ロングリードメタゲノムデータセットからの潜在的な微生物汚染リードの軽減と検出

科学分野:

• 微生物学
• ゲノミクス
• バイオインフォマティクス

背景:

• メタゲノムシーケンシングは、臨床サンプル中の微生物群集を理解するために不可欠です。
• 微生物汚染と宿主DNAは、正確なメタゲノムデータ解釈を妨げます。
• 既存の汚染除去ツールは、特に新生児において、低バイオマスサンプルでは性能が低下します。

研究 の 目的:

• 臨床メタゲノムデータセットのための新しい汚染除去方法論「Stop-Check-Go」を開発および検証すること。
• 新生児サンプルにおける汚染物質の検出と軽減の課題に対処すること。
• 低バイオマス臨床サンプルにおけるマイクロバイオーム分析の精度を向上させること。

主な方法:

• 「Stop-Check-Go」システムは、実験室技術とバイオインフォマティクス解析を統合しています。
• 汚染物質の同定のために、有病率法、カバレッジ推定、および微生物学的報告を組み合わせています。
• 宿主DNAを削減するために溶解法が採用され、その後シーケンシング後の解析が行われました。

主要な成果:

• サンプルあたり平均76%の宿主DNAが削減されました。
• 微生物種の約60%が潜在的な汚染物質として特定され、除去のためにフラグが立てられました（「停止」）。
• 「Stop-Check-Go」システムは、特に微生物学的に陰性の患者において、既存のツールよりも優れたパフォーマンスを発揮しました。

結論:

• 「Stop-Check-Go」方法論は、低バイオマスメタゲノムサンプルの汚染除去のための堅牢なソリューションを提供します。
• 効果的な汚染除去により、新生児臨床サンプルにおける正確なマイクロバイオームプロファイリングが可能になります。
• このアプローチは、臨床研究および診断のためのメタゲノムデータの信頼性を高めます。