Analisi bioinformatica di dati longitudinali di microbiota fecale da allevamento di suini

This thesis explores a longitudinal dataset of fecal microbiota samples of piglets during their first 10 days of life, sequenced via 16S technology, with the aim of identifying peculiar microbial profiles, potentially associated with pathological states. Through the use of bioinformatics methodologies, the purpose of the thesis is to discover associations between specific compositions of the microbiota, mother-piglet lineage microbiota inheritance, and the prevalence of diseases in piglets; in particular, the study was conducted in a farm where swine are treated with specific drugs to prevent specific microbial-associated pathologies, thus improving our understanding of intestinal health and disease mechanisms in this scenario. The introduction sets the context by discussing the crucial role of the gut microbiome in animal health, with particular attention to swine, highlighting the connection between the composition of the microbiome and health outcomes in piglets. The methods section outlines the bioinformatic approach and pipeline employed in analyzing sequencing data from fecal samples. This includes the preprocessing using qiime2 for key steps such as Demultiplexing, Trimming, and Denoising. Microbiome data analysis was then performed covering different approaches, starting form Taxonomic Classification and Phylogenetic Tree analysis to identify and understand various microbes in the samples, followed by alpha and beta diversity analyses and differential abundance analysis. Finally, aspects related to the visualization of results were also treated. These bioinformatic methodologies are fundamental to provide a comprehensive view of the microbiome landscape and its potential alterations in disease states in the farm veterinary landscape. The developed pipeline and the results of this bioinformatic analysis will be useful references for future experimental studies, aimed at better understanding animal health in the context of breeding.

Questa tesi esplora un dataset longitudinale di campioni di microbiota fecale di suinetti durante i primi 10 giorni di vita, sequenziati tramite la tecnologia 16S, con l'obiettivo di identificare profili microbici peculiari, potenzialmente associati a stati patologici. Attraverso l'uso di metodologie bioinformatiche, lo scopo della tesi è scoprire associazioni tra specifiche composizioni del microbiota, l'ereditarietà del microbiota madre-suinetto e la prevalenza di malattie nei suinetti; in particolare, lo studio è stato condotto in un allevamento dove i suini sono trattati con specifici farmaci per prevenire patologie associate a microbi, migliorando così la nostra comprensione della salute intestinale e dei meccanismi di malattia in questo scenario. L'introduzione imposta il contesto discutendo il ruolo cruciale del microbioma intestinale nella salute animale, con particolare attenzione ai suini, evidenziando la connessione tra la composizione del microbioma e gli esiti di salute nei suinetti. La sezione dei metodi delinea l'approccio bioinformatico e il flusso di lavoro impiegato nell'analizzare i dati di sequenziamento dai campioni fecali. Ciò include la pre-elaborazione utilizzando qiime2 per passaggi chiave come Demultiplexing, Trimming e Denoising. L'analisi dei dati del microbioma è stata poi eseguita coprendo diversi approcci, a partire dalla Classificazione Tassonomica e dall'analisi dell'Albero Filogenetico per identificare e comprendere vari microbi nei campioni, seguita da analisi della diversità alfa e beta e analisi dell'abbondanza differenziale. Infine, sono stati trattati anche aspetti legati alla visualizzazione dei risultati. Queste metodologie bioinformatiche sono fondamentali per fornire una visione completa del paesaggio del microbioma e delle sue potenziali alterazioni negli stati di malattia nel panorama veterinario agricolo. Il flusso di lavoro sviluppato e i risultati di questa analisi bioinformatica saranno utili riferimenti per futuri studi sperimentali, volti a comprendere meglio la salute animale nel contesto dell'allevamento.