弥合结核病分子和基因组流行病学之间的差距:从基因组数据中推断MIRU-VNTR模式
Sergio Buenestado-Serrano1,2,3, Miguel Martínez-Lirola4, Anzaan Dippenaar5,6
1Servicio de Microbiología Clínica y Enfermedades Infecciosas, Hospital General Universitario Gregorio Marañón, Madrid, Spain.
Journal of clinical microbiology
|August 13, 2024
概括
长读测序可以准确地推断Mycobacterium bovis bcg (BCG) 变量数并列重复 (VNTR) 模式,弥合历史和基因组结核病 (TB) 流行病学数据之间的差距.
科学领域:
- 微生物学 微生物学
- 基因组学就是基因组学.
- 流行病学 流行病学
背景情况:
- 基因组流行病学,特别是使用短读测序,已经推进了结核病 (TB) 传播跟踪.
- 短读序列与重复区域作斗争,与历史的MIRU-VNTR数据库产生数据差距.
- 这种差距阻碍了跨国监测和结核病历史流行病学数据的整合.
研究的目的:
- 评估从长读序列推断MIRU-VNTR模式的可行性.
- 评估长读测序在弥合分子和基因组结核病流行病学之间的差距的准确性.
- 为了证明长期阅读数据的实用性,将新的结核病例归类为集群或孤儿.
主要方法:
- 一个in silico手臂 (长读的MIRUReader程序) 与一个实验手臂 (标准放大和片段大小) 的比较.
- 分析了来自南非的39个孤立病例和来自西班牙的62个集群病例.
- 评估了25个连续的事件案例,以评估现实世界的应用.
主要成果:
- 长期读取的推断MIRU-VNTR模式和实验数据之间的高度一致性 (99.64%).
- 发现了一些微小的差异,并通过分析和程序调整在很大程度上得到解决.
- 通过将长期阅读的基因组数据与历史的MIRU-VNTR数据库联系起来,成功地分配了集群/孤儿病例.
结论:
- 长读测序是一种可行的方法,用于在结核病流行病学中提取MIRU-VNTR概况.
- 这种方法有效地弥合了分子和基因组时代之间的知识差距.
- 它促进了时间和地理数据的整合,以改善结核病监测.
