Assessing fungal endophyte diversity: a comparative study of three automated metabarcoding pipelines

Abstract

High-throughput sequencing approaches have become frequent in the study of endophyte communities allowing the cumulative description of fungal diversity in the last decade. However, they brought new challenges to researchers in terms of programming and developing of informatics tools. Currently, there is no consensus concerning the appropriate bioinformatics to process such sequence data. The aim of this study was to compare the performance of three pipelines of two cost-free toolkits designed to be friendly to non-programmer users, and specifically developed for fungal data: AMPtk and PIPITS. The sapwood-inhabiting fungal assemblages of two Nothofagus species from the Patagonian Forests were assessed through metabarcoding of the internal transcribed spacer (ITS) and compared with an extant sequence dataset obtained from culture prospection in the same study sites and trees. The AMPtk toolkit has performed better concerning community description in terms of precision of taxa clustering, mainly due to the DADA2 algorithm; PIPITS evidenced a higher sensitivity in detecting taxa known to be present, hence it is potentially useful for future specific taxa detection surveys. Because of a current lack of information of the reference databases, both bioinformatic toolkits performed poorly as to taxonomy assignment. It is imperative to continue studying these ecosystems to, concomitantly, improve databases and the explanatory potential of the new technologies.

La utilización de la secuenciación de alto rendimiento se ha vuelto frecuente en el estudio de comunidades endófitas. Estas tecnologías han permitido la descripción acumulativa de diversidad fúngica a lo largo de la última década. No obstante, también han implicado nuevos desafíos para los investigadores de las áreas involucradas en términos de la necesidad de contar con herramientas de programación y habilidades desarrolladoras. Hoy en día no existe un consenso sobre las herramientas bioinformáticas más adecuadas para procesar los datos crudos de secuencias que estas tecnologías arrojan. El objetivo de este trabajo fue comparar el rendimiento de tres flujos de trabajo realizados en dos plataformas gratuitas diseñadas para ser amigables con usuarios que no son programadores y desarrolladas específicamente para estudios de hongos: AMPtk y PIPITS. Evaluamos los ensambles de hongos que habitan en la albura de dos especies de Nothofagus de los bosques patagónicos y comparamos el conjunto de datos de metabarcoding del espaciador transcrito interno (ITS) con un conjunto de datos de secuencias existente, obtenido de la prospección de cultivos de los mismos árboles y sitios de estudio. La plataforma AMPtk se desempeñó mejor con respecto a la descripción de la comunidad, en términos de precisión del agrupamiento de taxones, principalmente debido al algoritmo DADA2. El flujo de trabajo PIPITS evidenció una mayor sensibilidad en la detección de taxones conocidos presentes, por lo que es potencialmente útil para futuros estudios que persigan la detección de taxones específicos. Debido a la falta de información que exhiben las bases de datos de referencia sobre el ecosistema en estudio, ambas plataformas tuvieron un desempeño deficiente en cuanto a la asignación de taxonomías. Es imperativo seguir estudiando estos ecosistemas y mejorar las bases de datos para aumentar el potencial explicativo de las nuevas tecnologías.