Artículos

 

Comparación de tres métodos moleculares para el análisis de procariontes ambientales en el mar del canal de Yucatán, México

 

Analysis of three molecular methods to describe sea Yucatan, Mexico environmental prokaryotic taxa

 

Laura Espinosa-Asuar,¹ Ana E. Escalante,² Luisa I. Falcón,¹ Germán Bonilla-Rosso,¹ Santiago Ramírez-Barahona,¹ Luis E. Eguiarte¹ y Valeria Souza¹

 

¹ Departamento de Ecología Evolutiva, Instituto de Ecología, Universidad Nacional Autónoma de México, AP 70-275, México 04510.

² Departamento de Ecología de la Biodiversidad, Instituto de Ecología, Universidad Nacional Autónoma de México, AP 70-275, México 04510. e-mail: souza@unam.mx.

 

Recibido: 12 de noviembre del 2013.
Aceptado: 31 de marzo de 2014.

 

RESUMEN

En este trabajo describimos la comunidad procarionte de una muestra de agua marina del canal de Yucatán. Para la determinación de la diversidad microbiana se usaron tres métodos moleculares: 1) T-RFLPs. 2) Secuenciación de amplicones (bibliotecas de clones). 3) Secuenciación shotgun de un metagenoma. Como un segundo objetivo, se presenta una comparación de los alcances y los límites de cada uno de estos tres métodos. Para esta comparación, se tomaron en cuenta tres criterios: el número de unidades taxonómicas detectadas, la precisión en la asignación taxonómica y el costo del estudio. Los taxa más abundantes fueron Candidatus Portiera OTU 3744 (equivalente al clado SAR86) y Candidatus Pelagibacter. Los resultados mostraron que la estrategia de secuenciación shotgun de ADN es la más poderosa en términos de unidades taxonómicas detectadas, mientras que los datos que se obtuvieron por T-RFLPs y con la biblioteca de clones, representan sólo una submuestra de la biblioteca de fragmentos generados mediante shotgun. En cuanto a resolución filogenética (determinación taxonómica), la aproximación más precisa fue la secuenciación de bibliotecas de clones. Los costos de las tres estrategias varían considerablemente, pero sus alcances también lo hacen. Por lo tanto, es importante tomar en consideración que algunas preguntas ecológicas y evolutivas sólo pueden ser contestadas específicamente por una u otra metodología.

Palabras clave: Clonación, diversidad procarionte, NGS, shotgun, T-RFLPs.

 

ABSTRACT

In this study we describe a prokaryotic community from a seawater sample obtained in the Yucatan Channel, using for this purpose three molecular methods: 1) T-RFLPs. 2) Sequencing of amplicons (clone libraries). 3) Metagenome shotgun sequencing; the three are useful for the determination of microbial diversity. We also present a comparison of the scope and limits of each method. The comparison took into account three criteria: the number of taxonomic units detected, the taxonomic assignment accuracy and the cost of the study. The most abundant taxa were Candidatus Portiera OTU 3744 (equivalent to SAR86 clade) and Candidatus Pelagibacter. The results showed that the shotgun sequencing strategy is the most powerful in terms of detected taxonomic units, while the data obtained by T-RFLPs and clone library methods represent only a subsample of the shotgun fragment library. Regarding phylogenetic resolution (taxonomical determination), the more accurate approach is the sequencing of clone libraries. The costs of the three strategies vary considerably, but so does its scope. Therefore, it is important to consider that one, or another methodology, can only specifically answer some ecological and evolutionary questions.

Key words: Cloning, prokaryotic diversity, NGS, shotgun, T-RFLPs.

 

INTRODUCCIÓN

La diversidad microbiana es una pieza de conocimiento indispensable para comprender el funcionamiento de los ecosistemas, ya que los microbios son un componente fundamental en los procesos biogeoquímicos (Fierer & Lennon, 2011; Nazaries et al., 2013). Sin embargo, este componente fue pasado por alto durante años en la literatura ecológica, debido en parte a la falta de herramientas técnicas que permitieran analizar y modelar el papel de los microorganismos en los ecosistemas (Hughes et al., 2006). En las dos últimas décadas ha surgido una gran variedad de herramientas moleculares para el estudio de la composición de comunidades microbianas enteras (Green et al., 2008; Segata et al., 2013; Zarraonaindia et al. 2013). Estos avances tecnológicos han abierto la puerta al crecimiento sin precedentes de estudios ecológicos de los microorganismos en sus ambientes naturales (Allison et al., 2013; Bonilla-Rosso et al., 2008, 2012; Peimbert et al., 2012).

Los estudios modernos sobre diversidad microbiana inician con la extracción de ADN total de una muestra ambiental. Posteriormente puede trabajarse con técnicas que analizan los genomas completos de la muestra o con otras que se enfocan en la amplificación de un solo gen. Dentro de esta segunda opción existen marcadores moleculares con los que se analiza la diversidad de fragmentos de genes o de regiones específicas (fingerprint) o marcadores que se utilizan para analizar secuencias individuales de genes, que generalmente involucran la clonación de los amplicones. Por otro lado, están las técnicas que secuencian directamente el ADN total de la muestra, como es el caso de la secuenciación shotgun (secuenciación de fragmentos al azar, la única de este tipo que no precisa de amplificación de regiones particulares) o más recientemente, las técnicas conocidas como secuenciación de nueva generación (Next Generation Sequencing o NGS por sus siglas en inglés) (Eguiarte et al., 2013; Williamson & Yooseph, 2012). En estas últimas (por ejemplo, pirosecuenciación 454, SOLID o Illumina/Solexa), sí existe un paso de amplificación al enriquecer las bibliotecas; la amplificación puede hacerse en todos los fragmentos que se generan o también es posible amplificar regiones específicas.

América Latina es una de las regiones a nivel mundial con mayor biodiversidad en macroorganismos (CONABIO, 1988; Rzedowski, 2006). Sin embargo, de acuerdo con una revisión realizada en ISI Web of Knowlegde (rango: 1980-2009, palabra clave: microbial diversity), esta región del mundo ha publicado el menor número de reportes en comparación con EE UU, Europa y Asia. La revisión realizada también reflejó un incremento de publicaciones en todo el mundo en la última década analizada (2000-2009). Una probable causa de estas observaciones es que los análisis moleculares se han vuelto más accesibles en los últimos años, por lo que se ha hecho posible describir y estudiar la diversidad de microorganismos en cualquier lugar del mundo (para una revisión véase Lindstrom & Langenheder, 2012).

El objetivo de este trabajo es la evaluación de tres métodos moleculares: fingerprint, en particular Fragmentos Terminales de Restricción Polimórficos por Tamaño (T-RFLPs por sus siglas en inglés), biblioteca de clones derivadas de PCR y biblioteca de secuencias generadas por shotgun, utilizados para analizar la diversidad procarionte de una muestra ambiental de agua marina del canal de Yucatán (muestra GS017, reportada por Rusch et al., 2007). La composición taxonómica de la comunidad microbiana fue analizada aplicando el marcador del gen 16S ADNr. Los tres criterios de análisis para evaluar las metodologías empleadas fueron: 1) la comparación del número de unidades taxonómicas identificadas por cada método, 2) la precisión en la determinación de los grupos taxonómicos y 3) los costos para cada una de las metodologías.

 

MATERIALES Y MÉTODOS

Se analizó la composición microbiana en una muestra de agua marina (GS017) que fue tomada a 2 m de profundidad en el mar abierto del canal de Yucatán (20^o31'21"N; 85°24'49"O), a unos 150 km al este de la isla de Cozumel, México (Rusch et al., 2007).

Extracción de ADN. El ADN se extrajo de una porción del filtro obtenido en la expedición del grupo de Rusch (Rusch et al., 2007), utilizando el método reportado en ese mismo trabajo.

Métodos asociados a PCR (T-RFLPs y biblioteca de clones). El gen que codifica para el ARN ribosomal 16S (gen 16S ADNr) fue amplificado por PCR con los oligonucleótidos universales para bacterias y arqueas F515 y R1492 (Turner et al., 1999), cuyas secuencias son: F515 (5'-GCGGATCCTCTAGACTGCAGTGCCAGCAGCCGCGGTAA-3') R1492 (5'-GGCTCGAGCGGCCGCCCGGGTTACCTTGTTACGACTT-3').

Para la amplificación de T-RFLPs, el oligonucleótido F515 estaba marcado con fluorescencia VIC en el extremo 5' (Applied Biosystems). Las condiciones de la reacción de PCR fueron las siguientes: buffer para PCR 1X, 1.65 mM de MgCl₂, 0.2 mM de dNTPs, 0.06 mM de cada oligonucleótido, 1 U de Taq polimerasa (Applied Biosystems, Foster City, CA) y 5% de DMSO. Todas las reacciones se llevaron a cabo en un termociclador MJ Research (Watertown, MA) con los siguientes ciclos de reacción: 94 °C 4 min, 35 ciclos de 92 °C 1.5 min, 50 °C 1.5 min, 72 °C 2 min, completando con 72 °C 10 min. Para tener una mejor representación de la muestra, se hicieron tres reacciones de PCR por separado (tanto para clones como para T-RFLPs). El amplificado (aprox. 977 pb) de las tres reacciones se mezcló y purificó a partir de un gel de agarosa al 2%, con el kit QIAquick (Qiagen Inc., Netherlands).

La técnica de T-RFLPs se fundamenta en una reacción de restricción, con la que se generan distintos fragmentos de ADN que componen un patrón característico (denominado "la huella" o fingerprint) de la comunidad analizada. El tamaño de cada fragmento es considerado como equivalente a una unidad taxonómica operativa (OTU, por sus siglas en inglésA y corresponde al sitio de restricción más cercano al oligonucleótido fluorescente que se utilizó en la reacción de PCR (Osborn et al., 2000). El producto obtenido por PCR (fragmento del gen 16S ADNr) fue digerido enzimáticamente con Alu I (Promega, Madison, WI) en reacciones de 20 ul. Para cada reacción se utilizaron 1 unidad de Alu I y 50 ng de producto de PCR. Las reacciones fueron incubadas en un termociclador MJ Research durante 3 h a 37 °C, seguidas de la inactivación de la enzima durante 30 min a 65 °C. Se realizaron tres corridas independientes de la muestra, usando un secuenciador automático ABI Avant 3100 PRISM® (Applied Biosystems, Foster City, CA). Con esto se obtuvieron los tamaños y alturas de los Fragmentos de Restricción Terminales (TRFs, por sus siglas en inglés), en forma de picos en un cromatograma. Para evitar fluorescencia inespecífica, sólo los picos que estuvieron presentes en las tres réplicas, y que presentaban alturas > 10 unidades de fluorescencia, fueron considerados en el análisis. Cada TRF obtenido en este análisis se consideró una OTU.

Biblioteca de clones. La mezcla de amplificados del gen 16S ADNr ya purificada, se clonó en el vector plasmídico pCR2.1, de acuerdo con las instrucciones del fabricante (Invitrogen Corp., San Diego, CA). Los plásmidos se aislaron con el kit de extracción SNAP® Miniprep Kit (Invitrogen Corp.) y aquellos que contenían el inserto fueron secuenciados usando los oligonucleótidos M13F y M13R, en un secuenciador ABI Avant 3100 PRISM® (Applied Biosystems, Foster City, CA). Todas las secuencias fueron revisadas manualmente en BioEdit (Atschul et al., 1990). Para descartar quimeras (artefacto producido por la técnica de PCR, que origina fragmentos formados con secuencias de distinta procedencia), las secuencias obtenidas fueron analizadas con Bellerophon (Huber et al. 2004) y Chimera-Check en RDP (Cole et al., 2003). Quimera-Check es una herramienta que actualmente no se encuentra en línea, pero en su lugar puede utilizarse UCHIME (Edgar et al., 2011) o DECIPHER (Wright et al., 2012), disponibles también en RDP. También se consideraron quimeras aquellas secuencias que produjeron discrepancias en el orden de las ramas de dos árboles filogenéticos generados con regiones distintas del gen 16S ADNr (533-873 y 874-1215, de acuerdo con la numeración de este gen en Escherichia coli). El tamaño final de la biblioteca, después de eliminar las quimeras, fue de 93 secuencias. Se hizo una selección de una sola secuencia para cada filotipo (se define filotipo como secuencias distintas). El corte utilizado para diferenciar estos filotipos o secuencias tipo (con una diferencia mayor al 98% entre cada filotipo) fue sugerido por Stackebrandt y Ebers en 2006. De esta manera, las 93 secuencias que se obtuvieron en la biblioteca quedaron representadas por un total de 42 secuencias, las cuales fueron registradas en GenBank con los números de acceso de KF303144 a KF303185.

Método independiente de PCR (secuenciación genómica por shotgun). Las secuencias del gen 16S ADNr en el metagenoma de la muestra GS017 correspondiente al Canal de Yucatán (Rusch et al., 2007) fueron detectadas mediante rRNA-HMM (Huang et al., 2009) y sólo se retuvieron aquellas mayores que 200 pb. Estas secuencias fueron inspeccionadas para la detección de quimeras mediante Mallard (Ashelford et al., 2006) y aquellas que pasaron la prueba fueron alineadas y clasificadas en Greengenes (DeSantis et al., 2006b). La alineación fue inspeccionada manualmente. Dada la naturaleza de la base de datos metagenómica obtenida por shotgun, los fragmentos recuperados no son sobrelapables a lo largo de regiones extensas, lo que previene la construcción de OTUs mediante agrupación por similitud a nivel de secuencia.

Determinación taxonómica. Para determinar las categorías taxonómicas a nivel phylum de ambas bibliotecas (clones y shotgun), se utilizó la herramienta Classify de Greengenes en octubre del 2011 (DeSantis et al., 2006a, 2006b). La asignación taxonómica a nivel de orden, sólo para la biblioteca de clones, se determinó con Simrank (también herramienta de Greengenes), utilizando las filogenias de referencia que recientemente se actualizaron en esta base de datos (McDonald et al., 2012) y se clasificaron aquellas secuencias con > 98% de similitud para una asignación taxonómica más confiable (Stackebrandt & Ebers, 2006). En caso de haber obtenido < 98%, el índice de similitud correspondiente se especifica en el texto.

Análisis filogenético. Se realizó un análisis filogenético con las secuencias del gen 16S ADNr obtenidas en la biblioteca de clones con el fin de corroborar la identidad taxonómica generada en Greengenes, utilizando las 42 secuencias tipo o filotipos. Para cada una se descargaron las dos secuencias con mayor similitud de las bases de datos públicas (una obtenida mediante BLAST (Altschul et al., 1990), en junio de 2011, y otra en Greengenes en esa misma fecha) y se usaron como referencia para la filogenia. Todas estas secuencias fueron alineadas en Greengenes (DeSantis et al., 2006a) y el alineamiento se revisó manualmente en BioEdit (Hall, 1999). Para determinar la posición filogenética de estas secuencias, se realizaron análisis de Neighbor-Joining en MEGA5 (Tamura et al., 2011), de máxima parsimonia en PAUP 4.0 (Swofford, 2002) y de máxima verosimilitud en phyML 3.0 (Guindon et al., 2010), usando las secuencias de arquea como grupo externo. El mejor modelo de sustitución se obtuvo con Model Generator 0.85 (Keane et al., 2006).

Análisis de TRFs con la biblioteca de clones. Para la clasificación taxonómica de los TRFs obtenidos con T-RFLPs y para la comparación de estos datos con la biblioteca de clones, se utilizaron 59 secuencias de esta biblioteca, seleccionadas en función de la calidad que tenían en el extremo 5'. Se generó un mapa de restricción (digestión in silico) con Alu I en BioEdit (Altschul et al., 1990) para cada una de estas secuencias, cuya determinación taxonómica ya se había hecho previamente, con el fin de identificar el tamaño de TRF correspondiente a cada taxón.

Comparación de costos de las estrategias moleculares. Los costos para cada estrategia, se calcularon tomando en cuenta los precios en promedio de acuerdo con las cotizaciones de distintas compañías. En el caso de las secuencias obtenidas por shotgun, se tomó como referencia a Thomas et al. (2012). Para clones y T-RFLPs, el costo fue calculado enlistando el material necesario requerido para ambas técnicas (Taq polimerasa, dNTPs, materiales), añadiéndose un costo aproximado para la extracción de ADN. Para los T-RFLPs se consideró el costo por corrida en el secuenciador automático de capilares (rendimiento de capilares, materiales utilizados, POP6, formamida, buffer y marcador de peso molecular fluorescente) y para clonación se consideró el costo de los kits de clonación y extracción de plásmidos. Se tomó en cuenta el menor precio de secuenciación por muestra, comparando dos unidades de secuenciación: 1) Washington University High Throughput Sequencing (cotización) y 2) la Unidad de Síntesis y Secuenciación del Instituto de Biotecnología (Universidad Nacional Autónoma de México, disponible en línea, consultado 2 noviembre 2013). Con fines comparativos, también se calcularon costos de técnicas de secuenciación de nueva generación (NGS), consultando para ello las siguientes páginas: Langebio (cotización), UCDavis, University of Tennessee y University of Virginia (disponibles en línea, consultados 2 noviembre 2013).

 

RESULTADOS

Diversidad, medida como número de unidades taxonómicas detectada. La Tabla 1 resume el número de grupos taxonómicos que fue posible determinar para cada técnica, y en cada apartado se discutirán estos datos con detalle.

T-RFLPs versus biblioteca de clones. Con la técnica de T-RFLPs se detectaron 39 OTUs (fragmentos); la mayoría de ellos resultó con poca abundancia y sólo algunos fueron muy abundantes (Fig. 1). Para comparar estos datos con la biblioteca de clones, se utilizaron las secuencias de esa biblioteca (n=59) cuyos cromatogramas mostraron buena calidad en el extremo 5' (con picos bien definidos, separados entre sí y con poco ruido de fondo). Con estas secuencias, se realizó una restricción in silico que generó 17 fragmentos distintos (OTUs), cuya clasificación taxonómica (correspondiente a cada una de las 59 secuencias seleccionadas) se especifica en la Tabla 2. Sólo nueve OTUs coincidieron por tamaño en ambas metodologías (Fig. 1) y el OTU más abundante obtenido para ambas metodologías fue el fragmento de 123 pares de bases. Este fragmento puede provenir de una gran variedad de secuencias de la biblioteca de clones correspondientes a distintos taxa de bacterias: Candidatus Pelagibacter y Rhodospirillaceae, que son Alfaproteobacterias. Vibronales y el OTU 3370, en el caso de Gammaproteobacteria, y por último del orden Sphingobacteriales que pertenece al phylum Bacteroidetes.

Debido a que en la mayoría de los casos los fragmentos de shotgun no tienen la misma región terminal que los productos de PCR (con los cuales se generan los fragmentos de restricción terminales), no fue posible realizar una digestión in silico para compararlos con las otras dos metodologías.

Biblioteca de clones versus shotgun. El tamaño promedio de las 860 secuencias del gen 16S ADNr de la secuenciación por shotgun fue de 400 pares de bases y se detectaron 34 phyla, mientras que en la biblioteca de clones para este mismo gen sólo se pudieron detectar siete phyla (Fig. 2), con una extensión de cerca de 700 pares de bases por secuencia. Todos los taxa que componen la biblioteca de clones fueron detectados en la biblioteca de shotgun. Alfaproteobacteria y Gammaproteobacteria fueron los phyla más abundantes recuperados por ambas técnicas (20.4% Alfaproteobacteria y 18.8% Gammaproteobacteria en la biblioteca por shotgun y 53.7% y 34.4% en la biblioteca de clones, respectivamente). Bacteriodetes fue uno de los phyla más abundantes (15.11%) en las secuencias obtenidas por shotgun, aunque fue detectado en menor proporción en la biblioteca de clones (4.3%). Representantes poco abundantes, que resultaron únicos o con dos secuencias en la biblioteca de shotgun (con 0.11% o con 22% del total) fueron los phyla Acidobacteria, Chlorobi, Fusobacteria, Nitrospirae, OP11, SR1, Thermi, TM6 y WS3. En el caso de la biblioteca de clones, los phyla con un solo representante (Euryarchaeota, Archaea), Cyanobacteria y Marine group A (o Grupo A marino), con ~1% del total, tuvieron una abundancia intermedia en la biblioteca obtenida por shotgun.

Por otra parte, la biblioteca de clones se analizó a un nivel jerárquico más restringido, para lo cual, las 93 secuencias fueron agrupadas con un 98 % de similitud (Stackebrandt & Ebers, 2006) en 42 tipos de secuencias (filotipos o SecTipo en Fig. 3). Estas 42 secuencias son equivalentes a 42 unidades taxonómicas (OTUs). Veinticuatro de ellas resultaron únicas y cuatro resultaron ser las más abundantes, con más de cinco clones por tipo, asociadas a los géneros marinos no cultivables Candidatus Pelagibacter y Candidatus Portiera OTU 3744. El resto tuvo menor abundancia (de dos a cuatro clones por tipo). Sólo 17 de los 42 filotipos pudieron ser clasificados en estos niveles taxonómicos más bajos (Fig. 3).

Grupos taxonómicos. El árbol filogenético generado con los 42 filotipos de la biblioteca de clones muestra que la clasificación de la base de datos de Greengenes es congruente con la distribución filogenética de las ramas (Fig. 3) a los dos niveles analizados (phylum y orden). Se muestra la clasificación obtenida a nivel orden o menor sólo para aquellas secuencias que dieron > 98% de similitud en Simrank. En contraste, con las secuencias de shotgun no fue posible hacer una filogenia, ya que corresponden a fragmentos que cubren distintas regiones del gen 16S ADNr, lo cual no permite un alineamiento adecuado.

Costos: El costo aproximado actual de una biblioteca (una sola muestra), obtenida utilizando secuenciación genómica por shotgun, es de 400,000 dólares (EE UU) (Thomas et al., 2012).

Para hacer una biblioteca de 96 clones se necesita una inversión de 465 dólares y, por último, una muestra de ADN analizada con T-RFLPs tiene un costo de 25 dólares. La Tabla 3 contiene los detalles de estos estimados y los costos actuales para metodologías de nueva generación (NGS).

 

DISCUSIÓN

En este trabajo presentamos la comparación de tres metodologías para el estudio de diversidad de comunidades microbianas para lo que se usó como referencia una muestra ambiental del canal de Yucatán. Debido a la naturaleza de este estudio, la interpretación ecológica de los datos es necesariamente limitada en cuanto a los aspectos ecológicos de la muestra analizada. Sin embargo, es de gran utilidad al comparar detalladamente los alcances de las tres metodologías utilizadas: T-RFLPs, bibliotecas de clones y shotgun.

Diversidad de la muestra. Independientemente del método empleado, la distribución de la estructura de la comunidad observada fue similar a la que se ha descrito para la mayoría de las comunidades bacterianas en diversos ambientes (Woodcock et al., 2007; Pedrós-Alió, 2012): pocos taxa muy abundantes y muchos poco abundantes (Figs. 1 y 2). Adicionalmente, se observó gran diversidad de fragmentos (T-RFLPs) y phyla (shotgun), lo cual podría explicarse por la alta productividad primaria que ha sido reportada en la zona de donde proviene la muestra (CONABIO, 2013; Barton et al., 2010).

Más allá de los patrones generales de diversidad, la información taxonómica fina sólo pudo lograrse con las secuencias de la biblioteca de clones al detectar taxa a niveles jerárquicos más restringidos, incluso a nivel de género (Fig. 3). Las secuencias corresponden a bacterias que han sido reportadas como parte de comunidades oceánicas en todo el mundo. Los dos taxa más abundantes fueron Candidatus Pelagibacter (Alfaproteobacteria) y Candidatus Portiera OTU 3744 (Gammaproteobacteria, equivalente al clado SAR86). Son bacterias heterótrofas aeróbicas que se han especializado en utilizar distintas fuentes de carbono, aparentemente para reducir la competencia (Dupont et al., 2011). En contraste también se encontraron potenciales competidores como Pseudoalteromonas 3440 y Vibrionales (swat 3), capaces de inhibir el crecimiento de muchas especies de bacterias (Skovhus et al., 2007, J. Craig Venter Institute, disponible en línea, consultado 2 noviembre 2013). Otro grupo detectado fue el de las bacterias fotótrofas de la familia Rhodospirillaceae (e.g. OTU 2793 y OM60; Madigan et al., 2003; Zheng et al., 2011) y las arqueas del grupo marino II (OTU 198), de las que recientemente se ha reportado una proteorodopsina que es ancestral a la de las bacterias (Iverson et al., 2012). Adicionalmente fueron identificados algunos taxa bacterianos con utilidad industrial o ecológica, como Alteromonadaceae (HTCC207 OTU 3714), el cual es importante para el reciclaje y biodegradación de materia orgánica, en particular de hidrocarburos (Jin et al., 2012). También encontramos a las Deltaproteobacteria (OTU 3167), cuyos linajes de mares fríos (equivalentes al clado SAR324 en la taxonomía de Silva (Pruesse et al., 2007)) desempeñan un papel importante en el reciclaje de fosfato orgánico disuelto (Brown & Donachie, 2007). Por último, se identificaron secuencias del orden Sphingobacteriales (OTU 1170), cuya capacidad de adherencia con algas ha sido recientemente reportada (Gómez-Pereira et al., 2012).

El inventario de la diversidad de microorganismos en distintos hábitats abre la posibilidad de investigar la relación entre ciertos grupos microbianos (algas, protozoarios, bacterias, hongos, virus) y aspectos funcionales de los ecosistemas. La caracterización de tal diversidad de organismos a través de estrategias genómicas independientes de cultivo, permite el monitoreo de ambientes naturales y el efecto de perturbaciones en la diversidad, como uno de los controladores de las funciones. Por ejemplo, el clado SAR11, al que pertenece Candidatus Pelagibacter, ha sido utilizado para monitorear los patrones de calentamiento en los mares, lo que potencialmente permitirá un mejor entendimiento de los patrones de respuesta de éstas y otras especies de bacterioplancton al cambio climático (Giovannoni & Vergin, 2012). Por otra parte, existe una estrecha relación entre la estructura de las comunidades bacterianas en el océano con la productividad primaria, medida como clorofila a (Falcón et al., 2008, Yilmaz et al., 2012) que podría determinarse en el canal de Yucatán con estudios estacionales en esta zona. Sin embargo, dependiendo del objetivo con el que se realice el estudio, el diseño experimental, número de muestras y número de secuencias o datos genómicos obtenidos, son cruciales en la interpretación ecológica de la información. De esta manera, los datos aquí presentados son ilustrativos del tipo de información que puede obtenerse, aunque no nos permiten por el momento llegar a conclusiones ecológicas definitivas.

Comparación de metodologías para el análisis de diversidad procarionte. La comparación de los patrones obtenidos con los tres métodos, arrojó claras diferencias en la caracterización de la diversidad de la muestra analizada (i.e. número de taxa observados, Tabla 1). En cuanto a las diferencias entre T-RFLPs y la biblioteca de clones, la observación más importante es la evidencia de un muestreo incompleto en ambas técnicas, reflejado en la falta de coincidencias en la presencia y/o ausencia de OTUs. Esta discrepancia es producida principalmente por aquellos fragmentos con menor abundancia que pueden o no ser detectados por la técnica utilizada, efecto característico de una intensidad de muestreo moderada. A pesar de que en el análisis por T-RFLPs un OTU realmente no representa un taxón particular (ya que el fragmento puede ser generado por distintos taxa que tengan un mismo sitio de restricción), la caracterización de una muestra a partir del análisis de la diversidad de fragmentos sí permite hacer inferencias indirectas sobre la diversidad de la muestra, como ha sido reportado en análisis de comunidades de suelos por Noguez et al. (2005), por Fierer y Jackson (2006) o recientemente por Reed y Martiny (2013). Así, el patrón de fragmentos obtenidos por T-RFLPs para esta muestra indica que la diversidad de taxa en el canal de Yucatán es alta.

Por otra parte, la diferencia entre la biblioteca de clones y la de shotgun hizo evidente que esta última estrategia de secuenciación permite un muestreo más exhaustivo. La secuenciación tipo Sanger asociada a shotgun tiene bajas tasas de error y lecturas largas (hasta 700 pb) (Thomas et al., 2012) lo que permite que la clasificación de las secuencias que se obtienen sea precisa (Hao & Chen, 2012). Además, la secuenciación por shotgun, al no tener el sesgo de amplificación (PCR) que otras técnicas sí tienen, ha resultado un excelente modelo para comparar con las dos metodologías que se llevaron a cabo en el presente trabajo. De esta forma, es posible afirmar que la abundancia relativa que se obtuvo con la base de datos de la biblioteca por shotgun representa con mayor precisión la estructura del ensamble procarionte del canal de Yucatán. La abundancia relativa de las Alfaproteobacteria y Gammaproteobacteria en la biblioteca de clones (53.7% y 34.4%, respectivamente), por ejemplo, hace pensar que durante la PCR se incorpora un sesgo hacia estos grupos, ya que la abundancia obtenida para estos mismos grupos por shotgun fue mucho menor (20.4% y 18.8%). Este sesgo por PCR se da por amplificación preferencial de ciertos grupos filogenéticos y ha sido reportado previamente (ver por ejemplo Frank et al., 2008; Bogert et al., 2011), un efecto que se agudiza si consideramos que el tamaño de muestra (número de clonas analizadas) no es muy grande. Aún con las ventajas y precisión que tiene la secuenciación de ADN por shotgun sobre otras, actualmente está utilizándose cada vez menos en estudios de diversidad metagenómica, ya que la secuenciación por el método Sanger que emplea es muy costosa y, además, requiere mayor tiempo que las técnicas de nueva generación (NGS) para el procesamiento de las muestras. Un ejemplo de estas nuevas técnicas de secuenciación es la pirosecuenciación por barcoding (amplicones provenientes de un solo gen, Huse et al., 2008), que además de tener un menor costo, produce un mayor número de secuencias (Suenaga, 2012; Williamson & Joosephs, 2012). En promedio (dependiendo de la plataforma utilizada y el tipo de corrida que se elija) se pueden obtener bibliotecas desde unas 1500 hasta un millón de secuencias (Tabla 3) con una longitud más corta que las de clones (desde 100 hasta 500 pb hoy en día). Posibilidades como ésta actualmente han mejorado en gran medida el problema del número de secuencias obtenidas en el análisis de las comunidades microbianas.

La biblioteca de clones aporta información más precisa en cuanto a resolución filogenética, ya que produce secuencias más largas, aunque en menor número. El largo de las secuencias obtenidas permite una detallada asignación taxonómica de los integrantes de la comunidad incluso a nivel de especie. La secuenciación genómica por shotgun en cambio tiene una resolución taxonómica menor, debido a la reducida longitud de los fragmentos. Además, estas fracciones de ADN provienen de distintas regiones del gen, por lo que realizar una alineación o un análisis filogenético es casi imposible.

De los tres métodos utilizados, no es difícil ver que la aproximación por T-RFLPs es la más pobre en su resolución taxonómica, ya que se obtienen fragmentos del mismo tamaño, que pueden resultar de grupos filogenéticos muy distintos (Tabla 2). Esta limitación metodológica es evidenciada por la reducida asignación taxonómica que puede hacerse de los fragmentos (Fig. 1 y Tabla 2), algunos de ellos posiblemente producidos por distintos taxa, o por grupos filogenéticos que tienen más de un fragmento característico. Sin embargo, es necesario considerar que para laboratorios con bajo presupuesto, la técnica de T-RFLPs representa una buena opción, ya que es metodológicamente sencilla, pero poderosa en cuanto al conocimiento que puede generarse. Además de su bajo costo y sencillez, publicaciones recientes han demostrado la utilidad de los T-RFLPs en investigaciones ecológicas que requieran seguimiento de comunidades en el tiempo o en tratamientos experimentales, en las cuales uno de los requisitos es la identificación de cambios generales en la composición de las comunidades (ver por ejemplo Erwin et al., 2011; Escalante et al., 2008; Lavin et al., 2008). También se han publicado patrones de diversidad o composición microbiana de T-RFLPs que están asociados a factores ambientales (Fierer & Jackson, 2006; Noguez et al., 2008; Reed & Martiny, 2013; Zhao et al., 2012), lo que permite hacer importantes inferencias ecológicas sobre la estructura de las comunidades de bacterias. Esta técnica permite igualmente, de una manera rápida y precisa, comparar grosso modo varias localidades al mismo tiempo, así como estimar la diversidad de cada una, utilizando herramientas clásicas de la Ecología (Noguez et al., 2005; Reed & Martiny, 2013).

La elección de uno u otro método para la caracterización de diversidad microbiana requiere, necesariamente, de la consideración simultánea de los costos y de las capacidades de cada uno. En este sentido, ya se han mencionado detalladamente alcances y limitaciones de los tres métodos en cuanto a diversidad (número de taxa observados) y asignación taxonómica, que junto con los datos de costo, proporcionan los argumentos necesarios para sugerir qué tipo de estrategia es más adecuada para distintas investigaciones de orden ecológico o evolutivo. Ya se ha indicado también que con el desarrollo de tecnologías NGS ha sido posible incrementar el número de secuencias por muestra a costos cada vez más bajos, por lo cual también es necesario considerarlas. En términos generales, obtener datos con una biblioteca shotgun constituye la aproximación más costosa (400,022 dólares), seguida por la construcción de bibliotecas de clones (465 dólares) y por último la de los T-RFLPs (25 dólares) (precios considerando la extracción de ADN, Tabla 3). En cuanto a NGS, el mejor precio que se encontró lo ofrece Langebio, en Irapuato, México. Por muestra se cobran -265 dólares, cifra menor que el precio estimado por biblioteca de clones (460 dólares); para este ejemplo en particular cada muestra generaría, en promedio, unas 2000 secuencias de 380 pb de largo con la plataforma GS Titanium. Este cálculo se obtuvo del presupuesto para la corrida de una placa, dividida en 16 regiones, y utilizando 12 marcas (barcoding) distintas en cada región, para un total de 192 muestras. Ésta y otras compañías generalmente no ofrecen el servicio por muestra, por lo que es necesario pagar la placa entera (-3000 dólares). Si a un laboratorio le interesan 192 bibliotecas con estas características, es posible juntar todas las muestras en una sola placa o corrida (192 es sólo un ejemplo para obtener el mejor precio por muestra, aunque hay opciones para menor número de muestras), lo cual significa una inversión total de 50,943 dólares. La diferencia de precio entre secuenciar una sola muestra o varias (en este caso, 192) radica en el trabajo de preparación de las muestras individuales (barcoding y bibliotecas). Ya sea una sola muestra o múltiples (multiplex), con este tipo de tecnología (pirosecuenciación) se obtienen desde 92 000 hasta un millón de secuencias (divididas entre el número de muestras), sin embargo, la variación de precios es grande (Tabla 3). Por ejemplo el costo de la plataforma GS Titanium es de 5322 dólares en Langebio, y el precio por este mismo tipo de secuenciación en la Universidad de Tennessee es de 16,000 dólares. Con otras tecnologías NGS (Illumina, por ejemplo) el precio es menor por muestra: 3553 dólares para una biblioteca de 90 millones de fragmentos de 100 pb en UCDavis, y es aún menor utilizando Ion Proton, por ejemplo en Langebio, el precio por muestra de esta tecnología es de 2825 dólares por 20 millones de fragmentos de 200 pb.

Estas comparaciones son considerando únicamente escenarios en donde el objetivo sea analizar la diversidad de amplicones específicos (e.g. 16S rDNA, ITS1), sin embargo, el potencial de estrategias como shotgun e incluso estas nuevas tecnologías de secuenciación incluye secuenciar genomas completos de organismos únicos o metagenomas (genomas de comunidades completas). Con ello, en ambos esquemas (shotgun o NGS), se genera información que permite hacer inferencias sobre el funcionamiento de la comunidad microbiana, además de conocer la composición taxonómica (Bonilla-Rosso et al., 2008). Con este enfoque se han reportado un número cada vez mayor de estudios evolutivos que analizan la relación entre la diversidad taxonómica de los microorganismos con la función ecosistémica (Bonilla-Rosso et al., 2012; Peimbert et al., 2012).

Aunque puede ser obvio para este momento, cabe mencionar que la mayor demanda de trabajo al utilizar una técnica como la secuenciación genómica por shotgun (o métodos de NGS) se da en la parte de análisis informático de las extensas bases de datos generadas en el proceso de secuenciación, por lo que tendría que considerarse una inversión en equipos de cómputo en los costos finales. Muchos programas y plataformas de programas fueron desarrollados en los últimos años, disponibles de manera gratuita para los investigadores (por ejemplo, la plataforma QIIME, Caporaso et al., 2010), pero aquellos análisis en los que se requiera hacer modificaciones de los pipelines (relacionados con el proceso de programación) requerirán de ciertas habilidades para programar que también es necesario considerar. De esta forma, la inversión del tiempo necesario para los análisis, así como los costos que ello genere y el software son factores importantes para tomar en cuenta (Yoccoz, 2012).

En resumen, los estudios de tipo experimental, en donde sean requeridas muchas réplicas o seguimiento temporal, así como el estudio de patrones de diversidad asociados a factores ambientales, podrían verse beneficiados por los bajos costos y la alta reproducibilidad de los T-RFLPs, considerando por supuesto la limitación de la asignación taxonómica (Erwin et al., 2011; Fierer & Jackson, 2006; Reed & Martiny, 2013; Zhao et al., 2012). En contraste, estudios que requieran una caracterización minuciosa de la diversidad y abundancia de grupos taxonómicos con precisión filogenética deberán apostar por una estrategia de bibliotecas de clones o pirosecuenciación con barcoding (Huse et al., 2008), dependiendo del presupuesto con que se cuente. En cuanto a la estrategia por shotgun, ésta es ideal en estudios exploratorios, de descripción gruesa de diversidad y de bioprospección (de genes y funciones), en donde no se requiere el análisis de múltiples muestras o réplicas experimentales (Simon & Daniel, 2011).

 

AGRADECIMIENTOS

Esta investigación fue financiada por SEMARNAT/CONACYT 2002-C01-0246 y además constituye un requisito parcial del programa del Posgrado en Ciencias Biomédicas de la Universidad Nacional Autónoma de México (UNAM). Laura Espinosa-Asuar agradece el apoyo de la beca proporcionada por el Consejo Nacional de Ciencia y Tecnología (CONACYT) no. 113 997, y de la UNAM. Agradecemos a la doctora Erika Aguirre Planter por su apoyo técnico, a la doctora Karla Heidelberg por facilitarnos la porción del filtro y su colaboración en la extracción del ADN, al biólogo Jaime Gasca Pineda por su asesoría en las filogenias y a la M. en Edición Concepción Asuar por su ayuda en la edición y corrección de estilo de este artículo.

 

REFERENCIAS

Allison, S. D., Y. Lu, C. Weihe, M. L. Goulden, A. C. Martiny, K. K. Treseder & J. B. Martiny. 2013. Microbial abundance and composition influence litter decomposition response to environmental change. Ecology 94: 714-725.         [ Links ]

Altschul, S. F., W. Gish, W. Miller, E. Myers & D. J. Lipman. 1990. Basic local aligment search tool. Journal of Molecular Biology 215: 522-529.         [ Links ]

Ashelford, K. E., N. A. Chuzhanova, J. C. Fry, A. J. Jones & A. J. Weightman. 2006. New screening software shows that most recent large 16S rRNA gene clone libraries contain chimeras. Applied Environmental Microbiology 72: 5734-5741.         [ Links ]

Barton, A. D., S. Dutkiewicz, G. Flierl, J. Bragg & J. F. Follows. 2010. Patterns of diversity in marine phytoplankton. Science 327: 1509-1511.         [ Links ]

Bogert, B. Van Den, M. De Vos Willem, E. G. ZoetendaL & M. Kleerebezem. 2011. Microarray analysis and barcoded pyrosequencing provide consistent microbial profiles depending on the source of human intestinal samples. Applied and Environmental Microbiology 77: 2071-2080.         [ Links ]

Bonilla-Rosso, G., V. Souza & L. E. Eguiarte. 2008. Metagenómica, genómica y ecología molecular: la nueva ecología en el bicentenario de Darwin. TIP Revista Especializada en Ciencias Químico-Biológicas 11: 41-51.         [ Links ]

Bonilla-Rosso, G., M. Peimbert, L. D. Alcaraz, I. Hernández, L. E. Eguiarte, G. Olmedo-Álvarez & V. Soüza. 2012. Comparative metagenomics of two microbial mats at Cuatro Ciénegas Basin II: community structure and composition in oligotrophic environments. Astrobiology 12: 659-673.         [ Links ]

Brown, M. V. & S. P. Donachie. 2007. Evidence for tropical endemicity in the Deltaproteobacteria Marine Group B/SAR324 bacterioplankton clade. Aquatic Microbial Ecology 46: 107-115.         [ Links ]

Caporaso, J. G., J. Kuczynski, J. Stombaugh, K. Bittinger & F. D. Bushman. 2010. analysis of high-throughput community sequencing data. Nature Methods 7: 335-336.         [ Links ]

Cole, J. R., B. Chai, T. L. Marsh, R. J. Farris, Q. Wang. 2003. The Ribosomal Database Project (RDP-II): previewing a new autoaligner that allows regular updates and the new prokaryotic taxonomy. Nucleic Acids Research 31: 442-443.         [ Links ]

CONABIO 1988. La diversidad biológica de México: Estudio de país. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad, México.         [ Links ]

CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad).2013. Disponible en linea en: http://www.conabio.gob.mx/gap/index.php/Procesos_oceanograficos (consultado el 2 noviembre 2013).         [ Links ]

DeSantis, T. Z., P. Hugenholtz, N. Larsen, M. Rojas & E. L. Brodie. 2006a. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB. Applied and Environmental Microbiology 72: 5069-5072.         [ Links ]

DeSantis, T. Z., P. Hugenholts, K. Keller, E. L. Brodie, N. Larsen, Y. M. Piceno, R. Phan & G. L. Andersen. 2006b. Nast: a multiple sequence alignment server for comparative analysis of 16s rRNA genes. Nucleic Acids Research 34: W394-W399.         [ Links ]

Dupont, C. L., D. B. Rusch, S. Yooseph, M. J. Lombardo & R. A. Richter. 2011. Genomic insights to SAR86, an abundant and uncultivated marine bacterial lineage. The ISME Journal 6: 1186-1199.         [ Links ]

Edgar, R. C., B. J. Haas, J. C. Clemente, C. Quince & R. Knight. 2011. Uchime improves sensitivity and speed of chimera detection. Bioinformatics 27: 2194-2200.         [ Links ]

Eguiarte, L. E., J. A. Aguirre-Liguori, L. Jardón-Barbolla, E. Aguirre-Planter & V. Souza. 2013. Genómica de poblaciones: nada en evolución va a tener sentido si no es a la luz de la genómica, y nada en genómica tendrá sentido si no es a la luz de la evolución. TIP Revista Especializada en Ciencias Químico-Biológicas 16: 5-19.         [ Links ]

Erwin, P. M., J. B. Olson & R. W. Thacker. 2011. Phylogenetic diversity, host-specificity and community profiling of sponge-associated bacteria in the Northern Gulf of Mexico. Plos One 6: 1-16.         [ Links ]

Escalante, A. E., L. E. Eguiarte, L. Espinosa-Asuar, L. J. Forney, A. M. Noguez & V. Souza Saldívar. 2008. Diversity of aquatic prokaryotic communities in the Cuatro Ciénegas Basin. FEMS Microbiology Ecology 65:50-60.         [ Links ]

Falcón, L. I., A. M. Noguez, L. Espinosa-Asuar, L. E. Eguiarte & V. Souza. 2008. Evidence of biogeography in surface ocean bacterioplankton assemblages. Marine Genomics 1: 55-61.         [ Links ]

Fierer, N. & R. B. Jackson. 2006. The diversity and biogeography of soil bacterial communities. Proceedings of the National Academy of Sciences of the United States of America 103: 626-631.         [ Links ]

Fierer, N. & J. T. Lennon. 2011. The generation and maintenance of diversity in microbial communities. American Journal of Botany 98:439-448.         [ Links ]

Frank, J. A., C. I. Reich, S. Sharma, J. S. Weisbaum, B. A. Wilson & G. J. Olsen. 2008. Critical evaluation of two primers commonly used for amplification of bacterial 16S rRNA genes. Applied and Environmental Microbiology 74: 2461-2470.         [ Links ]

Giovannoni, S. J. & K. L. Vergin. 2012. Seasonality in ocean microbial communities. Science 335: 671-676.         [ Links ]

Gómez-Pereira, P. R., M. Schüler, B. M. Fuchs, C. Bennke & H. Teeling. 2012. Genomic content of uncultured Bacteroidetes from contrasting oceanic provinces in the North Atlantic Ocean. Environmental Microbiology 14: 52-66.         [ Links ]

Green, J. L., B. J. M. Bohannan & R. J. Whitaker. 2008. Microbial Biogeography: from taxonomy to traits. Science 320: 1039-1043.         [ Links ]

Guindon, S., J. F. Dufayard, V. Lefort, M. Anisimova, W. Hordijk & 0. Gascuel. 2010. New algorithms and methods to estimate maximum-likelihood phylogenies: Assessing the performance of PhyML 3.0. Systematic Biology 59: 307-321.         [ Links ]

Hall, T. A. 1999. BioEdit: a user-friendly biological sequence alignment editor and analysis program for Windows 95/98/NT. Nucleic acids symposium series 41: 95-98.         [ Links ]

Hao, X. & T. Chen. 2012. OTU analysis using metagenomic shotgun sequencing data. PLoS ONE 7: e49785.         [ Links ]

Huang, Y., P. Gilna & W. Li. 2009. Identification of ribosomal RNA genes in metagenomic fragments. Bioinformatics 25: 1338-1340.         [ Links ]

Huber, T., G. Faulkner & P. Hugenholtz. 2004. Bellerophon; a program to detect chimeric sequences in multiple sequence alignments. Bioinformatics 20: 2317-2319.         [ Links ]

Hughes, J. B., B. J. Bohannan, J. H. Brown, R. K. Colwell, J. A. Fuhrman & J. L. Green. 2006. Microbial biogeography: putting microorganisms on the map. Natural Review of Microbiology 4: 102-112.         [ Links ]

Huse, S. M., D. Les, J. A. Huber, D. M. Welch, D. A. Relman & M. L. Sogin. 2008. Exploring microbial diversity and taxonomy using SSU rRNA hypervariable tag sequencing. PLOS Genetics 4: 1-10.         [ Links ]

Iverson, V., R. M. Morris, C. D. Frazar, C. T. Berthiaume, R. L. Morales & E. V. Armbrust. 2012. Untangling genomes from metagenomes: revealing an uncultured class of marine Euryarchaeota. Science 335:587-590.         [ Links ]

J. Craig Venter Institute (disponible en línea en): https://moore.jcvi.org/moore/SingleOrganism.do?speciesTag=VSWAT3 (consultado 2 noviembre 2013).

Jin, H. M., J. M. Kim, H. J. Lee, E. L. Madsen & C. 0. Jeon. 2012. Alteromonas as a key agent of polycyclic aromatic hydrocarbon biodegradation in crude oil-contaminated coastal sediment. Environmental Scientific Technology 46: 7731-7740.         [ Links ]

Keane, T. M., C. J. Creevey, M. M. Pentony, T. J. Naughton & J. 0. Mcinerney. 2006. Assessment of methods for amino acid matrix selection and their use on empirical data shows that ad hoc assumptions for choice of matrix are not justified. BMC Evolution Biology 6: 29.         [ Links ]

LANGEBIO (disponible en línea en): http://www.Langebio.cinvestav.mx/labsergen/ (consultado 2 noviembre 2013).

Lavin, P., P. Gómez, B. González & 0. Ulloa. 2008. Diversity of the marine picocyanobacteria Prochlorococcus and Synechococcus assessed by terminal restriction fragment length polymorphisms of 16S-23S rRNA internal transcribed spacer sequences. Revista Chilena de Historia Natural 81: 515-531.         [ Links ]

Lindstrom E. S. & S. Langenheder. 2012. Local and regional factors influencing bacterial community assembly. Environmental Microbiology Reports 4: 1-9.         [ Links ]

Madigan, M. T., J. M. Martinko & J. Parker. 2003. Brock Biology of Microorganisms. Prentice-Hall: New Jersey, decimal edición.         [ Links ]

McDonald, D., M. N. Price, J. Goodrich, E. P. Nawrocki & T. Z. DeSantis. 2012. An impoved Greenegenes taxonomy with explicit ranks for ecological and evolutionary analyses of bacteria and archaea. The ISME Journal 6: 610-618.         [ Links ]

Nazaries, L., Y. Pan, L. Bodrossy, E. M. Baggs, P. Millard, J. C. Murrell & B. K. Singh. 2013. Microbial regulation of biogeochemical cycles: evidence from a study on methane flux and land-use change. Applied and Environmental Microbiology 79: 4031-4040.         [ Links ]

Noguez, A. M., H. T. Arita, A. E. Escalante, L. J. Forney, F. García-Oliva & V. Souza. 2005. Microbial macroecology: highly structured prokariotic soil assemblages in a tropical deciduous forest. Global Ecology Biogeography 14: 241-248.         [ Links ]

Noguez, A. M., A. E. Escalante, L. J. Forney, M. Nava-Mendoza, I. Rosas, V. Souza & F. García-Oliva. 2008. Soil aggregates in a tropical deciduous forest: effects on C and N dynamics, and microbial communities as determined by t-RFLPs. Biogeochemistry 89: 209-220.         [ Links ]

Osborn, A. M., E. R. Moore & K. N. Timmis. 2000. An evaluation of terminal-restriction fragment length polymorphism. T-RFLP analysis for the study of microbial community structure and dynamics. Environmental Microbiology 2: 39-50.         [ Links ]

Pedrós-Alió, C. 2012. The rare bacterial biosphere. Annual Review of Marine Science 4: 449-466.         [ Links ]

Peimbert, M., L. D. Alcaraz, G. Bonilla-Rosso, G. Olmedo-Álvarez, F. García-Oliva, L. Segovia, L. E. Eguiarte & V. Souza. 2012. Comparative metagenomics of two microbial mats at Cuatro Ciénegas Basin I: Ancient lessons on how to cope with an environment under severe nutrient stress. Astrobiology 12: 648-657.         [ Links ]

Pruesse, E., C. Quast, K. Knittel, B. Fuchs, W. Ludwig, J. Peplies & F. 0. Glockner. 2007. Silva: a comprehensive online resource for quality checked and aligned ribosomal RNA sequence data compatible with ARB. Nucleic Acids Research 35: 7188-7196.         [ Links ]

Reed, H. E. & J. B. Martiny. 2013. Microbial composition affects the functioning of estuarine sediments. The ISME Journal 7: 868-879.         [ Links ]

Rusch, D. B., A. L. Halpern, G. Sutton, K. B. Heidelberg & S. Williamson. 2007. The sorcerer II global ocean sampling expedition: Northwest Atlantic through Eastern Tropical Pacific. PLoS Biology 5: e77.         [ Links ]

Rzedowski, J. 2006. Vegetación de México. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad: México. Primera edición digital, 504 págs.         [ Links ]

Segata, N., D. Boernigen, T. L. Tickle, X. C. Morgan, W. S. Garrett & C. Huttenhower. 2013. Computational meta'omics for microbial community studies. Molecular Systematic Biology 9: 666.         [ Links ]

Simon, C. & R. Daniel. 2011. Metagenomic analyses: past and future trends. Applied and Evironmental Microbiology 77: 1153-1161.         [ Links ]

Skovhus, T. L., C. Holmstrom, S. Kjelleberg & I. Dahllof. 2007. Molecular investigation of the distribution, abundance and diversity of the genus Pseudoalteromonas in marine samples. FEMS Microbiology Ecology 61: 348-61.         [ Links ]

Stackebrandt, E. & J. Ebers. 2006. Taxonomic parameters revisited: tarnished gold standards. Microbiology Today 33: 152-155.         [ Links ]

Suenaga, H. 2012. Targeted metagenomics: a high-resolution metagenomics approach for specific gene clusters in complex microbial communities. Environmental Microbiology 14: 13-22.         [ Links ]

Swofford, D. L. 2002. PAUP*. Phylogenetic analysis using parsimony (*and other methods). Version 4. Sinauer Associates, Sunderland, Massachusetts, USA (disponible en línea en): http://www.tsu.edu/PDFFiles/CBER/Miranda/PAUP%20Manual.pdf (consultado 2 noviembre 2013).         [ Links ]

Tamura, K, D. Peterson, N. Peterson, G. Stecher, M. Nei & S. Kuma. 2011. MEGA5: Molecular evolutionary genetics analysis using maximum likelihood, evolutionary distance, and maximum parsimony methods. Molecular Biology and Evolution 28: 2731-2739.         [ Links ]

Thomas, T., J. Gilbert & F. Meyer. 2012. Metagenomics - a guide from sampling to data analysis. Microbial Informatics Experimentation 2: 3.         [ Links ]

Turner, S., K. M Pryer, V. P. W Miao, & J. D. Palmer. 1999. Investigating deep phylogenetic relationships among cyanobacteria and plastids by small subunit rRNA sequence analysis. Journal of Eukaryotic Microbiology 46: 327-338.         [ Links ]

UCDAVIS Genome Center (disponible en línea en): http://dnatech.genomecenter.ucdavis.edu/prices.html (consultado 2 noviembre 2013).

Universidad Nacional Autónoma de México (Unidad de Síntesis y Secuenciación, Instituto de Biotecnología) (disponible en línea en): http://www.ibt.unam.mx/sintesis/secuenciacion.html (consultado 2 noviembre 2013).         [ Links ]

University of Tennessee (Center for Environmental Biotechnology) (disponible en línea en): http://www.ceb.utk.edu/dnasequence.html (consultado 2 noviembre 2013).

University of Virginia Medical School (Center for Public Health Genomics) (disponible en línea en): http://cphg.virginia.edu/mackey/projects/sequencing-pipelines/sweetseq/next-gen-sequencing-costs-at-uva/ (consultado 2 noviembre 2013).

Williamson, S. J. & S. Yooseph. 2012. From bacterial to microbial ecosystems (metagenomics). In Helden J van, A. Toussaint & D. Thieffry (eds.) Bacterial Molecular Networks: Methods and Protocols. Series Methods in Molecular Biology 804: 35-55.         [ Links ]

Woodcock, S., C. J. Van der Gast, T. Bell, M. Lunn, T. P. Curtis, I. M. Head & W. T. Sloan. 2007. Neutral assembly of bacterial communities. FEMS Microbiology Ecology 62: 171-180.         [ Links ]

Wright, E. S., L. S. Yilmaz & D. R. Noguera. 2012. DECIPHER, a search-based approach to chimera identification for 16S rRNA sequences. Applied and Environmental Microbiology 78: 717-725.         [ Links ]

Yilmaz, P., M. H. Iversen, W. Hankeln, R. Kottmann, C. Quast & F. 0. Glockner. 2012. Ecological structuring of bacterial and archaeal taxa in surface ocean waters. FEMS Microbiology Ecology 81: 373-385.         [ Links ]

Yoccoz, N. G. 2012. The future of environmental DNA in ecology. Molecular Ecology 21(8) (Special Issue environmental DNA): 2031-2038.         [ Links ]

Zarraonaindia, I., D. P. Smith & J. A. Gilbert. 2013. Beyond the genome: community-level analysis of the microbial world. Biology and Philosophy 28: 261-282.         [ Links ]

Zhao, D., R. Huang, J. Zeng, W. Yan, J. Wang, T. Ma, M. Wang & Q. L. Wu. 2012. Diversity analysis of bacterial community compositions in sediments of urban lakes by terminal restriction fragment length polymorphism (T-RFLP). World Journal of Microbiology and Biotechnology 28: 3159-3170.         [ Links ]

Zheng, Q., R. Zhang, M. Koblizek, E. N. Boldareva, V. Yurkov, S. Yan & N. Jiao. 2011. Diverse arrangement of photosynthetic gene clusters in aerobic anoxygenic phototrophic bacteria. PLOS One 6: e25050.         [ Links ]