细菌群体中层级基因型与附属基因组位点的启发式挖掘

该分析方案可实现对细菌致病种群的大规模研究。这一点非常重要，因为它能够提升生态学和流行病学调查的研究能力。然而，要实现这一目标，我们需要一种自动化且可扩展的工具，或一个计算平台，能够同时分析成千上万的基因组序列。

ProkEvo 填补了这一空白，它能够大规模地进行实用的细菌种群分析，同时绘制泛基因组内容图谱，以评估基因型及其独特特征，服务于生态学和流行病学研究。本方案的主要优势在于利用功能强大、自动化且可扩展的计算平台（如 ProkEvo），对细菌种群中的层级基因型进行启发式挖掘。本文所介绍的分析方案具有多项实际应用价值。

其中一个应用是促进诊断，即能够以可扩展的方式实时绘制和追踪细菌基因型图谱，从而识别和界定病原体的致病谱系，并在不同环境中追踪和绘制这些病原体的传播路径。另一个应用是加强公共卫生实验室和监管机构的常规监测工作，以促进在不同商业环境中对病原体的追踪。本文提供的方案为微生物学家、生态学家、流行病学家以及任何对细菌群体基因组学感兴趣的研究人员提供了实用指导。

ProkEvo 是一个开源且公开可用的平台，其 GitHub 页面提供了详细的使用说明。本文所述的实验方案同样可在 GitHub 上获取。通过提供的操作指南，我们希望使 ProkEvo 及该实验方案易于使用，便于初级和高级研究人员广泛应用。

开始使用 Gigi tree 进行分析，绘制系统发育树并整合基因型信息。为此，通过调整 x-lim 和 G 热图中的数值，优化 Gigi tree 图形尺寸，包括环的直径和宽度。在将多层数据与系统发育树一同绘图时，将所有元数据归并为尽可能少的类别，以方便选择配色面板。

根据研究问题和领域知识进行数据汇总。完成后，通过汇总序列类型（ST）谱系和核心基因组多位点序列分型（cgMLST）变异型的数据，使用柱状图评估相对频率，以促进数据可视化。选择用于数据汇总的经验性或统计学阈值。

示例代码可用于检查ST序列型的频率分布并确定截断值。示例代码展示了如何将次要或低频的ST序列型进行归类汇总。未编号的ST序列型可归为其他ST序列型。

对cgMLST变异体使用类似的代码。采用嵌套方法计算每个BAPS1亚组内各ST谱系的比例，以确定属于同一BAPS1亚组的ST。该代码示例展示了如何在不同BAPS1亚组中计算基于ST的比例。

为了绘制耐药性或耐药基因位点在ST型谱系中的分布情况，可采用经验性或统计学阈值筛选出最重要的耐药基因位点，以方便可视化分析。提供一个包含所有ST型谱系中各耐药基因位点计算比例的原始 CSV 文件。

接下来，使用代码计算每个ST的AMR比例。完成所有ST的计算后，使用代码将数据集合并为一个数据框，然后使用代码导出包含计算所得比例的csv文件。在绘制基于AMR的ST谱系分布图之前，需根据设定的阈值对数据进行筛选，以方便可视化展示。

接下来，使用 Gigi tree 将核心基因组系统发育树与耐药性数据中的分层基因型分类信息整合到同一张图中进行绘制。然后，利用前文提到的参数在 Gigi tree 中优化图形尺寸。通过整合变量或采用二元分类（例如基因的有无）来优化可视化效果。

在核心基因组系统发育背景下，分析了肠道沙门菌第一谱系的层级种群结构。随后利用所有层级基因型的相对频率，评估了整体分布情况及最常观察到的分类。为便于数据可视化，将较少见的ST谱系归并为其他STs。

类似地，将较少出现的cgMLST变异型归类为其他cgMLST类型。通过嵌套方法分析BAPS1亚群或单倍型中ST谱系的相对频率，以考察ST之间的祖先关系。评估ST谱系中区分耐药位点的相对频率，以鉴定与血清型Newport群体结构相关的独特附属基因组特征。

结果表明，血清型纽波特菌群祖先性获得了MDFA和AAC6IAA位点，而ST45被预测为多重耐药。与ST45相比，其他主要ST谱系（如ST5和ST118）更可能对多种药物敏感。此外，采用基于系统发育的锚定可视化方法，系统地整合了分层群体结构数据。

该分析方案为大规模挖掘细菌种群数据提供了基础。它不仅能够利用ProkEvo对基因型进行大规模的定位与追踪，还可进一步扩展以回答其他问题，例如探究代谢通路和毒力因子在基因型信息中的分布情况。也就是说，我们可以预测与特定目标基因型相关的表型特征。

本文所述方案无疑为研究人员探索群体基因组学领域的新问题铺平了道路，并可推断致病性及非致病性细菌物种的进化与生态模式。