los iniciadores S-D-Bact-0341-b-S-17, 5-CCTACGGGNGGCWGCAG-3 y S-D-Bact-0785-a-A-21, 5-GACTACHVGGGTATCTATCC-3 descritos por Herlemann et al., (2011), corresponde a la región V3-V4 del 16S ARNr.
3. El análisis de las secuencias obtenidas se realizó con los programas bioinformaticos FLASH, QIIME (Caporaso et al. 2010) y SWARM (2.0 algorithm) (Mahé et al. 2014). Los datos Paired end fueron concatenados en un único archivo usando FLASH 1.2.11(Fast Length Adjustment of SHortreads)(http://bioinformatics.oxfordjournals.org/content/27/21/2957.full). Una vez ensambladas, las secuencias fueron sometidas a un control de calidad usando los "phred quality scores" contenidos en los archivos.fastq. Para tal propósito se utilizó el comando fastq_quality_filter -q 25 -p 80 -i all.fastq -o all.filtered.fastq -Q33, de la suite FAstXtoolkit. Se retuvieron para los posteriores análisis las secuencias ensambladas cuyos phred scores estuvieron por encima de 25.
4. Con base en las secuencias de alta calidad, se procedió a agrupar las secuencias en unidades taxonómicas operacionales (OTUs) utilizando el algoritmo de clustering SWARM. Con este fin, se hicieron diversas manipulaciones en el formato de las secuencias, para ajustarlas a los requerimientos del SWARM. El proceso de clustering consiste en la comparación pareada de las de las secuencias que pasaron el control de calidad, para agruparlas de acuerdo con su similaridad. Este procedimiento generó secuencias únicas, que posteriormente fueron agrupadas en OTUs.
5. Con el fin de eliminar las secuencias quiméricas se utilizó la aplicación UCHIME y se generaron dos tablas de OTUs en las que solo se retuvieron los OTUs que se encuentran en más de 5 y 10 muestras. Con estos procedimientos se eliminan las secuencias que se encuentran poco representadas en el set de datos para que los análisis posteriores sean más confiables. Finalmente, a cada uno de los OTUs, se les hizo una asignación taxonómica utilizando el alineador del Ribosomal Database Project (Wang et al. 2007) y la base de datos SILVA 111 (Quast et al. 2012) como referencia de alineamiento. Este proceso generó un archivo con la asignación taxonómica de seis niveles de resolución (Kindom, Phylum, Clase, Orden, Familia, genero, especie).
6. La abundancia relativa de los diferentes grupos microbianos fue estimada en cada comunidad comparando el número de secuencias clasificadas que pertenecen a un grupo bacteriano específico versus el número de secuencias clasificadas por muestra.
7. Para simplificar el análisis de los datos, las alturas fueron agrupadas en 3 categorías: alta (2000 -1325 msnm), media (1250 – 875 msnm), y baja (750 - 500 msnm).

Referencias bibliográficas

1. Corneo P.E., Pellegrini, A., Cappellin, L., Roncador, M., Chierici, M., Gessler, C. & Pertot, I. (2013). Microbial community structure in vineyard soils across altitudinal gradients and in different seasons. FEMS Microbiol Ecol 84: 588–602.
2. Eichorst, S. A., Kuske, C. R. & Schmidt, T. M. (2011). Influence of plant polymers on the distribution and cultivation of bacteria in the phylum Acidobacteria. Appl Environ Microbiol 77, 586– 596.
3. Fierer, N., Jackson, J. A., Vilgalys, R., & Jackson, R. B. (2005). Assessment of soil microbial community structure by use of taxon-specific quantitative PCR assays. Applied and environmental microbiology, 71(7), 4117-4120.
4. Janssen, P. H. (2006). Identifying the dominant soil bacterial taxa in libraries of 16S rRNA and 16S rRNA genes. Appl Environ Microbiol 72, 1719–1728.
5. Okamura, K., Kawai, A., Yamada, T. & Hiraishi, A. (2011). Acidipila rosea gen. nov., sp. nov., an acidophilic chemoorganotrophic bacterium belonging to the phylum Acidobacteria. FEMS Microbiol Lett 317: 138–142.
6. Ranjard L, Echairi A, Nowak V, Lejon DPH, Nouaim R & Chaussod R (2006) Field and microcosm experiments to evaluate the effects of agricultural Cu treatment on the density and genetic structure of microbial communities in two different soils. FEMS Microbiol Ecol 58: 303–315.
7. Ren. C, W. Zhang, Z. Zhong, X. Han, G.Yang , Y. Feng & G. Ren. 2018. Differential responses of soil microbial biomass, diversity, and compositions to altitudinal gradients depend on plant and soil characteristics. Science of the Total Environment 610–611 (2018) 750–758
8. Siles. J.A., R. Margesin. 2016. Abundance and Diversity of Bacterial, Archaeal, and Fungal Communities Along an Altitudinal Gradient in Alpine Forest Soils: What Are the Driving Factors? Microb Ecol 72: 207–220.
9. Caporaso, J.G., Kuczynski, J., Stombaugh, J., Bittinger, K., Bushman, F.D., Costello, E.K et al.2010.QIIME allows analysis of high-throughput community sequencing data. Nature Methods, doi:10.1038/nmeth.f.303 Nature Methods7, 335 – 336.
10. Herlemann, D.P.R., Labrenz, M., Juergens, K., Bertilsson, S., Waniek,J.J., Anderrson, A.F. 2011. Transition in bacterial communities along the 2000 km salinity gradient of the Baltic Sea. ISME J, 5, 1571–1579.
11. Mahé, F., Rognes, T., Quince, C., de Vargas, C. & Dunthorn, M. (2015). Swarm v2: highly-scalable and high-resolution amplicon clustering. PeerJ, 3, e1420.
12. Quast, C., Pruesse, E., Yilmaz, P., Gerken, J., Schweer, T., Yarza, P. et al. (2012). The SILVA ribosomal RNA gene database project: improved data processing and web-based tools. Nucleic Acids Res., 41, D590–D596.
13. Wang, Q., Garrity, G.M., Tiedje, J.M. & Cole, J.R. (2007). Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy. Appl. Environ. Microbiol., 73, 5261–5267.
14. Corneo P.E., Pellegrini, A., Cappellin, L., Roncador, M., Chierici, M., Gessler, C. & Pertot, I. (2013). Microbial community structure in vineyard soils across altitudinal gradients and in different seasons. FEMS Microbiol Ecol 84: 588–602.
15. Oliveros JC (2007) VENNY. An interactive tool for comparing lists with Venn Diagrams. http://bioinfogp.cnb.csic.es/tools/venny/index.html.

Metadatos adicionales