Exploration heuristique des génotypes hiérarchiques et des loci du génome accessoire dans les populations bactériennes
7 décembre 2021
Cette plate-forme informatique analytique fournit des conseils pratiques aux microbiologistes, aux écologistes et aux épidémiologistes intéressés par la génomique des populations bactériennes. Plus précisément, les travaux présentés ici ont démontré comment effectuer: i) une cartographie guidée par la phylogénie des génotypes hiérarchiques; ii) l’analyse des génotypes fondée sur la fréquence; iii) analyses de la parenté et de la clonalité; iv) l’identification des loci accessoires différenciant la lignée.
Ce protocole analytique permet l’étude de populations pathogènes de bactéries, à grande échelle. C’est très important parce que cela améliore la façon dont les enquêtes écologiques et épidémiologiques peuvent être menées. Mais pour que cela se produise, nous avons besoin d’un outil automatisé et évolutif, ou d’une plate-forme de calcul permettant d’analyser plusieurs milliers de séquences de génome à la fois.
ProkEvo correspond à ce créneau et permet d’effectuer une analyse pratique de la population bactérienne à grande échelle, tout en cartographiant le contenu pangénomique, qui examine les génotypes et les caractéristiques uniques de ces génotypes pour une enquête écologique et épidémiologique. Le principal avantage de ce protocole est l’utilisation de plates-formes de calcul puissantes, automatisées et évolutives, telles que ProkEvo pour effectuer une exploration heuristique des génotypes hiérarchiques dans les populations bactériennes. Le protocole analytique présenté ici aujourd’hui a plusieurs implications pratiques.
L’un d’eux est de faciliter le diagnostic dans le sens qui permettrait de cartographier et de suivre les génotypes bactériens en temps réel, de manière évolutive, ce qui permet de discerner et de définir les lignées pathogènes pathogènes pour suivre et cartographier ces agents pathogènes dans différents contextes. Une autre application consiste à améliorer la surveillance de routine des laboratoires de santé publique et des organismes de réglementation, ce qui est fait pour faciliter le suivi des agents pathogènes dans différents contextes commerciaux. Le protocole présenté ici fournit des conseils pratiques aux microbiologistes, aux écologistes, aux épidémiologistes et à toute personne intéressée par la génomique des populations bactériennes.
ProkEvo est une plate-forme open source et accessible au public, et sa page GitHub fournit des instructions d’utilisation détaillées. Le protocole expliqué ici peut également être trouvé sur GitHub. Avec les instructions fournies, nous voulons rendre ProkEvo et ce protocole faciles à utiliser et être utilisés par les chercheurs novices et avancés.
Commencez à effectuer les analyses en utilisant l’arbre de Gigi pour tracer un arbre phylogénétique avec des informations génotypiques. Pour ce faire, optimisez la taille de la figure de l’arbre Gigi, y compris le diamètre et la largeur des anneaux en modifiant les valeurs numériques à l’intérieur de la carte thermique x-lim et G. Lorsque vous tracez plusieurs couches de données avec l’arbre phylogénétique, regroupez toutes les métadonnées dans le nombre le plus bas possible de catégories pour faciliter le choix du panneau de coloration.
Effectuer l’agrégation des données en fonction de la question de l’intérêt et de la connaissance du domaine. Une fois cela fait, utilisez un diagramme à barres pour évaluer les fréquences relatives en agrégeant les données pour le type de séquence ou les lignées ST, et le typage de séquence multilocus du génome central ou les variantes cgMLST pour faciliter les visualisations. Choisissez un seuil empirique ou statistique utilisé pour l’agrégation de données.
L’exemple de code peut être utilisé pour inspecter la distribution de fréquence des lignées ST et déterminer la coupure. L’exemple de code montre comment les ST mineures ou à basse fréquence sont agrégées. Les ST qui ne sont pas numérotés peuvent être regroupés comme d’autres ST.
Utilisez un code similaire pour les variantes cgMLST. Utilisez l’approche imbriquée pour calculer la proportion de chaque lignée ST au sein de chaque sous-groupe BAPS1 afin d’identifier les ST qui appartiennent au même sous-groupe BAPS1. Le code illustre comment la proportion basée sur ST peut être calculée dans les sous-groupes BAPS1.
Pour tracer la distribution de la résistance aux antimicrobiens ou des loci de RAM à travers les lignées ST, utilisez un seuil empirique ou statistique pour filtrer les loci DERMA les plus importants afin de faciliter les visualisations. Fournissez un brut. csv contenant les proportions calculées de tous les loci AMR sur toutes les lignées ST.
Ensuite, calculez la proportion de RAM pour chaque ST à l’aide du code. Une fois les calculs effectués pour tous les ST, combinez les ensembles de données en une seule trame de données à l’aide du code, puis exportez le fichier csv contenant les proportions calculées avec le code. Avant de tracer la distribution basée sur la RAM à travers les lignées ST, filtrez les données en fonction d’un seuil pour faciliter les visualisations.
Ensuite, tracez la phylogénie du génome de base ainsi que les classifications génotypiques hiérarchiques dans les données AMR dans un seul graphique à l’aide de l’arbre de Gigi. Ensuite, optimisez la taille de la figure à l’intérieur de l’arbre Gigi en utilisant les paramètres mentionnés précédemment. Optimisez les visualisations en agrégeant les variables ou en utilisant la classification binaire, telle que la présence ou l’absence du gène.
La structure hiérarchique de la population de la lignée Salmonella enterica dans le contexte d’une phylogénie du génome central a été examinée. Les fréquences relatives de tous les génotypes hiérarchiques ont ensuite été utilisées pour évaluer la distribution globale et les classifications les plus fréquemment observées. Les lignées ST moins fréquentes ont été agrégées comme d’autres ST pour faciliter la visualisation des données.
De même, des variantes moins fréquentes de cgMLST ont été agrégées comme d’autres cgMLST. Les relations ancestrales entre les ST ont été examinées à l’aide d’une approche imbriquée en évaluant la fréquence relative des lignées ST par les sous-groupes ou haplotypes BAPS1. La fréquence relative de la lignée ST différenciant les loci de rame AMR a été évaluée afin d’identifier des signatures génomiques accessoires uniques liées à la structure de la population de Newport.
Dans les résultats, les loci MDFA et AAC6IAA semblent être acquis de manière ancestrale par la population sérovar de Newport, tandis que ST45 devrait être multirésistant aux médicaments. Par rapport au ST45, les autres lignées ST majeures, telles que ST5 et ST118, sont plus susceptibles d’être sensibles aux médicaments multiples. De plus, une visualisation ancrée dans la phylogénie a été utilisée pour intégrer systématiquement les données de la structure hiérarchique de la population.
Ce protocole analytique constitue une base pour l’exploration de données sur les populations bactériennes à grande échelle. Ce qu’il permet, c’est de cartographier et de suivre les génotypes à l’échelle à l’aide de ProkEvo, mais il peut également être étendu pour répondre à d’autres questions, telles que l’exploration de la distribution des voies métaboliques et des facteurs de virulence associés aux informations génotypiques. C’est-à-dire que nous pouvons prédire les phénotypes associés à des génotypes spécifiques d’intérêt.
Le protocole décrit ici ouvre définitivement la voie aux chercheurs pour explorer de nouvelles questions dans le domaine de la génomique des populations et en déduire des modèles évolutifs et écologiques pour les espèces bactériennes pathogènes et non pathogènes.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cet article présente un protocole pratique et évolutif d'analyse génomique de populations bactériennes utilisant la plateforme computationnelle ProkEvo. En exploitant des données de séquençage complet du génome (WGS) et une cartographie génotypique hiérarchique, ce protocole permet aux chercheurs d'analyser des milliers de génomes bactériens, facilitant ainsi des études écologiques et épidémiologiques. L'approche est illustrée à l'aide de Salmonella Newport, en intégrant des données phylogénétiques, génotypiques et génomiques accessoires afin de révéler la structure des populations et les profils de résistance aux antimicrobiens.
Composants clés de l'étude
Domaine scientifique
- Génomique des populations bactériennes
- Biologie computationnelle
- Épidémiologie microbienne
Contexte
- Le séquençage génomique systématique transforme les enquêtes épidémiologiques en santé publique.
- L'analyse à grande échelle des populations bactériennes exige des outils informatiques automatisés et évolutifs.
- ProkEvo est une plateforme open source conçue pour l'analyse génomique hiérarchique des populations.
- La combinaison de la cartographie génotypique avec l'exploitation du génome accessoire améliore l'inférence écologique.
Objectif de l'étude
- Fournir un protocole reproductible et évolutif pour l'analyse génomique de populations bactériennes à l'aide de ProkEvo.
- Guider les chercheurs dans la cartographie des génotypes hiérarchiques et des loci accessoires afin d'obtenir des informations écologiques et épidémiologiques.
- Démontrer des applications pratiques à l'aide d'un grand ensemble de données composé de génomes de Salmonella Newport.
Méthodes utilisées
- Analyse automatisée des données de séquençage génomique entier (WGS) à l’aide de ProkEvo.
- Cartographie guidée par la phylogénie des génotypes hiérarchiques (Sérovartype → BAPS1 → ST → cgMLST).
- Visualisation des arbres phylogénétiques avec données génotypiques et accessoires à l’aide de Gigi tree dans R.
- Regroupement et analyse de fréquence des types de séquence (ST) et des variants de MLST du génome nucléaire.
- Évaluation de la distribution des locus de résistance aux antimicrobiens (AMR) à travers les lignées.
Résultats principaux
- La cartographie génotypique hiérarchique a révélé la structure des populations de Salmonella Newport.
- Les lignées ST5 et ST118 partagent un ancêtre commun plus récent par rapport à la lignée hautement clonale ST45.
- La lignée ST45 est prédite comme multirésistante, tandis que les lignées ST5 et ST118 sont plus susceptibles d'être multirésistantes.
- Des visualisations ancrées sur la phylogénie ont intégré les données génotypiques et de résistance aux antimicrobiens, mettant en évidence des signatures génomiques spécifiques à chaque lignée.
Conclusions
- Le protocole permet des analyses génomiques reproductibles et évolutives des populations bactériennes.
- La combinaison de la cartographie génotypique hiérarchique à l'analyse du génome accessoire fournit des informations écologiques et épidémiologiques.
- Cette approche soutient la surveillance en temps réel et le suivi des lignées pathogènes dans les contextes de santé publique et réglementaire.
Questions fréquemment posées
Pertinence industrielle pour les cadres
Ce protocole permet une analyse évolutible et automatisée de la génomique des populations bactériennes à l'aide de données de séquençage complet du génome, soutenant la surveillance épidémiologique et l'inférence écologique dans les contextes de santé publique et réglementaire. En intégrant une cartographie hiérarchique des génotypes à l'exploitation du génome accessoire, il fournit un cadre permettant de réduire les risques liés à la validation ciblée dans les études sur la résistance aux antimicrobiens et les facteurs de virulence. Cette approche renforce la confiance prédictive dans les signatures génomiques spécifiques aux lignées, orientant les décisions d'aller ou de ne pas aller (go/no-go) dans les phases précoces des pipelines de découverte d'interventions antibactériennes.
Applications stratégiques en recherche et développement en biopharmacie
Début de la découverte et validation de la cible
- Valeur scientifique : Permet l'interrogation d'hypothèses thérapeutiques en associant des génotypes hiérarchiques (sérovar → BAPS1 → ST → cgMLST) afin de clarifier la structure des populations et d'identifier des génotypes clés différenciateurs tels que les sérotypes.
- Valeur scientifique : Soutient la détection précoce des risques biologiques en évaluant les distributions de fréquence des génotypes comme indicateur de la capacité écologique, aidant ainsi à prioriser les cibles associées à des lignées stables.
- Valeur scientifique : Détermine les relations de parenté et la diversité génétique à l'aide de classifications génotypiques, réduisant ainsi l'ambiguïté mécanistique dans le choix des cibles pour des stratégies antimicrobiennes ou anti-virulence.
Développement de tests et criblage
- Valeur scientifique : Prépare des systèmes biologiques validés pour des procédés en aval en cartographiant les loci accessoires propres à chaque lignée, notamment les marqueurs de résistance aux antimicrobiens (RAM), afin de permettre un criblage fiable de composés sur des fonds génétiques définis.
- Valeur opérationnelle : Contribue à la standardisation et à la reproductibilité des tests grâce à une visualisation hiérarchique des génotypes et du contenu en RAM ancrée sur la phylogénie, facilitant ainsi des résultats cohérents entre différents laboratoires.
- Valeur opérationnelle : Met en évidence la préparation au criblage et la possibilité d’adaptation à grande échelle en démontrant le traitement automatisé de 2 365 isolats de Salmonella Newport, soutenant ainsi un profilage génotypique à haut débit.
Recherche translationnelle et préclinique
- Valeur scientifique : Aborde la pertinence pour les maladies en associant des loci AMR accessoires (par exemple, MDFA et AAC6IAA) à des signatures génomiques propres à certaines lignées chez les agents pathogènes zoonotiques, soutenant ainsi l'alignement de biomarqueurs translationnels.
- Valeur scientifique : Décrit une démarche continue allant de la découverte à la validation préclinique, en utilisant les différences basées sur les ST (sequence types) pour suivre l'acquisition ancestrale de loci de résistance, fournissant ainsi des éléments d'information pour des décisions d'avancement adaptées au niveau de risque.
- Valeur scientifique : Met l'accent sur la réduction prédictive des risques en identifiant des loci accessoires différenciant les lignées et corrélés à des traits phénotypiques tels que la sensibilité ou la résistance à plusieurs médicaments, permettant ainsi la prédiction du phénotype à partir du génotype.
Intégration du pipeline et du flux de travail
La méthode s'intègre au continuum de découverte, de la phase de découverte précoce à l'identification de candidats et aux travaux précliniques, en fournissant une cartographie génotypique évolutive et une analyse du génome accessoire qui soutiennent le test d'hypothèses, la clarification des voies métaboliques et la réduction des risques biologiques.
- Biologie de la découverte : Explique comment la méthode permet de tester des hypothèses, de clarifier des voies biologiques ou de réduire les risques biologiques grâce à une cartographie guidée par la phylogénie des génotypes hiérarchiques et à une analyse basée sur la fréquence des lignées ST.
- Dépistage : Décrit la prêts à l'essai, la reproductibilité ou les résultats quantitatifs lorsque l'article les mentionne, comme la répartition proportionnelle des loci de RMA parmi les lignées ST pour des panels de dépistage standardisés.
- Analytique : Met en évidence les mesures, les lectures ou les résultats statistiques permettant aux équipes de comparer différentes conditions, notamment les calculs de fréquence relative des lignées ST au sein des sous-groupes BAPS1 et les proportions de loci RMA.
- Recherche translationnelle : Relie la méthode à une continuité préclinique ou à un alignement sur des biomarqueurs uniquement lorsque la source le justifie, par exemple en cartographiant le contenu RMA spécifique aux lignées afin d'inférer des schémas évolutifs et écologiques au sein de populations pathogènes.
- Réutilisation en milieu professionnel : Présente la méthode comme une capacité réutilisable plutôt qu'une technique à usage unique, en soulignant son automatisation, son évolutivité et sa disponibilité en open source via ProkEvo pour une application répétée chez différentes espèces bactériennes et dans diverses études.
Impact opérationnel et organisationnel
- Valeur scientifique : Confiance prédictive, validation des cibles, réduction de l'ambiguïté mécanistique.
- Valeur opérationnelle : Normalisation, reproductibilité et possibilité d'augmentation d'échelle.
- Valeur stratégique : Meilleures décisions d'aller/arrêt, efficacité du capital et réduction des risques biologiques en phase avancée.
- Impact sur le portefeuille : Priorisation et décisions d'avancement ajustées au risque.
Considérations relatives à la mise en œuvre
- Une expertise scientifique requise en génomique microbienne, en phylogénétique et en programmation R pour l'analyse hiérarchique de la génomique des populations.
- Les besoins en instrumentation et en infrastructure analytique comprennent l'accès à des données de séquençage complet du génome, à des ressources informatiques permettant un traitement à grande échelle, ainsi qu'à des outils tels que Gigi tree pour la visualisation phylogénétique.
- Les exigences de standardisation entre équipes impliquent la regroupement des métadonnées en catégories minimales afin d'assurer une uniformité des panneaux de coloration, ainsi que l'application de seuils empiriques ou statistiques pour le filtrage et la visualisation des données.
- Les considérations d'adaptation selon les systèmes modèles incluent la modification des hiérarchies génotypiques (par exemple, Sérovar → BAPS1 → ST → cgMLST) et des seuils de filtration des locus accessoires, selon le pathogène et la question de recherche.
- Les limitations pratiques appuyées par les sources comprennent la nécessité de regrouper les ST ou variants cgMLST de faible fréquence en une catégorie « autre » afin de faciliter la visualisation, ainsi que la dépendance à l'égard des connaissances spécialisées pour le regroupement des données et le choix des seuils.
