塑EC和gplas2:一种优化的短读方法,用于预测和重建大肠杆菌中的抗生素耐药性塑

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 从短读测序数据中准确地重建抗生素耐药性基因 (ARG) 质体,对于理解细菌感染至关重要.
• 目前的生物信息工具在精确地从Illumina测序数据中组装ARG等离子体时面临着挑战.

研究的目的:

• 开发一种改进的方法来使用短读数重建大肠杆菌等离子体.
• 增强等离子体衍生结合物的识别和结合,特别是携带ARG.的结合物.

主要方法:

• 开发了plasmidEC,一个集成分类器,结合了三个二进制分类工具来识别等离子体结合体.
• 优化gplas,一个基于图形的工具 (gplas2),用于将等离子体预测的结合物分成不同的等离子体重建.
• 评估了与gplas2结合的plasmidEC与MOB-suite等现有方法的性能.

主要成果:

• 在分类ARG等离子体衍生结合物方面,plasmidEC实现了高回忆率 (0.941) .
• gplas2在回收具有显著覆盖差异的等离子体方面表现出有效性.
• 在ARG等离子体重建中,plasmidEC和gplas2的组合产生了高完整性 (中位数=0.818) 和F1-Score (中位数=0.812).
• 这种新的方法超过了MOB-suite.com的分类能力.

结论:

• 塑EC和gplas2的组合为使用短读数据重建大肠杆菌中的ARG塑提供了一个很好的替代方案.
• 这种方法解决了当前工具的局限性,在等离子体组装中提供了更高的精度和完整性.