方法論記事

サルモネラ血清型予測のための層別ゲノムフレームワーク:中国南西部におけるMLST、SeqSero、SeqSero2、SeqSero2S、SISTRの評価

503 閲覧数

⸱

DOI：

10.3791/69117

⸱

2026年1月9日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1West China School of Public Health and West China Fourth Hospital, Sichuan University, 2College of Pharmacy, Youjiang Medical University for Nationalities, 3Chengdu Center for Disease Control and Prevention (Chengdu Institute of Health Supervision), 4Sichuan Provincial Centre for Disease Control and Prevention, 5Department of Laboratory Medicine and Port Epidemic Disease Monitoring Key Laboratory of Sichuan Province, Sichuan International Travel and Healthcare Center (Chengdu Customs District Port Clinic), 6Health Promotion and Food Nutrition & Safety Key Laboratory of Sichuan Province, 7Innovation Center of Nursing Research and Nursing Key Laboratory of Sichuan Province, West China Hospital, Sichuan University

* These authors contributed equally

この記事について

サマリー

このプロトコルは、MLSTまたはSeqSero2Sを日常監視に、SISTRを用いたコアゲノムMLSTによる発生検出、SeqSero2Sを用いた迅速なスクリーニングを用いる、サ ルモネラ 血清型予測のための層別ゲノムワークフローを確立します。このプロトコルは、中国での監視強化のために多施設分析によって検証されています。

要約

血清型の正確な血清型解析は、効果的な監視および流行調査に不可欠です。なぜなら、血清型の多様性は病原性や公衆衛生リスク評価に直接影響を与えるからです。しかし、従来のスライド凝集法は再現性の低さ、労働集約的負荷、高コストにより制限されており、高スループットモニタリングプログラムでの応用が妨げられています。これらの制約に対処するため、多遺伝子座配列タイピング(MLST)、サルモネラ・イン・シリコ・タイピングリソース(SISTR)、SeqSero、SeqSero2、SeqSero2Sを統合したゲノムワークフローを開発し、全ゲノムシーケンスデータを用いて血清型予測を行いました。このプロトコルは、中国南西部の食品および人用源から採取された315件のサルモネラ分離株の多施設解析によって評価されました。本研究の結果は、従来の血清型付けと比較してゲノム手法間で有意に高い一致度を示しました(SISTR/MLST/SeqSero2Sの検証セットではそれぞれ100%/99.1%/90.1%、検証セットでは100%/97.1%/93.1%)。ワークフローには、監視の文脈に基づく適切な予測方法の選択に関する推奨が含まれており、日常的なモニタリングにはMLSTとSeqSero2S、迅速なスクリーニングにはSeqSero2S、アウトブレイク調査にはコアゲノムMLSTを用いたSISTRを重視しています。このアプローチはゲノム血清型解析を公衆衛生の実践に統合し、従来の血清学への依存を減らし、サルモネラモニタリングプログラムにおける再現性と拡張性を向上させます。

概要

サルモネラは世界的に最も重要な食中毒病原体の一つであり、多くの罹患率と死亡率を引き起こします1,2。中国では、限られた血清型が感染の大部分を占めており、食中毒の主な原因となっています。正確な血清型同定は、血清型の多様性が病原性や公衆衛生リスクと密接に関連しているため、監視やアウトブレイク調査において極めて重要です。これはサルモネラ・エンテリティディスやサルモネラ・チフィムリウムなどの一般的な血清型でよく知られていますが、サルモネラ・パナマのようなあまり研究されていない血清型も世界的な感染拡大や侵襲病の重要な原因であり、堅牢な血清型解析能力の必要性を浮き彫りにしています。長らくゴールドスタンダードと認められている従来の血清型法は、150以上の抗血清5を必要とし、時間がかかり高コストなプロセスです。さらに、再現性の低さ(6)、労働集約的なワークフロー(7)、凝集反応の主観的解釈による内在的な変動(8)により制約されており、高スループットモニタリングプログラムには不十分です。

全ゲノムシーケンシング(WGS)の登場により、病原体の特性評価は迅速かつ高解像度の血清型予測を可能にし、10,11,12を可能にしました。マルチロクスシーケンスタイピング(MLST)、SeqSero13、SeqSero214、SeqSero2S15、そしてサルモネラIn Silico タイピングリソース(SISTR)7,15など、いくつかのインシリコツールが開発されています。MLSTは標準化された長期疫学的追跡を提供しますが、SeqSero2およびSeqSero2Sは生リードからの直接解析を可能にし、一般的な血清型の高スループットスクリーニングを可能にします14,15。逆に、SISTRは組み立てされたゲノムを必要としますが、抗原遺伝子検出とコアゲノム多遺伝子座配列タイピング(cgMLST)を統合し、アウトブレイク調査に包括的な解像度を提供します17。WGSに基づくサルモネラ菌の特徴解析は研究16,18,19で一次証拠としてますます採用されていますが、大規模監視への応用は限定的であり、そのギャップは方法の適合性に影響を与える未解決の実務的考慮点に起因しています。世界的な調査によると、参加研究所のうちWGSを日常的な監視に利用しているのはわずか8%であり、分析の複雑さが大きな障壁となっています。例えば、信頼できる血清型予測は、十分なシーケンス深度(通常はコスト効率のために>75×、理想的には高品質解析のために~200×)と高品質なゲノムアセンブリ(コスト効率の最低最低としてN50のcontig>sが30 kbp>望ましい)に依存しており、特にSISTR 21,22,23のようなアセンブリ依存ツールにおいては.さらに、ツールの選択はラボの計算資源や専門知識に沿う必要があります。SeqSero2Sのようなオープンソースツールは、生リードを解析し計算負荷の高いアセンブリ15を回避することで迅速なスクリーニングの高速手段を提供しますが、バイオインフォマティクス能力が限られたラボではデータ解析や保存に苦労することがあります。その結果、大規模な監視で血清学的検査を削減できるかどうかを判断するデータが不十分であり、資源適応型アプローチの必要性が浮き彫りになっています。特に、COVID-19パンデミック後、医療機関のさまざまなレベルで多数のアイドルシーケンス機器やqPCRが導入されており、この能力をゲノム監視に再利用する機会が生まれています。

このギャップを埋めるために、私たちは中国南西部の食品および人間から採取した315件のサルモネラ分離株を用いて、上記のゲノムセロタイピングツールの多施設評価を実施しました。これらの発見に基づき、異なる実験室資源や監視ニーズを考慮した階層化されたワークフローを開発し、異なる文脈でのツール選択の明確な基準を提供しました。このフレームワークは、迅速なスクリーニングのためにSeqSero2Sを優先し、アウトブレイク調査にはSISTRとcgMLSTを組み合わせることで、ゲノム手法の採用を促進し、従来の血清型付け手法への依存を減らすことを目指しています。ここでは、ワークフローの各ステップを詳細に説明し、アイソレートの識別、シーケンス、データ分析、異なる監視文脈での予測ツール選択基準を説明します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

ヒト便サンプルの採取および取り扱いは、四川大学華西第四病院倫理委員会(プロトコル番号:HXSY-EC-2022093)の承認のもと、ヘルシンキ宣言および良好臨床慣行に基づき実施されました。インフォームドコンセントは、国の公衆衛生規則に従い放棄されました。

注:生体 サルモネラ 菌培養およびヒト糞便サンプルを含むすべての処置は、標準的な微生物学的実践およびバイオセーフティ手順に熟練した人員によって、バイオセーフティレベル2(BSL-2)の実験室で実施されなければなりません。常に適切な個人用防護具(PPE)を着用し、白衣、手袋、安全ゴーグルを着用してください。汚染された手袋は定期的に消毒・交換してください。実験の前後に適切な消毒剤(例:70%エタノール、1%次亜塩素酸塩素酸ナトリウム)で作業面を除染してください。廃棄前に、生物材料を含むすべての液体および固体廃棄物はオートクレーブ処理(例:121°Cで少なくとも30分間)で除染してください。エアロゾルや飛び散りの発生を避けましょう。認証済みの生物安全キャビネット内でエアロゾルが発生する可能性のあるすべての手順(例:遠心分離、激しい揺れ)を実施してください。

1. 食品サンプルの採取と株の特定

  1. 小売市場や加工施設から食品サンプルを採取しましょう。国の食品安全基準GB 4789.4および食中毒監視プログラムの機密保持プロトコルに従い、食品サンプルからサ ルモネラ を分離してください。
  2. 事前濃縮:
    1. 各食品サンプルを正確に25gの重さで分けてください。サンプルにバッファードペプトンウォーター(BPW)225mL(希釈比率1:10)を加え、30秒間ボルテックスして完全な均質化と浸水を実現します。
    2. サンプルをBPWで36°C±1°Cの環境で8〜18時間、150rpmに設定した振動インキュベーターで培養します。
      注:非選択的スープでの事前濃縮は病原体負荷を大幅に増加させます。その後のすべての材料(容器、ピペットなど)は非常に感染力が高いものとして扱いましょう。
  3. 選択的濃縮:前濃縮後、試料1 mLをテトラチオネートブロス(TTB)に移します。TTBは42°Cで18〜24時間、振らずに孵化させます。
  4. 分離:培養後、濃縮培養液を以下の選択的寒天プレートにストリークします:ヘクトエン腸溶脂(HE)寒天、キロースリジンデオキシコールレート(XLD)寒天、CHROMagar Salmonella。 プレートは36°Cで18〜24時間孵化します。
    注意:プレートにストリークする際は、エアロゾルや交差汚染の発生に注意してください。HE寒天では、推定される サルモネラ 菌群は、中心が黒くてもないか、青緑色から青色の色を呈することが多いです。周囲の寒天も同様の緑がかった色調を呈することもあります。XLD寒天では、推定サ ルモネラ 菌の群落は通常、赤地に黒い中心をしています。CHROMagarでは、推定サ ルモネラ 菌群は製造元の指定によりマゼンタからモーブ色が特徴付けられています。各選択プレートでは、18〜24時間の潜伏後に十分に分離されたコロニーが見られます。過度に成長したプレート(>300コロニー)は希釈や再ストリークが必要になることがあります。
  5. 識別:サ ルモネラ 菌群の疑いがあるプレートを調べてください。製造元の分析指示に従い、グラム陰性(GN)識別カードを用いて、疑わしい株を識別してください。
    注意:GNカードのロット番号が有効かつ有効期限内であることを必ず確認してください。
    1. 純粋なコロニーから、0.45%の生理食塩水溶液を用いて、所定の濁度(0.50-0.63マクファーランド標準)までの細菌懸濁液を準備します。
    2. サスペンションをGNカードに読み込み、テストを実行してください。システムがカードを35.0°C±2.0°Cで自動的に培養し、最大8時間の生化学反応を監視するように設定してください。
    3. サ ルモネラ ・エンテリカ属エンテリカ の結果を、≥95%の確率と 優れた 信頼度で受け入れてください。
  6. 血清型:37°Cで一晩培養した後、群寒天プレートから単一コロニーを採取します。 O抗原およびH抗原を検出するためにスライド凝集検査を実施します。検査には市販の サルモネラ 抗血清キット(材料 表参照)を使用してください。

2. ヒトサンプル採取と株の特定

注意:ヒト糞便サンプルから サルモネラ 菌を分離するには、食中毒監視プログラムの機密保持プロトコルに従ってください。

  1. 採取:新たに排出されたヒト糞便サンプルを約2g採取します。糞便サンプルは清潔で乾燥した広口容器に入れます。サンプルの完全性を維持するために断熱された輸送ボックスを使って、糞便サンプルを1時間以内に検査室へ運搬してください。
    注意:人間の糞便サンプルには サルモネラ菌以外にも複数の病原体が含まれている可能性があります。すべてのサンプルは感染の可能性があるものとして扱い、バイオハザード物質の取り扱いに関する標準的な予防措置を遵守してください。
  2. 接種:採取した糞便サンプルを、CHROMagarサル モネラ、 サルモネラ-XLD寒天、シゲラ(SS)寒天)に直接接種します。
    注:CHROMagarサ ルモネラ およびXLD寒天の特徴的な菌群形態についてはステップ1.4を参照してください。SS寒天では、推定される サルモネラ 菌群は無色、不透明、または中心が黒い黄褐色として現れます。寒天自体は比較的変わっていません。
  3. 識別:ステップ1.5で説明したサ ルモネラ 菌の疑いコロニーを特定します。
  4. セロタイピング:ステップ1.6で説明したスライド凝集によるセロタイピングを行います。

3. ライブラリの調製と全ゲノムシーケンス

  1. 細菌培養:LB寒天にサ ルモネラ をストリークし、37°Cで12時間培養。コロニーを選び、200mLのLBブロスに接種し、150rpm(37°C、12時間)で振る。細胞を採取するために12,000 × g で遠心分離機を10分間使います。
    注意:すべての遠心分離工程は、エアロゾル発生を防ぐために密封されたローターまたは安全カップを使用して行ってください。
  2. DNA抽出:市販のDNA抽出キット( 材料表参照)を用いて、メーカーのプロトコルに従ってゲノムDNAを抽出します。
    注意:市販のDNA抽出キットに含まれる試薬(例:溶解バッファー、プロテナーゼK)は、吸入または皮膚や目に触れると有害になる可能性があります。揮発性試薬を使用する場合は、換気フードまたは生物安全キャビネット内で抽出を行い、適切なPPEを着用してください。
  3. DNA品質評価:dsDNA高感度アッセイキットを用いてゲノムDNAを精製し、蛍光計で定量します。1%アガロースゲルを100Vで45分間電気泳動で検証します。高品質なDNAは、最小限のにじみつく27のコンパクトなバンド>20 kbpとして現れます。
    注:(重要なステップ)高品質で高分子量のゲノムDNA(A260/A280比率が~1.8〜2.0)は、ライブラリーの準備とシーケンスの成功に不可欠です。
    注意:アガロースゲル電気泳動で使用される核酸染色染料(例:GelRed、エチジウムブロマイド)は変異原性があります。ジェルや染色剤を扱う際は必ず手袋を着用し、機関の有害廃棄物規制に従って処分してください。
  4. DNA断片化:製造元のプロトコルに従い、約150 ngの適格ゲノムDNAを集束超音波システムで平均約350 bpの大きさに断片化します。
  5. 市販のライブラリー調製キット(材料 表参照)を用いて、剪断したDNA断片からシーケンスライブラリを構築します。切断されたDNA断片のエンド修復および5'リン酸化を行います。次に、3本の端に単一の『A』ベースを追加し、インデックス付きシーケンスアダプターをライゲートします。
  6. キットで指定されている限定サイクルPCRプログラムを通じてアダプターライグされたDNA断片を増幅・濃縮します。
  7. フルオロメトリーや毛細管電気泳動などの手法を用いて最終ライブラリを選定・定量化します。
  8. 標準的な運用手順に従い、シーケンスプラットフォーム上でペアエンドシーケンス(2×150 bp)を実施します。

4. データ分析

  1. 生シーケンスデータの品質管理:fastp(バージョン0.23.0)を用いて、デフォルトパラメータで生のFASTQファイルに対して初期品質管理を行います。目的は、アダプターシーケンスや低品質のリードを除去し、下流解析用のクリーンなFASTQデータを生成することです。
  2. 高品質でフィルタリング済みのリードをSPAdes(バージョン3.15.0)を用いてドラフトゲノムに組み立て、ミスマッチやインデル短縮を慎重に選びます。
  3. ゲノム配列(FASTQ /FASTAファイル)を各種血清型予測の入力として活用します。
    1. MLSTの場合は、FASTQファイルをBioNumericsソフトウェア(バージョン7.6)にインポートしてください。
      1. テンプレート のインポート ウィンドウで、詳細オプションの 「解析編集 」をクリックしてください。 データ解析文字列 と データ装飾 を [DATA]に設定します。ファイル名解析には 正規表現 DATA]_* と [DATA] を適用します。テンプレートを保存し、選択して 「次へ 」をクリックし、 終了します。「 タスク送信 」ウィンドウで送信を確認してデータをアップロードしてください。CEStoreUploaderツールは自動的にWGSの生データを計算エンジンに転送します。
      2. アップロード後にゲノムエントリを選択します。 WGSツール にアクセスし、「TraNetGenotype」を選択して自動ST予測を行います。 TraNetGenotype ダイアログボックスで、株タイプとして サルモネラ を選択し、「 血清型解析」「病原性解析」「抗菌感受性 解析」を選択し、「 はい」をクリックします。
    2. SISTR(バージョン1.1.3;https://github.com/phac-nml/sistr_cmd;パラメータ:すべてのパラメータはデフォルトです)、ターミナルを開き、アセンブリ済みゲノムファイル assembly.fasta を含むディレクトリに移動します。
      1. 次のコマンドを実行してserovar予測を行い、CSV形式の包括的なレポートを生成してください: sistr --qc --alleles-output allele-results.json --cgmlst-profiles cgmlst-profiles.csv -f tab -o sistr-output.tab -i assembly.fasta.このコマンドは予測された血清を含むレポートを生成します。
        注意:-qc:アセンブリの品質管理チェックを行います。-i assembly.fasta: 入力FASTAファイルを指定します。-f csv:出力フォーマットをCSVとして定義します。-o sistr_results:出力ファイルのベース名(例:sistr_results.csv)を設定します。-p 4: 計算速度向上のために解析に4つのCPUスレッドを使用します。--alleles-output: アレル配列と情報をJSONファイルに保存します。--cgmlst-profiles: cgMLST対立遺伝子プロファイルをCSVファイルにエクスポートします。
    3. SeqSero(バージョン1.0;https://github.com/denglab/SeqSero;パラメータ:すべてのパラメータはデフォルトです)、入力データファイルを含むディレクトリに移動します。分析用にデフォルトパラメータで次のコマンドを実行します:python SeqSero.py -m 4 -i assembly.fasta。ツールは予測された血清型のファイル Seqsero_result.txt を含む出力ディレクトリを作成します。
      注:-m 4は入力タイプをゲノムアセンブリとして指定しています。-i は入力 FASTA ファイルを定義します。
    4. SeqSero2(バージョン1.3.1;https://github.com/denglab/SeqSero2;パラメータ:すべてのパラメータはデフォルトです)。次のコマンドを実行します:python3 SeqSero2_package.py -m k -t 4 -i assembly.fasta.ツールは、完了時に予測された血清型を直接端末画面に出力します。出力は予測された血清型を示します。
      注:-m k:独自の血清型決定因子を用いた迅速な血清型予測のためのk-merベースのワークフローを指定します。-t 4: はアセンブルされたシーケンスとしての入力タイプを示します。
    5. SeqSero2S(バージョン1.1.1;https://github.com/denglab/SeqSero2S;パラメータ:すべてのパラメータはデフォルトです):提供されたスクリプトを使って実行します:python SeqSero2S.py -m k -t 4 -i assembly.fasta。出力は予測された血清型を示します。
      注:-m kは生リードやゲノムアセンブリのk-merベースの解析を可能にします。-t 4はアセンブリされたシーケンス入力を指定します。

5. 重要なパラメータと実務的考慮事項

注:以下の考慮事項は、特に資源が限られた環境でこのゲノムワークフローの成功裏に実施するために重要です。

  1. 生のシーケンスデータが十分なカバレッジ深度を達成しているか確認してください。約100倍のシーケンス深度で高品質な解析が可能となります。
    注:コスト効率を重視する検査室では、MLSTまたはSeqSero221を用いた信頼性の高い血清型予測の実用的な低い閾値として、最低シーケンス深度75倍が推奨されます。
  2. 生のリードの品質が高く、Q30スコア(基準通話の正確率99.9%)が通常90%以上であることを確認しましょう。
  3. 組み立てされたコティグを必要とする血清型予測ツールを用いる前に、de novoゲノムアセンブリの質を評価してください。N50統計を重要な指標として使う。
    注:22は推奨されるN50が少なくとも100 kbpであり、N50が30 kbpを超えることは信頼できる分析の最低要件とみなされるべきです。
  4. フィルタリング済みリードを組み立てゲノムにマッピングする際、リードマッピング率が少なくとも≥98%であることを確認してアセンブリの完全性を確認しましょう。

6. 高スループット サルモネラ 監視のための推奨血清型予測プロトコル

注意:監視の文脈、必要な精度、利用可能な検査リソースに基づいて血清型予測方法を選択してください。ハイスループットの サルモネラ 監視には、以下のプロトコルに従ってください。

  1. 予備的同定:GB 4789.4に準拠した初期スクリーニングを実施し、分離株を サルモネラ 属として確認します。
    注:この段階では、分離株の特定の血清型を特定する必要はありません。
  2. ルーチン監視(ハイスループットモード):通常の監視には、BioNumericsが更新されていないため、オープンソースのMLST28、SeqSero2S、または継続的に技術サポートとアップデートを受けている他の検証済みユーザーフレンドリーなゲノム解析プラットフォームを使用してください。
    注:MLSTについて:7遺伝子スキームは、標準化され携帯性が高く、系統発生的に有益なプロファイル(配列タイプ、ST)を提供し、長期的な疫学および全体的な株比較に最適です。その簡潔さにより、迅速な解析と最小限の計算負荷が保証されます。SeqSero2Sの場合:迅速な血清型予測と統合MLST結果を単一ランチで取得するという二重の利点を提供します。ゲノムアセンブリをバイパスして、生のシーケンスリードを直接解析できるため、時間とリソースを節約できます。組み立てたFASTAデータであっても、計算解析に依存せず独立して血清型予測を行うため、SISTRのようなツールよりも高速です。
  3. 迅速なスクリーニング(時間敏感な設定):迅速な結果が得られる場合や計算能力が限られた実験室では、SeqSero2Sを予備的な血清型予測に使用してください。
    注:SeqSero2Sの予測を行う際は、「I_4,[5],12:i:-」を サルモネラ ・チフィムリウムと解釈することが基本的に推奨されます。
  4. アウトブレイク調査(高精度モード):高解像度を必要とするアウトブレイクトレースには、cgMLSTを用いて血清型予測を補完し、ソーストレーシングのための高解像度クラスタ解析を提供するSISTRを使用。
  5. 品質管理と不安定な結果の確認:
    1. 一般的な配列決定型株についてはランダム検証を行います。非コモンの場合は検証比率を20%にしてください。血清型の結果が一貫しない場合は、分離株をより高いレベルやリファレンス検査機関に紹介し、決定的な結果を得ること。
    2. 確認分析には、複数の検証済み手法を用いてください。以下は、少なくとも2つの異なる インシリコ 予測ツールを用いた繰り返しゲノム解析、少なくとも2つの異なるツールでシ リコ 予測を繰り返しました。高解像度WGSベースの手法(例:cgMLSTや全ゲノムSNP解析)を用いた系統学的文脈化29.
    3. この包括的な証拠に基づく合意に基づいて最終的な血清型を割り当ててください。
      注:非一般的な血清型に対する推奨される20%の検証比率は、ゲノムツールが非一般血清型間でも高い一致性(SISTR対MLSTで93.3%、SISTR対SeqSero2Sで95.0%)を維持していることに基づいています(表1)。この閾値はコスト効率が高く、日常監視におけるゲノムツール間の不一致の低頻度を検出するのに十分な安全マージンを提供します。

7. 統計解析

  1. Rソフトウェア(バージョン4.1.2)を使ってデータ解析を行う。
  2. カテゴリ変数はパーセンテージ付きの頻度で提示します。
  3. カテゴリカルデータに対してχ2検定を用いたグループを比較し、P値<0.05を統計的に有意なものとみなす。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

プロトコルは中国南西部の315株の サルモネラ 分離株を用いて検証され、そのうち213株(2/3株)がトレーニングセットとして、5つのWGSベースの血清型予測手法(MLST、SISTR、SeqSero、SeqSero2、SeqSero2)と従来の血清型測定結果を比較しました。残りの102株(1/3株)はMLST、SISTR、SeqSero2Sの性能を評価する検証セットとして使用されました。

トレーニングセット解析(n = 213)
再現性評価: 従来の血清型解析は、WGSに基づく5つの予測手法のいずれとも限定的な一致を示し、わずか60.6%の一致率(129/213)にとどまりました。対照的に、5つのWGSアプローチのいずれか2つのペアワイズ一致率は99.1%(211/213)に達し、82.2%の分離株(175/213)で完全な5方法コンセンサスが観察されました。この大きな差(82.2%対60.6%、 P<...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

この大規模評価は、中国西南部から315件のサルモネラ分離株を対象とし、従来の手法と比較してWGSベースの血清型法の再現性が優れていることを示しています(84.1%対62.9%のカバー率、P<0.001)。私たちの発見は、サンプル準備とDNA品質管理(セクション1-3)といった重要な初期段階が直接的な信頼性に影響を与える包括的なゲノムワークフローを検証しています。プロトコルは、アセンブリ依存ツール(セクション4-5)に対して高品質なゲノムアセンブリ(できれば>100 kbp)を重視しています。階層化された実装戦略により、研究所は自らの監視ニーズや計算資源に基づいて適切な手法を選択することができ、最終解析にはSISTR(トレーニングおよび検証セットの100%一致)、MLST(98.1%/97.1%)/SeqSero2S(90.1%/93.1%)が日常監視に推奨され、SeqSero2Sは迅速なスクリーニング(第6節)として推奨されています。このフレームワークは実用的な実験室の制約に効果的に対処し、SeqSero2Sは計算集約的な組み立て工程を回避しつつ91....

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者には利益相反を主張するものはありません。

謝辞

この研究は、チベット・四川科学技術局の資金(XZ202301ZY0049G、2024NSFSC0563からH.Z.へ、2024NSFSC0033からX.P.へ)、四川科学技術プログラム(2024JDRC0032からY.X.へ)、保健研究所新生産性プロジェクト(HN240302CからH.Z.へ)、公衆衛生実験科学分野振興プロジェクト(2023SY-04からH.Z.へ)からの助成金によって支援されました。 四川大学華西公衆衛生学院/華西第四病院。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
バイオナメリクス(バージョン7.6)応用数学https://bionumerics.software.informer.com/7.6/MLST/血清型予測/系統解析
クロマーガー・サルモネラベクトン・ディキンソン・アンド・カンパニー214983選択的サルモネラ染色媒介
Fastp(バージョン 0.23.0)オープンソースhttps://github.com/OpenGene/fastpリード品質管理
イルミナ・ノヴァセクイション6000シーケンシングシステムイルミナ20012850全ゲノムシーケンスプラットフォーム
M220 集束超音波計コヴァリス500295DNA剪断
Magbeads ファストDNAキット 土壌用MPバイオメディカルMP116560200ゲノムDNA抽出キット
Microsoft Excel 2016マイクロソフトKB5002794データ管理
NEXTFLEX ラピッドDNA-シークシーキットリヴヴィティ50-255-1124シーケンスライブラリの準備
Qubit 2.0 フルオロメーターサーモフィッシャー・サイエンティフィックQ32866DNA定量
Qubit dsDNA 高感度アッセイキットサーモフィッシャー・サイエンティフィックQ32851DNA定量
R(バージョン4.1.2)Rファウンデーションhttps://www.r-project.org/統計計算
サルモネラ抗血清キットステイテンズ血清研究所60898O/H抗原検出
セクセロオープンソースhttps://github.com/denglab/SeqSero血清型予測
SeqSero2オープンソースhttps://github.com/denglab/SeqSero2血清型予測
SeqSero2Sオープンソースhttps://github.com/denglab/SeqSero2s血清型予測
シストルオープンソースhttps://github.com/phac-nml/sistr_cmd血清型予測
SPAdes(バージョン3.15.0)オープンソースhttps://github.com/ablab/spadesゲノムアセンブリ
スウォームアガーBDバイオサイエンス211519セロタイピングインキュベーションに使用
TBS-380蛍光計ターナー・バイオシステムズP/N 3800-003DNA定量
VITEK 2 コンパクトシステムバイオメアキュート;リュー95061-768自動微生物同定システム

参考文献

  1. GBD 2017 Non-Typhoidal Salmonella Invasive Disease Collaborators. The global burden of non-typhoidal Salmonella invasive disease: a systematic analysis for the Global Burden of Disease Study 2017. Lancet Infect Dis. 19 (12), 1312-1324 (2019).
  2. Selim, S. A. A comprehensive review of antibiotic susceptibility patterns in strains isolated from food. J Pure Appl Microbio. 19 (2), 818-833 (2025).
  3. Shen, Y., et al. Genomic investigation of Salmonella enterica serovar Welikade from a pediatric diarrhea case first time in Shanghai, China. BMC Genomics. 25 (1), 604(2024).
  4. Pulford, C. V., et al. Global diversity and evolution of Salmonella enterica serovar Panama: a genomic epidemiology study. Lancet Microbe. 6 (9), 101150(2025).
  5. Hong, H., et al. Genetic characterization and in silico serotyping of 62 Salmonella enterica isolated from Korean poultry operations. BMC Genomics. 26 (1), 166(2025).
  6. Kitchens, S. R., Wang, C., Price, S. B. Bridging classical methodologies in Salmonella investigation with modern technologies: a comprehensive review. Microorganisms. 12 (11), 2249(2024).
  7. Uelze, L., et al. Performance and accuracy of four open-source tools for in silico serotyping of Salmonella spp. based on whole-genome short-read sequencing data. Appl Environ Microbiol. 86 (5), e02265-e02319 (2020).
  8. Wang, B. X., et al. High-throughput fitness experiments reveal specific vulnerabilities of human-adapted Salmonella during stress and infection. Nat Genet. 56 (6), 1288-1299 (2024).
  9. Kumar, S., Kumar, Y., Kumar, G., Kumar, G., Kasana, D. A highly drug-resistant Salmonella enterica serovar Weltevreden of human origin from India and detection of its virulence factors. Indian J Microbiol. 65 (3), 1384-1394 (2025).
  10. Lu, Y., et al. Advances in whole genome sequencing: methods, tools, and applications in population genomics. Int J Mol Sci. 26 (1), 372(2025).
  11. Mukherjee, S., et al. Increasing frequencies of antibiotic resistant non-typhoidal Salmonella infections in Michigan and risk factors for disease. Front Med (Lausanne). 6, 250(2019).
  12. Yachison, C. A., et al. The validation and implications of using whole genome sequencing as a replacement for traditional serotyping for a national Salmonella reference laboratory. Front Microbiol. 8, 1044(2017).
  13. Zhang, S., et al. Salmonella serotype determination utilizing high-throughput genome sequencing data. J Clin Microbiol. 53 (5), 1685-1692 (2015).
  14. Zhang, S., et al. SeqSero2: rapid and improved Salmonella serotype determination using whole-genome sequencing data. Appl Environ Microbiol. 85 (23), e01746-e01819 (2019).
  15. Deng, X., et al. Salmonella serotypes in the genomic era: simplified Salmonella serotype interpretation from DNA sequence data. Appl Environ Microbiol. 91 (3), e0260024(2025).
  16. Cui, Q., et al. Characterization and implications of the regionally prevalent ST8333 strains of Salmonella enterica serotype 4,[5],12:i: - China, 2017-2023. China CDC Wkly. 6 (47), 1232-1235 (2024).
  17. Yoshida, C. E., et al. The Salmonella In Silico Typing Resource (SISTR): an open web-accessible tool for rapidly typing and subtyping draft Salmonella genome assemblies. PLoS One. 11 (1), e0147101(2016).
  18. Ikeuchi, S., et al. Molecular epidemiological analysis of Salmonella Schwarzengrund isolated in Japan by newly developed multi-locus variable-number tandem repeat analysis method. Lwt. 207, 116593(2024).
  19. Kong, X., et al. Emergence of extensively drug-resistant Salmonella Kentucky ST198 in Southwest China. J Glob Antimicrob Resist. 43, 264-270 (2025).
  20. Davedow, T., et al. PulseNet international survey on the implementation of whole genome sequencing in low and middle-income countries for foodborne disease surveillance. Foodborne Pathog Dis. 19 (5), 332-340 (2022).
  21. Xian, Z., et al. Subtyping evaluation of Salmonella Enteritidis using single nucleotide polymorphism and core genome multilocus sequence typing with nanopore reads. Appl Environ Microbiol. 88 (15), e0078522(2022).
  22. Liu, C. C., Hsiao, W. W. L. Machine learning reveals the dynamic importance of accessory sequences for Salmonella outbreak clustering. mBio. 16 (3), e0265024(2025).
  23. Fourteenth external quality assessment for Salmonella typing. , European Centre for Disease Prevention and Control. ECDC, Stockholm. (2025).
  24. Gomes, E., et al. Advances in whole genome sequencing for foodborne pathogens: implications for clinical infectious disease surveillance and public health. Front Cell Infect Microbiol. 15, 1593219(2025).
  25. Zhou, L., et al. Antimicrobial resistance and genomic investigation of Salmonella isolated from retail foods in Guizhou, China. Front Microbiol. 15, 1345045(2024).
  26. Zuo, H., et al. Comparative genomic and antimicrobial resistance profiles of Salmonella strains isolated from pork and human sources in Sichuan, China. Front Microbiol. 16, 1515576(2025).
  27. Feehan, J. M., et al. Purification of high molecular weight genomic DNA from powdery mildew for long-read sequencing. J Vis Exp. (121), e55463(2017).
  28. Jolley, K. A., Bray, J. E., Maiden, M. C. J. Open-access bacterial population genomics: BIGSdb software, the PubMLST.org website and their applications. Wellcome Open Res. 3, 124(2018).
  29. Yang, L., et al. Phylogeny and divergence of the 100 most common Salmonella serovars available in the NCBI Pathogen Detection database. Front Microbiol. 16, 1547190(2025).
  30. Zuo, H., et al. High-altitude exposure decreases bone mineral density and its relationship with gut microbiota: results from the China multi-ethnic cohort (CMEC) study. Environ Res. 215 (Pt 2), 114206(2022).
  31. Arrieta-Gisasola, A., et al. Genotyping study of Salmonella 4,[5],12:i:- monophasic variant of serovar Typhimurium and characterization of the second-phase flagellar deletion by whole genome sequencing. Microorganisms. 8 (12), 2049(2020).
  32. De Sousa Violante, M., et al. Genomic diversity of Salmonella Typhimurium and its monophasic variant in pig and pork production in France. Microbiol Spectr. 12 (12), e0052624(2024).
  33. Kong, X., et al. Phenotypic and genotypic characterization of Salmonella Enteritidis isolated from two consecutive food-poisoning outbreaks in Sichuan, China. J Food Safety. 43 (1), e13015(2022).
  34. Hong, W., et al. Integrating serotyping, MLST, and phenotypic data: decoding the evolutionary drivers of Salmonella pathogenicity and drug resistance. Appl Environ Microbiol. 91 (10), e0151125(2025).
  35. Lin, A., et al. Targeted next-generation sequencing assay for direct detection and serotyping of Salmonella from enrichment. J Food Prot. 87 (4), 100256(2024).
  36. van den Berg, O. E., et al. Ongoing increase in autochthonous Salmonella Enteritidis infections, the Netherlands, June 2023 to June 2025. Euro Surveill. 30 (30), 2500536(2025).
  37. Li, X., Oladeinde, A., Rothrock, M. Jr, Chung, T. J., Ghazi Al Hakeem, W. Using core genome and machine learning for serovar prediction in Salmonella enterica subspecies I strains. FEMS Microbiol Lett. 372, fnaf040(2025).
  38. Krüger, G. I., et al. Adaptive signatures of emerging Salmonella serotypes in response to stressful conditions in the poultry industry. Lwt. 215, 117188(2025).
  39. Gou, J., et al. Microbial biomarkers and sex-associated gut microbiota characteristics of thyroid cancer. BMC Cancer. 25, 1688(2025).
  40. Meng, J., et al. Medical laboratory data-based models: opportunities, obstacles, and solutions. J Transl Med. 23 (1), 823(2025).
  41. Wu, X., et al. Evaluation of multiplex nanopore sequencing for Salmonella serotype prediction and antimicrobial resistance gene and virulence gene detection. Front Microbiol. 13, 1073057(2022).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

MLST

関連記事