通过贝叶斯混合模型集群最小抑制度数据:用于检测Mycobacterium tuberculosis耐药性突变的应用

科学领域:

• 基因组学就是基因组学.
• 微生物学 微生物学
• 公共卫生 公共卫生

背景情况:

• 抗菌素耐药性 (AMR) 构成了全球健康的重大威胁.
• 全基因组测序 (WGS) 越来越便宜和快速,使基因组变异分析成为可能.
• 基因组突变可以在统计学上与观察到的抗菌素耐药性模式联系起来.

研究的目的:

• 开发一种强大的方法来识别与抗菌素耐药性相关的基因组突变.
• 创建和更新与抗生素耐药性相关的基因组变异目录.
• 改善对抗微生物药物耐药性的预测,并为特定患者的治疗策略提供信息.

主要方法:

• 对最小抑制度 (MIC) 分布的分析.
• 基于耐药性水平的细菌菌株的聚类.
• 回归分析以确定与耐药性相关的统计学上显著突变.
• 应用于96孔微型板进行Mycobacterium结核病检测.

主要成果:

• 提出了一种通用方法来识别具有不同抗微生物耐药性的菌株集群.
• 通过回归,在识别耐药性相关突变方面获得了高的统计能力.
• 这种方法成功地应用于Mycobacterium结核病.

结论:

• 拟议的方法可以对导致抗菌素耐药性的基因组突变进行可靠的识别.
• 这有助于开发耐药性和个性化治疗计划的预测模型.
• 持续更新基因组变异目录对于打击AMR至关重要.