Microevolution processes are detected in symbiotic microbiomes of Baikal sponges by the methods of fractal theory

Cover Page

Cite item

Full Text

Abstract

In recent years, a large scale ecological crisis has been observed in the Lake Baikal ecosystem. It is clearly shown by several signs, including the mass disease of sponges in the coastal zone. To investigate the causes of the crisis, the composition of symbiotic communities in sponges was investigated in 2015 by sequencing of the 16S rRNA gene in three locations of the lake. The methods of fractal theory were adopted in order to detect a fractal structure in the distribution of the sequencing reads, being considered as fragments of the 16S rRNA gene for individual bacteria within the collected samples. The fractal-like distributions were constructed for the seven most abundant phylotypes, and the observed properties of the distributions reflect microevolution processes within the selected genera and species. The values of the fractal dimension, evaluated for the distributions, are observed to correlate with an anthropogenic load at the place of sample collection, for the Flavobacterium and Synechococcus genera. The sampling sites were also observed to be associated with the properties of the distributions for chloroplasts of Trebouxiophyceae algae, the endosymbiont of Lubomirskia baicalensis sponge.The long-scale time dependency of fractal dimension was also evaluated for the data from temperature detectors in four locations of Lake Baikal. The values of the fractal dimension for fluctuations of temperature are also observed to be associated with an anthropogenic load in the place of measurement. The consistency of both approaches validates the usefulness of fractal-based methods in the interpretation of the experiments designed to study the ecological crisis in Lake Baikal.

About the authors

S. I. Feranchuk

Limnological Institute, Siberian Branch of the Russian Academy of Sciences; National Research Technical University

Author for correspondence.
Email: feranchuk@gmail.com

Department of Informatics, National Research Technical University

Russian Federation, Ulan-Batorskaya Str., 3, Irkutsk, 664033; Lermontov Str., 83, Irkutsk, 664074

U. V. Potapova

Limnological Institute, Siberian Branch of the Russian Academy of Sciences

Email: feranchuk@gmail.com
Russian Federation, Ulan-Batorskaya Str., 3, Irkutsk, 664033

L. I. Chernogor

Limnological Institute, Siberian Branch of the Russian Academy of Sciences

Email: feranchuk@gmail.com
Russian Federation, Ulan-Batorskaya Str., 3, Irkutsk, 664033

N. L. Belkova

Limnological Institute, Siberian Branch of the Russian Academy of Sciences; Scientific Centre for Family Health and Human Reproduction Problems

Email: feranchuk@gmail.com
Russian Federation, Ulan-Batorskaya Str., 3, Irkutsk, 664033; Timiryaseva Str., 16, Irkutsk, 664033

S. I. Belikov

Limnological Institute, Siberian Branch of the Russian Academy of Sciences

Email: feranchuk@gmail.com
Russian Federation, Ulan-Batorskaya Str., 3, Irkutsk, 664033

References

  1. Baldani J.I., Videira S.S., dos Santos Teixeira K.R. et al. 2014. The family Rhodospirillaceae. In: Rosenberg E., DeLong E.F., Lory S. et al. (Eds.), The Prokaryotes: Alphaproteobacteria and Betaproteobacteria. Berlin: Springer-Verlag, pp. 533–618. doi: 10.1007/978-3-642-30197-1_300.
  2. Banerjee A., YakovenkoV.M. 2010. Universal patterns of inequality. New Journal of Physics 12. doi: 10.1088/1367-2630/12/7/075032
  3. Bernardet J.F., Bowman J.P. 2006. The genus Flavobacterium. In: Dworkin M., Falkow S., Rosenberg E. et al. (Eds.), The Prokaryotes. Volume 7: Proteobacteria, Delta, Epsilon, subclass. New York: Springer, pp. 481–531.
  4. Berry D.L., Goleski J.A., Koch F. et al. 2015. Shifts in cyanobacterial strain dominance during the onset of harmful algal blooms in Florida Bay, USA. Microbial Ecology 70: 361–371. doi: 10.1007/s00248-014-0564-5.
  5. Bormotov A.E. 2011. What has happened to Baikal sponges? Science First Hand 32: 20–23. (In Russian).
  6. Briée C., Moreira D., López-García P. 2007. Archaeal and bacterial community composition of sediment and plankton from a suboxic freshwater pond. Research in Microbiology 158: 213–227. doi: 10.1016/j.resmic.2006.12.012
  7. Brown B.L., LePrell R.V., Franklin R.B. et al. 2015. Metagenomic analysis of planktonic microbial consortia from a non-tidal urban-impacted segment of James River. Standards in Genomic Sciences 10: 65. doi: 10.1186/s40793-015-0062-5.
  8. Caporaso J.G., Kuczynski J., Stombaugh J. et al. 2010. QIIME allows analysis of high-throughput community sequencing data. Nature Methods 7: 335–336. doi: 10.1038/nmeth.f.303.
  9. Chernogor L., Denikina N., Kondratov I. et al. 2013. Isolation and identification of the microalgal symbiont from primmorphs of the endemic freshwater sponge Lubomirskia baicalensis (Lubomirskiidae, Porifera). European Journal of Phycology 48: 497–508. doi: 10.1080/09670262.2013.862306.
  10. Choudhury J.D., Pramanik A., Webster N.S. et al. 2015. The pathogen of the great barrier reef sponge Rhopaloeides odorabile is a new strain of Pseudoalteromonas agarivorans containing abundant and diverse virulence-related genes. Marine Biotechnology 17: 463–478. doi: 10.1007/s10126-015-9627-y.
  11. Denikina N.N., Dzyuba E.V., Belkova N.L. et al. 2016. The first case of disease of the sponge Lubomirskia baicalensis: investigation of its microbiome. Translated in Biology Bulletin 43: 263–270. doi: 10.1134/S106235901603002X.
  12. Edgar R.C. 2010. Search and clustering orders of magnitude faster than BLAST. Bioinformatics 26: 2460–2461. doi: 10.1093/bioinformatics/btq461.
  13. Feranchuk S., Belkova N., Potapova U. et al. 2018a. Evaluating the use of diversity indices to distinguish between microbial communities with different traits. Research in Microbiology 169: 254–261. doi: 10.1016/j.resmic.2018.03.004.
  14. Feranchuk S., Belkova N., Chernogor L. et al. 2018b. The signs of adaptive mutations identified in the chloroplast genome of the algae endosymbiont of Baikal sponge. [version 1; referees: awaiting peer review]. F1000Research 7. doi: 10.12688/f1000research.15841.1
  15. Gladkikh A.S., Kaluyzhnaya O.V., Belykh O.I. et al. 2014. Analysis of bacterial communities of two Lake Baikal endemic sponge species. Mikrobiology 83: 787–797. doi: 10.1134/S002626171406006X
  16. Harte D. 2001. Multifractals: theory and applications. London: Chapman & Hall.
  17. Higuchi T. 1988. Approach to an irregular time series on the basis of the fractal theory. Physica D: Nonlinear Phenomena 31: 277–283.
  18. Horňák K., Corno G. 2012. Every coin has a back side: invasion by Limnohabitans planktonicus promotes the maintenance of species diversity in bacterial communities. PLoS One 7. doi: 10.1371/journal.pone.0051576.
  19. Jelinek H.F., Fernandez E. 1998. Neurons and fractals: how reliable and useful are calculations of fractal dimensions? Journal of Neuroscience Methods 81: 9–18.
  20. Jezberová J., Jezbera J., Znachor P. 2017. The Limnohabitans genus harbors generalistic and opportunistic subtypes: evidence from spatiotemporal succession in a canyon-shaped reservoir. Applied and Environmental Microbiology 83. doi: 10.1128/AEM.01530-17.
  21. Kadnikov V.V., Mardanov A.V., Beletsky A.V. et al. 2012. Microbial community structure in methane hydrate-bearing sediments of freshwater Lake Baikal. FEMS Microbiology Ecology 79: 348–358. doi: 10.1111/j.1574-6941.2011.01221.x.
  22. Kaluzhnaya O.V., Itskovich V.B., McCormack G.P. 2011. Phylogenetic diversity of bacteria associated with the endemic freshwater sponge Lubomirskia baicalensis. World Journal of Microbiology and Biotechnology 27: 1955–1959. doi: 10.1007/s11274-011-0654-1.
  23. Karbauskaite R., Dzemuda G. 2016. Fractal-based methods as a technique for estimating the intrinsic dimensionality of high-dimensional data: a survey. Informatica 27: 257–281. doi: 10.15388/Informatica.2016.84.
  24. Khanaev I.V., Kravtsova L.S., Maikova O.O. et al. 2018. Current state of the sponge fauna (Porifera: Lubomirskiidae) of Lake Baikal: sponge disease and the problem of conservation of diversity. Journal of Great Lakes Research 44: 77–85. doi: 10.1016/j.jglr.2017.10.004.
  25. Kulakova N.V., Sakirko M.V., Adelshin R.V. et al. 2018. Brown rot syndrome and changes in the bacterial community of the Baikal sponge Lubomirskia baicalensis. Microbial Ecology 75: 1024–1034. doi: 10.1007/s00248-017-1097-5.
  26. Luter H.M., Whalan S., Webster N.S. 2010. Exploring the role of microorganisms in the disease-like syndrome affecting the sponge Ianthella basta. Applied and Environmental Microbiology 76: 5736–5744. doi: 10.1128/AEM.00653-10.
  27. Mandelbrot B. 1960. The Pareto-Levy law and the distribution of income. International Economic Review 1: 79–106.
  28. Mandelbrot B. 1967. How long is the coast of Britain? Statistical self-similarity and fractional dimension. Science 156: 636–638.
  29. Manfredi R., Nanetti A., Ferri M. 1999. Flavobacterium spp. organisms as opportunistic bacterial pathogens during advanced HIV disease. Journal of Infection 39:146–52.
  30. Marsac N.T., Houmard J. 1993. Adaptation of cyanobacteria to environmental stimuli: new steps towards molecular mechanisms. FEMS Microbiological Reviews 10: 119–189. doi: 10.1016/0378-1097(93)90506-W.
  31. O’Neil J.M., Davis T.W., Burford M.A., Gobler C.J. 2012. The rise of harmful cyanobacteria blooms: the potential roles of eutrophication and climate change. Harmful Algae 14: 313–334. doi: 10.1016/j.hal.2011.10.027.
  32. Peng C.K., Buldyrev S.V., Havlin S. et al. 1994. Mosaic organization of DNA nucleotides. Physical Review E 49: 1685–1689.
  33. Prinzón J.H., Kamel B., Burge C.A. et al. 2015. Whole transcriptome analysis reveals changes in expression of immune-related genes during and after bleaching in a reef-building coral. Open Science Journal 2. doi: 10.1098/rsos.140214.
  34. Pulkkinen K., Suomalainen L.R., Read A.F. et al. 2009. Intensive fish farming and the evolution of pathogen virulence: the case of columnaris disease in Finland. Proceedings of the Royal Society B: Biological Sciences 277: 593-600. doi: 10.1098/rspb.2009.1659.
  35. Richardson L.F. 1961. The problem of contiguity: an appendix to statistics of deadly quarrels. General systems: Yearbook of the Society for the Advancement of General Systems Theory 61: 139–187.
  36. Saravia L.A. 2015. A new method to analyze species abundances in space using generalized dimensions. Methods in Ecology and Evolution 6: 1298–1310. doi: 10.1111/2041-210X.12417.
  37. Schloss P.D., Westcott S.L., Ryabin T. et al. 2009. Introducing mothur: open-source, platform-independent, community-supported software for describing and comparing microbial communities. Applied and Environmental Microbiology 75: 7537–7541. doi: 10.1128/AEM.01541-09.
  38. Seuront L. 2015. On uses, misuses and potential abuses of fractal analysis in zooplankton behavioral studies: A review, a critique and a few recommendations. Physica A: Statistical Mechanics and its Applications 432: 410–434. doi: 10.1016/j.physa.2015.03.007.
  39. Stabili L., Cardone F., Alifano P. et al. 2012. Epidemic mortality of the sponge Ircinia variabilis (Schmidt, 1862) associated to proliferation of a Vibrio bacterium. Microbial Ecology 64: 802–813. doi: 10.1007/s00248-012-0068-0.
  40. Taylor M.W., Radax R., Steger D. et al. 2007. Sponge-associated microorganisms: evolution, ecology, and biotechnological potential. Microbiology and Molecular Biology Reviews 71: 295–347.
  41. Timoshkin O.A., Samsonov D.P., Yamamuro M. et al. 2016. Rapid ecological change in the coastal zone of Lake Baikal (East Siberia): is the site of the world’s greatest freshwater biodiversity in danger? Journal of Great Lakes Research 42: 487–497. doi: 10.1016/j.jglr.2016.02.011.
  42. Våge S., Thingstad T.F. 2015. Fractal hypothesis of the pelagic microbial ecosystem can simple ecological principles lead to self-similar complexity in the pelagic microbial food web? Frontiers in Microbiology 6. doi: 10.3389/fmicb.2015.01357.
  43. Walsh K., Haggerty J.M., Doane M.P. 2017. Aura-biomes are present in the water layer above coral reef benthic macro-organisms. PeerJ 5. doi: 10.7717/peerj.3666.
  44. Wang H., Luo S., Luo T. 2017. Fractal characteristics of urban surface transit and road networks: Case study of Strasbourg, France. Advances in Mechanical Engineering 9: 1–12. doi: 10.1177/1687814017692289.
  45. Webster N.S., Negri A.P., Webb R.I. et al. 2002. A spongin-boring α-proteobacterium is the etiological agent of disease in the great barrier reef sponge Rhopaloeides odorabile. Marine Ecology Progress Series 232: 305–309. doi: 10.3354/meps232305.
  46. Webster N.S., Thomas T. 2016. The sponge hologenome. MBio 7. doi: 10.1128/mBio.00135-16.
  47. Willems A. 2014. The family Comamonadaceae. In: Rosenberg E., DeLong E.F., Lory S. et al. (Eds.), The prokaryotes: Alphaproteobacteria and Betaproteobacteria. 4th edition. Berlin: Springer-Verlag, pp. 777–851.
  48. Xu Y., Wang Y., Tao X. et al. 2017. Evidence of Chinese income dynamics and its effects on income scaling law. Physica A: Statistical Mechanics and its Applications 147: 143–152. doi: 10.1016/j.physa.2017.06.020.
  49. Yakovenko V.M., Rosser J.B. 2009. Statistical mechanics of money, wealth, and income. Reviews of Modern Physics 81. doi: 10.1103/RevModPhys.81.1703

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Feranchuk S.I., Potapova U.V., Chernogor L.I., Belkova N.L., Belikov S.I.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».