Exploring host-microbiome interactions in Norwegian Salmon via weighted network analysis

Abstract

Invisible to the naked eye, but present everywhere. Microbial organisms live and reproduce in almost any conceivable environment on the planet. In recent years, researchers have started to gain quantified information of the microscopic world, fueled by the technical advances in sequencing technology. From the presence of microbes in environmental samples (metagenomics) to the processes within a cell (transcriptomics), omics data has revolutionized our understanding of the microcosmos.

One of the places that microbial communities inhabit is the intestines of animals. Many studies have shown that host-associated microbes have a crucial role in the development of the host and are vital for critical functions within many animals. Many studies focus their attention on the microbiota of mammals, and there has been less focus on animals in aquatic environments.

The farmed Atlantic salmon is of great importance for the Norwegian economy. The Atlantic salmon is also an exciting study object due to the dramatic environmental change the fish experiences during its lifetime. The transition from freshwater to saltwater would kill most other fish and is an extreme barrier for the proliferation of the salmon’s gut microbiota.

In this thesis, we developed a pipeline using the R-package weighted-correlation-network-analysis (WGCNA) to create networks and detect modules in data from a long-term feeding trial of farmed Atlantic salmon. Through the use of representative profiles for each module, this network-based dimensionality reduction approach gives a holistic approach to the discovery of potential host symbionts.

Complex behaviors emerge from the pairwise interactions of individual objects on every level (genes, proteins, metabolites, cells, animals). Network analysis differs from traditional methods of data analysis by analyzing all relations between objects and studying how they behave together.

In this thesis, we analyze two datasets: one of the host gene expression (RNAseq) and another for the microbial abundance (16S rRNA amplicon sequencing), both of which were previously analyzed separately. We found confirmation of the central status of several bacteria as potential host-symbionts but was limited in our ability to link these bacteria to specific sets of genes by the strong effect of the freshwater-saltwater transition.

A method for regressing out principal components was used to remove large effects in the data in the hopes that it would reveal the subtle interactions. Although the method was successful in discovering genes involved in lipid metabolism, the analysis showed no positive correlation between any group of genes and microorganisms. This lack of positive relationship goes against the established literature on the subject; however, there are some limitations of the method. We discuss these challenges and potential improvements to the pipeline for future studies.

Usynlig for det blotte øye, men til stede overalt. Mikrobielle organismer lever og reproduserer i nesten alle tenkelige omgivelser på planeten. De siste årene har forskere begynt å få kvantifisert informasjon om den mikroskopiske verden, drevet av tekniske fremskritt innen sekvenseringsteknologi. Fra tilstedeværelsen av mikrober i miljøprøver (metagenomikk) til prosessene i en celle (transkriptomikk), omics-data har revolusjonert vår forståelse av mikrokosmos.

Et av stedene hvor mikrobielle samfunn bor i er tarmene til dyr. Mange studier har vist at vertsassosierte mikrober har en avgjørende rolle i utviklingen av verten og er avgjørende for kritiske funksjoner i mange dyr. Mange studier fokuserer oppmerksomheten mot mikrobiota hos pattedyr, og det har vært mindre fokus på dyr i vannmiljøer. Oppdrett av atlanterhavslaks er av stor betydning for norsk økonomi. Atlanterhavslaksen er også et spennende studieobjekt på grunn av den drastiske endringen i miljø som laksen opplever i løpet av sin levetid. Overgangen fra ferskvann til saltvann vil drepe de fleste andre fisker og er en ekstrem barriere for spredning av laksens tarmmikrobiota.

I denne avhandlingen utviklet vi en pipeline ved bruk av R-pakken weighted-correlation-network-analysis (WGCNA) for å lage nettverk og oppdage moduler i data fra et langvarig fôringsforsøk med atlanterhavslaks fra oppdrett. Gjennom bruk av representative profiler for hver modul gir denne nettverksbaserte dimensjonalitetsreduksjonsmetoden en helhetlig tilnærming til oppdagelsen av potensielle vert symbionter.

Kompleks atferd oppstår fra parvise interaksjoner mellom individuelle objekter på alle nivåer (gener, proteiner, metabolitter, celler, dyr). Nettverksanalyse skiller seg fra tradisjonelle metoder for dataanalyse ved å analysere alle forhold mellom objekter og studere hvordan de oppfører seg sammen.

I denne oppgaven analyserer vi to datasett: ett av vertsgenekspresjonen (RNAseq) og ett annen for mikrobiell tallrikhet (16S rRNA amplicon sekvensering), begge har tidligere blitt analysert separat. Vi fant bekreftelse av den sentrale statusen til flere bakterier som potensielle vert-symbionter, men var begrenset i vår evne til å koble disse bakteriene til spesifikke sett med gener av den sterke effekten av overgangen til ferskvann og saltvann.

En metode for å fjerne prinsipalkomponenter ved regresjon ble brukt for å fjerne store effekter i dataene i håp om at de ville avsløre de subtile interaksjonene. Selv om metoden lyktes i å oppdage gener involvert i lipidmetabolisme, viste analysen ingen positiv sammenheng mellom gen-grupper og grupper av mikroorganismer. Denne mangelen på positive forhold går mot den etablerte litteraturen på emnet; Imidlertid er det noen begrensninger i metoden. Vi diskuterer disse utfordringene og potensielle forbedringer til pipeline-en for fremtidige studier.