Heuristisches Mining von hierarchischen Genotypen und akzessorischen Genomloci in Bakterienpopulationen
7. Dezember 2021
Diese analytische Berechnungsplattform bietet praktische Anleitungen für Mikrobiologen, Ökologen und Epidemiologen, die sich für die Genomik der Bakterienpopulation interessieren. Insbesondere zeigte die hier vorgestellte Arbeit, wie man Folgendes durchführt: i) phylogenie-geführte Kartierung hierarchischer Genotypen; ii) frequenzbasierte Analyse von Genotypen; iii) Verwandtschafts- und Klonalitätsanalysen; iv) Identifizierung der Abstammungsdifferenzierung der akzessorischen Loci.
Dieses analytische Protokoll ermöglicht die Untersuchung pathogener Bakterienpopulationen in großem Maßstab. Das ist sehr wichtig, weil es die Art und Weise verbessert, wie ökologische und epidemiologische Untersuchungen durchgeführt werden können. Aber damit dies geschehen kann, brauchen wir ein automatisiertes und skalierbares Tool oder eine Computerplattform, mit der viele Tausende von Genomsequenzen gleichzeitig analysiert werden können.
ProkEvo passt zu dieser Nische und ermöglicht es, praktische Bakterienpopulationsanalysen in großem Maßstab durchzuführen, während pangenomische Inhalte kartiert werden, die Genotypen und einzigartige Merkmale dieser Genotypen für ökologische und epidemiologische Untersuchungen überprüfen. Der Hauptvorteil dieses Protokolls ist die Verwendung leistungsstarker, automatisierter und skalierbarer Rechenplattformen wie ProkEvo für das heuristische Mining hierarchischer Genotypen in Bakterienpopulationen. Das analytische Protokoll, das heute hier vorgestellt wird, hat mehrere praktische Implikationen.
Eine davon besteht darin, die Diagnostik in dem Sinne zu erleichtern, dass bakterielle Genotypen in Echtzeit auf skalierbare Weise kartiert und verfolgt werden können, wodurch pathogene Abstammungslinien von Krankheitserregern erkannt und definiert werden können, um diese Krankheitserreger in verschiedenen Umgebungen zu verfolgen und zu kartieren. Eine weitere Anwendung besteht darin, die routinemäßige Überwachung von öffentlichen Gesundheitslabors und Regulierungsbehörden zu verbessern, um die Verfolgung von Krankheitserregern in verschiedenen kommerziellen Umgebungen zu erleichtern. Das hier vorgestellte Protokoll bietet praktische Anleitungen für Mikrobiologen, Ökologen, Epidemiologen und alle, die sich für die Genomik der Bakterienpopulation interessieren.
ProkEvo ist eine Open-Source- und öffentlich zugängliche Plattform, und seine GitHub-Seite bietet detaillierte Nutzungsanweisungen. Das hier erläuterte Protokoll finden Sie auch auf GitHub. Mit den bereitgestellten Anweisungen möchten wir ProkEvo und dieses Protokoll benutzerfreundlich machen und von Anfängern und fortgeschrittenen Forschern verwendet werden.
Beginnen Sie mit der Durchführung der Analysen mit dem Gigi-Baum, um einen phylogenetischen Baum zusammen mit genotypischen Informationen darzustellen. Optimieren Sie dazu die Größe der Gigi-Baumfigur, einschließlich des Durchmessers und der Breite der Ringe, indem Sie die numerischen Werte in der x-lim- und G-Heatmap ändern. Wenn Sie mehrere Datenebenen mit dem phylogenetischen Baum plotten, aggregieren Sie alle Metadaten in der geringstmöglichen Anzahl von Kategorien, um die Auswahl des Farbfelds zu erleichtern.
Führen Sie die Datenaggregation basierend auf der Frage des Interesses und des Domänenwissens durch. Wenn Sie fertig sind, verwenden Sie ein Balkendiagramm, um die relativen Häufigkeiten zu bewerten, indem Sie Daten für den Sequenztyp oder die ST-Linien und die Typisierung von Kerngenom-Multilocus-Sequenzen oder cgMLST-Varianten aggregieren, um Visualisierungen zu erleichtern. Wählen Sie einen empirischen oder statistischen Schwellenwert aus, der für die Datenaggregation verwendet wird.
Der Beispielcode kann verwendet werden, um die Häufigkeitsverteilung der ST-Linien zu untersuchen und den Grenzwert zu bestimmen. Der Beispielcode zeigt, wie kleine oder niederfrequente STs aggregiert werden. Die STs, die nicht nummeriert sind, können als andere STs gruppiert werden.
Verwenden Sie einen ähnlichen Code für die cgMLST-Varianten. Verwenden Sie den verschachtelten Ansatz, um den Anteil jeder ST-Linie innerhalb jeder BAPS1-Untergruppe zu berechnen, um die STs zu identifizieren, die derselben BAPS1-Untergruppe angehören. Der Code veranschaulicht, wie der ST-basierte Anteil in den BAPS1-Untergruppen berechnet werden kann.
Um die Verteilung von antimikrobiellen Resistenzen oder AMR-Loci über die ST-Linien darzustellen, verwenden Sie einen empirischen oder statistischen Schwellenwert, um die wichtigsten AMR-Loci herauszufiltern, um Visualisierungen zu erleichtern. Stellen Sie ein Rohmaterial bereit. csv-Datei mit den berechneten Anteilen aller AMR-Loci über alle ST-Linien hinweg.
Berechnen Sie als Nächstes den AMR-Anteil für jeden ST mithilfe des Codes. Nachdem die Berechnungen für alle STs durchgeführt wurden, kombinieren Sie die Datasets mithilfe des Codes zu einem Datenrahmen, und exportieren Sie dann die CSV-Datei mit den berechneten Proportionen mit dem Code. Bevor Sie die AMR-basierte Verteilung über die ST-Linien aufzeichnen, filtern Sie die Daten basierend auf einem Schwellenwert, um Visualisierungen zu erleichtern.
Als nächstes zeichnen Sie die Kerngenomphylogenie zusammen mit den hierarchischen genotypischen Klassifikationen in AMR-Daten in einem einzigen Diagramm mit dem Gigi-Baum auf. Optimieren Sie dann die Figurengröße innerhalb des Gigi-Baums mit den zuvor genannten Parametern. Optimieren Sie die Visualisierungen, indem Sie die Variablen aggregieren oder eine binäre Klassifizierung verwenden, z. B. das Vorhandensein oder Fehlen von Genen.
Die hierarchische Populationsstruktur der Salmonella enterica-Linie eins im Kontext einer Kerngenom-Phylogenie wurde untersucht. Die relativen Häufigkeiten aller hierarchischen Genotypen wurden dann verwendet, um die Gesamtverteilung und die am häufigsten beobachteten Klassifikationen zu bewerten. Weniger häufige ST-Linien wurden als andere STs aggregiert, um die Datenvisualisierung zu erleichtern.
In ähnlicher Weise wurden weniger häufige cgMLST-Varianten als andere cgMLSTs aggregiert. Die angestammten Beziehungen zwischen den STs wurden mit einem verschachtelten Ansatz untersucht, indem die relative Häufigkeit von ST-Linien durch die BAPS1-Untergruppen oder Haplotypen bewertet wurde. Die relative Häufigkeit der ST-Linie, die AMR-Loci differenziert, wurde bewertet, um einzigartige akzessorische genomische Signaturen zu identifizieren, die mit der Serovar Newport-Populationsstruktur verbunden sind.
In den Ergebnissen schienen MDFA- und AAC6IAA-Loci von der Serovar Newport-Population erworben worden zu sein, während ST45 voraussichtlich multiresistent ist. Im Vergleich zum ST45 sind die anderen großen ST-Linien, wie ST5 und ST118, eher anfällig für mehrere Medikamente. Zusätzlich wurde eine phylogenieverankerte Visualisierung verwendet, um die hierarchischen Populationsstrukturdaten systematisch zu integrieren.
Dieses analytische Protokoll stellt eine Grundlage für das Data Mining von Bakterienpopulationen in großem Maßstab dar. Was es ermöglicht, ist, dass Genotypen mit ProkEvo in großem Maßstab kartiert und verfolgt werden können, aber es kann auch erweitert werden, um andere Fragen zu beantworten, wie z.B. die Erforschung der Verteilung von Stoffwechselwegen und Virulenzfaktoren, die mit genotypischen Informationen verbunden sind. Das heißt, wir können die Phänotypen vorhersagen, die mit bestimmten Genotypen von Interesse assoziiert sind.
Das hier beschriebene Protokoll ebnet definitiv den Weg für Forscher, neue Fragen auf dem Gebiet der Populationsgenomik zu erforschen und evolutionäre und ökologische Muster für pathogene und nicht-pathogene Bakterienarten abzuleiten.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Dieser Artikel stellt ein praktisches, skalierbares Protokoll für die genomische Analyse bakterieller Populationen unter Verwendung der rechnergestützten Plattform ProkEvo vor. Durch die Nutzung von Daten der Ganzgenomsequenzierung (WGS) und einer hierarchischen genotypischen Kartierung ermöglicht das Protokoll Forschenden die Analyse von Tausenden bakterieller Genome, wodurch ökologische und epidemiologische Untersuchungen erleichtert werden. Der Ansatz wird anhand von Salmonella Newport demonstriert, wobei phylogenetische, genotypische und zusätzliche genomische Daten integriert werden, um die Populationsstruktur und Muster der antimikrobiellen Resistenz aufzudecken.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Bakterielle Populationsgenomik
- Berechnende Biologie
- Mikrobielle Epidemiologie
Hintergrund
- Die routinemäßige Ganzgenomsequenzierung verändert die epidemiologischen Untersuchungen im öffentlichen Gesundheitswesen.
- Die Analyse bakterieller Populationen im großen Maßstab erfordert automatisierte, skalierbare Rechenwerkzeuge.
- ProkEvo ist eine quelloffene Plattform zur hierarchischen genomischen Populationsanalyse.
- Die Kombination von genotypischer Kartierung mit der Analyse des accessory Genoms verbessert die ökologische Interpretation.
Zweck der Studie
- Eine reproduzierbare und skalierbare Anleitung für die genomische Analyse bakterieller Populationen unter Verwendung von ProkEvo bereitstellen.
- Forscher bei der Kartierung hierarchischer Genotypen und zusätzlicher Loci für ökologische und epidemiologische Erkenntnisse anleiten.
- Praktische Anwendungen anhand eines umfangreichen Datensatzes von Salmonella-Newport-Genomen demonstrieren.
Verwendete Methoden
- Automatisierte Analyse von WGS-Daten mithilfe von ProkEvo.
- Phylogenetisch gestützte Zuordnung hierarchischer Genotypen (Serovar → BAPS1 → ST → cgMLST).
- Visualisierung phylogenetischer Bäume mit genotypischen und zusätzlichen Daten unter Verwendung von Gigi tree in R.
- Aggregation und Häufigkeitsanalyse von Sequenztypen (STs) und Varianten des core-genome MLST.
- Bewertung der Verteilung von Genorten für antimikrobielle Resistenz (AMR) über die Linien hinweg.
Hauptergebnisse
- Hierarchische genotypische Kartierung enthüllte die Populationsstruktur von Salmonella Newport.
- Die ST5- und ST118-Linien weisen einen jüngeren gemeinsamen Vorfahren auf im Vergleich zum hochklonalen ST45.
- ST45 wird als mehrfach resistente (multidrug-resistent) vorhergesagt, während ST5 und ST118 eher mehrfach empfindlich (multidrug-suszeptibel) sind.
- Phylogenie-geankerte Visualisierungen integrierten genotypische und AMR-Daten und verdeutlichten linienstammspezifische genomische Signaturmerkmale.
Schlussfolgerungen
- Das Protokoll ermöglicht skalierbare, reproduzierbare genomische Analysen bakterieller Populationen.
- Die Kombination einer hierarchischen genotypischen Kartierung mit der Analyse des accessory Genoms liefert ökologische und epidemiologische Erkenntnisse.
- Dieser Ansatz unterstützt die Echtzeit-Überwachung und Verfolgung pathogener Linien im öffentlichen Gesundheitswesen und in regulatorischen Kontexten.
Häufig gestellte Fragen
Aussagekräftige Bedeutung für die Industrie
Dieses Protokoll ermöglicht eine skalierbare, automatisierte Analyse der Genomik bakterieller Populationen unter Verwendung von Whole-Genome-Sequenzierungsdaten und unterstützt damit die epidemiologische Überwachung sowie ökologische Interpretationen im öffentlichen Gesundheitswesen und in behördlichen Anwendungen. Durch die Integration einer hierarchischen Genotypzuordnung mit der Analyse des accessory Genoms bietet es einen Rahmen zur Risikominderung bei der Zielvalidierung in Studien zur antimikrobiellen Resistenz und zu Virulenzfaktoren. Der Ansatz erhöht die Vorhersagesicherheit bezüglich linienassoziierte genetische Signaturen und unterstützt Entscheidungen über Fortführung oder Abbruch in frühen Entdeckungsphasen antibakterieller Interventionen.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Ermöglicht die Überprüfung therapeutischer Hypothesen, indem hierarchische Genotypen (Serovar → BAPS1 → ST → cgMLST) abgebildet werden, um die Populationsstruktur zu klären und Schlüssel-Genotypen wie Sequenztypen zu identifizieren.
- Wissenschaftlicher Wert: Unterstützt die biologische Risikominderung, indem Häufigkeitsverteilungen von Genotypen als Proxy für ökologische Fitness bewertet werden, was dabei hilft, Zielstrukturen mit stabilen Linienassoziationen zu priorisieren.
- Wissenschaftlicher Wert: Ermittelt Verwandtschaftsbeziehungen und genetische Diversität anhand genotypischer Klassifikationen und verringert so mechanistische Unschärfen bei der Zielstrukturwahl für antimikrobielle oder antivirulente Strategien.
Screening und Assay-Entwicklung
- Wissenschaftlicher Wert: Bereitet validierte biologische Systeme für nachgeschaltete Workflows vor, indem linienabhängige zusätzliche Loci, einschließlich Marker für antimikrobielle Resistenz (AMR), kartiert werden, um zuverlässige Wirkstoff-Screenings anhand definierter genetischer Hintergründe zu ermöglichen.
- Operationaler Wert: Trägt zur Standardisierung und Reproduzierbarkeit von Assays bei, indem phylogenetisch verankerte Visualisierungen hierarchischer Genotypen und des AMR-Gehalts konsistente Auswertungen über verschiedene Labore hinweg ermöglichen.
- Operationaler Wert: Unterstreicht die Eignung und Skalierbarkeit für Screenings, indem die automatisierte Verarbeitung von 2.365 Salmonella-Newport-Isolaten gezeigt wird, was ein hochdurchsatzfähiges genotypisches Profiling unterstützt.
Translationale und präklinische Forschung
- Wissenschaftlicher Wert: Erläutert die Krankheitsrelevanz, indem zusätzliche AMR-Loci (z. B. MDFA und AAC6IAA) mit linienstamm-spezifischen genomsignaturen bei zoonotischen Erregern verknüpft werden, was der translationalen Abstimmung von Biomarkern dient.
- Wissenschaftlicher Wert: Beschreibt den Zusammenhang von Entdeckung bis zur präklinischen Validierung, indem ST-basierte Unterschiede genutzt werden, um den ursprünglichen Erwerb von Resistenzloci nachzuvollziehen, und unterstützt so risikoadjustierte Entscheidungen über die Weiterentwicklung.
- Wissenschaftlicher Wert: Konzentriert sich auf die prädiktive Risikominimierung, indem zusätzliche, linienstamm-differenzierende Loci identifiziert werden, die mit phänotypischen Merkmalen wie Multidrug-Anfälligkeit oder -Resistenz korrelieren, und ermöglicht so die Vorhersage des Phänotyps aus dem Genotyp.
Pipeline- und Workflow-Integration
Die Methode integriert sich in den Entdeckungsprozess von der frühen Entdeckung bis zur Leitstrukturfeststellung und präklinischen Arbeit, indem sie skalierbare genotypische Kartierung und Analyse des accessory genome bietet, die Hypothesentests, die Aufklärung von Wegen und die biologische Risikominderung unterstützt.
- Entdeckungsbiologie: Erläutert, wie die Methode Hypothesentests, die Aufklärung von Wegen oder die biologische Risikominderung durch eine phylogenetisch gesteuerte Abbildung hierarchischer Genotypen und eine frequenzbasierte Analyse von ST-Linien unterstützt.
- Screening: Beschreibt die Bereitschaft des Assays, die Reproduzierbarkeit oder quantitative Ergebnisse, sofern durch die Publikation belegt, beispielsweise die proportionale Verteilung von AMR-Loci über verschiedene ST-Linien hinweg für standardisierte Screening-Panels.
- Analysen: Betont Messungen, Nachweise oder statistische Ergebnisse, die Teams bei der Vergleichbarkeit von Bedingungen unterstützen, einschließlich Berechnungen zur relativen Häufigkeit von ST-Linien innerhalb der BAPS1-Untergruppen und Anteilen von AMR-Loci.
- Translationale Forschung: Verknüpft die Methode mit präklinischer Kontinuität oder Biomarker-Abstimmung, nur wenn dies durch die Quelle gestützt wird, beispielsweise durch die Abbildung linien-spezifischer AMR-Inhalte, um evolutionäre und ökologische Muster in pathogenen Populationen abzuleiten.
- Unternehmensweite Wiederverwendung: Stellt die Methode als wiederverwendbare Fähigkeit dar, nicht als Einmalverfahren, und betont dabei Automatisierung, Skalierbarkeit und die Open-Source-Verfügbarkeit über ProkEvo für wiederholte Anwendungen über verschiedene Bakterienspezies und Studien hinweg.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Vorhersagegenauigkeit, Zielvalidierung, Verringerung mechanistischer Mehrdeutigkeit.
- Operationaler Wert: Standardisierung, Reproduzierbarkeit und Skalierbarkeit.
- Strategischer Wert: Bessere Go/No-Go-Entscheidungen, Kapitaleffizienz und reduziertes biologisches Risiko in späteren Phasen.
- Portfolio-Wirkung: Risikoadjustierte Priorisierung und Förderentscheidungen.
Umsetzungsaspekte
- Notwendige wissenschaftliche Fachkenntnisse in der mikrobiellen Genomik, Phylogenetik und R-Programmierung für hierarchische populationsgenomische Analysen.
- Zu den Anforderungen an Instrumente und analytische Infrastruktur gehören der Zugang zu Whole-Genome-Sequenzierungsdaten, Rechenressourcen für skalierbare Datenverarbeitung sowie Werkzeuge wie Gigi tree zur phylogenetischen Visualisierung.
- Standardisierungsanforderungen über Teamgrenzen hinweg beinhalten die Aggregation von Metadaten in minimale Kategorien für konsistente Farbpanele sowie die Anwendung empirischer oder statistischer Schwellenwerte zur Datenfilterung und -visualisierung.
- Über verschiedene Modellsysteme hinweg zu berücksichtigende Anpassungsaspekte umfassen die Modifikation genetischer Hierarchien (z. B. Serovar → BAPS1 → ST → cgMLST) und die Anpassung der Filtergrenzwerte für akzessorische Loci je nach Pathogen und Forschungsfrage.
- Zu den durch die Quellen belegten praktischen Einschränkungen zählt die Notwendigkeit, seltene STs oder cgMLST-Varianten als „anderes“ zusammenzufassen, um die Visualisierung zu erleichtern, sowie die Abhängigkeit von fachlichem Vorwissen bei der Datenaggregation und der Wahl der Schwellenwerte.
