抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
背景:全ゲノム配列決定(WGS)は,医療関連感染(HAIs)症例の感染伝達をより良く理解するための細菌関連性を測定する高分解能法として確立されている。しかし,配列決定は,動作可能なターンアラウンド時間を有する計算解析プラットフォームへのアクセスの欠如のために,HAI調査においてまだほとんど使用されていない。一塩基多型(SNP)分析は,細菌関連性を決定するために典型的に使用されている。しかし,SNPベースの方法は,訓練された計算生物学者の専門知識なしで使用や解釈が困難な一連のバイオインフォマティクスツールを必要とすることが多い。これらの障害はHAIsの前向き,リアルタイム監視の場合により顕著となり,多数の分離株の分析を必要とする。感染発生の積極的な決定のためのWGSの使用を可能にするために,大きなデータセットにスケールできる迅速な自動化法が必要である。方法:ここでは,細菌試料のクローン性を決定する新しい自動化アルゴリズムであるksimの能力を実証し,それらの関連度を決定するために細菌試料間の共有km(長さkのゲノムサブ配列)の数を測定し,遺伝的関連性推定を混乱させるプラスミドのようなアクセサリーゲノム領域をフィルターアウトした。模擬データセット(in silicoで生成された配列読取り)と9つの臨床クラスタデータセット(マサチューセッツ総合病院[MGH]から6つの公開利用可能と3つのリアルタイムデータセット)で,SNPベースのパイプラインに対するksimの精度と速度をベンチマークした。” (in silicoで生成された)”と,9つの臨床クラスタデータセット(Massachusetts General Hospital [MGH]からの3つのリアルタイムデータセット)。また,2015年から2019年の間に収集したMGHからの>5000の歴史的臨床細菌分離株の関連性を決定するためにksimを使用した。結果:ksimは,通常のデータ構造を生成するため,生配列決定データを最初に前処理し,その後,アクセサリーゲノムフィルタリングが必要な場合,単純な場合,約0.2秒で細菌サンプル間のゲノム距離を計算し,複雑な場合で~4秒で,細菌試料間のゲノム距離を計算した。5種にわたるシミュレーションにおいて,ksimはクローン性を決定した(感受性,99.7%および特異性,99.6%)。9つの臨床HAIデータセットに関するksim性能は,SNPに基づくパイプラインと比較して,その感度(99.4%)と特異性(90.8%)を示し,MGHから>5000の臨床サンプルを効率的に分析し,以前に未同定の伝達クラスタを見出した。結論:ksimはHAI発生における迅速なクローン性決定に対して有望であり,数十万のサンプルにスケールする可能性を有する。この方法は,特殊な計算生物学訓練の必要性なしに,自動計算パイプラインによる前向き大流行検出にWGSを利用するための感染制御チームを可能にする。Funding:Day Zero診断とNIHはFundingを提供した。目的:Mohamad Saterは,Day Zero診断からのサリーを報告する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】