박테리아 집단에서 계층적 유전자형과 부속 게놈 유전자형의 휴리스틱 마이닝

이 분석 프로토콜은 대규모 박테리아의 병원성 집단에 대한 연구를 허용합니다. 이는 생태 학적 및 역학 적 조사가 수행 될 수있는 방법을 향상시키기 때문에 매우 중요합니다. 그러나 그러한 일이 일어나기 위해서는 자동화되고 확장 가능한 도구 또는 수천 개의 게놈 서열을 한 번에 분석 할 수있는 계산 플랫폼이 필요합니다.

ProkEvo는 그 틈새 시장에 적합하며, 생태 및 역학 조사를 위해 유전자형과 유전자형에 대한 고유 한 특징을 검토하는 범 게놈 함량을 매핑하면서 대규모로 실용적인 박테리아 집단 분석을 수행 할 수 있습니다. 이 프로토콜의 가장 큰 장점은 ProkEvo와 같은 강력하고 자동화되고 확장 가능한 계산 플랫폼을 사용하여 박테리아 집단에서 계층 적 유전자형의 휴리스틱 마이닝을 수행한다는 것입니다. 오늘 여기에 제시되는 분석 프로토콜은 몇 가지 실질적인 의미를 가지고 있습니다.

그 중 하나는 박테리아 유전자형이 실시간으로 매핑되고 추적 될 수 있다는 의미에서 진단을 용이하게하는 것이며, 확장 가능한 방식으로 병원균의 병원성 혈통을 식별하고 정의하여 다른 환경에서 병원균을 추적하고 매핑 할 수 있습니다. 또 다른 응용 프로그램은 공중 보건 실험실 및 규제 기관에 대한 일상적인 감시를 강화하는 것이며, 이는 다양한 상업적 환경에서 병원균의 추적을 용이하게하기 위해 수행됩니다. 여기에 제시된 프로토콜은 미생물 학자, 생태 학자, 역학자 및 박테리아 집단 유전체학에 관심이있는 모든 사람들에게 실질적인 지침을 제공합니다.

ProkEvo는 오픈 소스 및 공개적으로 사용 가능한 플랫폼이며 GitHub 페이지는 자세한 사용 지침을 제공합니다. 여기에 설명 된 프로토콜은 GitHub에서도 찾을 수 있습니다. 제공된 지침을 통해 ProkEvo 및이 프로토콜을 사용하기 쉽고 초보자 및 고급 연구원이 활용하고자합니다.

Gigi 트리를 사용하여 유전자형 정보와 함께 계통 발생 나무를 플롯하기 위해 분석을 시작하십시오. 이렇게 하려면 x-lim 및 G 히트 맵 내의 숫자 값을 변경하여 링의 직경과 너비를 포함한 Gigi 트리 그림 크기를 최적화합니다. 계통 발생 트리를 사용하여 여러 계층의 데이터를 플로팅할 때 모든 메타데이터를 가능한 가장 낮은 범주 수로 집계하여 색상 패널을 쉽게 선택할 수 있습니다.

관심 및 도메인 지식에 대한 질문을 기반으로 데이터 집계를 수행합니다. 완료되면 막대 플롯을 사용하여 서열 유형 또는 ST 계보에 대한 데이터를 집계하고 핵심 게놈 다중 유전자좌 서열 타이핑 또는 cgMLST 변이체에 대한 데이터를 집계하여 상대적 빈도를 평가하여 시각화를 용이하게합니다. 데이터 집계에 사용되는 경험적 또는 통계적 임계값을 선택합니다.

예제 코드는 ST 계보의 주파수 분포를 검사하고 컷오프를 결정하는 데 사용할 수 있습니다. 예제 코드에서는 부전공 또는 저주파 ST가 집계되는 방식을 보여 줍니다. 번호가 매겨지지 않은 ST는 다른 ST로 그룹화할 수 있습니다.

cgMLST 변형에 대해 유사한 코드를 사용하십시오. 중첩된 접근 방식을 사용하여 각 BAPS1 서브그룹 내의 각 ST 계보의 비율을 계산하여 동일한 BAPS1 서브그룹에 속하는 ST를 식별하십시오. 이 코드는 BAPS1 하위 그룹에서 ST 기반 비율을 계산하는 방법을 보여 줍니다.

ST 계통에 걸친 항균 내성 또는 AMR 유전자좌의 분포를 플롯하려면 경험적 또는 통계적 역치를 사용하여 시각화를 용이하게 하기 위해 가장 중요한 AMR 유전자좌를 필터링합니다. 원시를 제공하십시오. 모든 ST 계보에 걸쳐 모든 AMR 유전자좌의 계산된 비율을 포함하는 csv 파일.

다음으로 코드를 사용하여 각 ST에 대한 AMR 비율을 계산합니다. 모든 ST에 대해 계산이 완료되면 코드를 사용하여 데이터 세트를 하나의 데이터 프레임으로 결합한 다음 계산된 비율이 포함된 csv 파일을 코드와 함께 내보냅니다. ST 계보에 걸쳐 AMR 기반 분포를 플로팅하기 전에 임계값을 기준으로 데이터를 필터링하여 시각화를 용이하게 합니다.

다음으로, AMR 데이터의 계층적 유전자형 분류와 함께 핵심 게놈 계통학을 Gigi 트리를 사용하여 단일 플롯으로 플롯합니다. 그런 다음 앞에서 언급 한 매개 변수를 사용하여 Gigi 트리 내부의 그림 크기를 최적화하십시오. 변수를 집계하거나 유전자 존재 또는 부재와 같은 이진 분류를 사용하여 시각화를 최적화합니다.

살모넬라 장내 혈통의 계층 적 인구 구조는 핵심 게놈 계통학의 맥락에서 조사되었다. 그런 다음 모든 계층적 유전자형의 상대적 빈도를 사용하여 전체 분포 및 가장 빈번하게 관찰되는 분류를 평가하였다. 덜 빈번한 ST 계보가 데이터 시각화를 용이하게하기 위해 다른 ST로 집계되었습니다.

유사하게, 덜 빈번한 cgMLST 변이체는 다른 cgMLST들로서 응집되었다. ST 사이의 조상 관계는 BAPS1 하위군 또는 일배체형에 의한 ST 계통의 상대적 빈도를 평가함으로써 중첩된 접근법을 사용하여 조사되었다. AMR 유전자좌를 분화시키는 ST 계통의 상대적 빈도는 세로바 뉴포트 집단 구조에 연결된 독특한 부속 게놈 서명을 확인하기 위해 평가되었다.

결과에서, MDFA 및 AAC6IAA 유전자좌는 혈청 뉴포트 집단에 의해 조상적으로 획득된 것으로 나타난 반면, ST45는 다중 약물 내성인 것으로 예측된다. ST45와 비교할 때, ST5 및 ST118과 같은 다른 주요 ST 계통은 다중 약물 감수성이 더 큽니다. 또한 계통 고정 시각화를 사용하여 계층적 인구 구조 데이터를 체계적으로 통합했습니다.

이 분석 프로토콜은 대규모로 박테리아 집단의 데이터 마이닝을위한 기초를 제공합니다. 그것이 허용하는 것은 ProkEvo를 사용하여 유전자형을 대규모로 매핑하고 추적하는 것이지만, 유전자형 정보와 관련된 대사 경로 및 독성 인자의 분포를 탐구하는 것과 같은 다른 질문에 답하기 위해 확장 될 수도 있습니다. 즉, 관심있는 특정 유전자형과 관련된 표현형을 예측할 수 있습니다.

여기에 설명 된 프로토콜은 연구자가 인구 유전체학 분야의 새로운 질문을 탐구하고 병원성 및 비 병원성 박테리아 종에 대한 진화 적 및 생태 학적 패턴을 추론 할 수있는 길을 열어줍니다.