关于从牛津纳米孔技术生成的WGS数据中提取Vibrio cholerae分离物的MLVA资料的能力
Jérôme Ambroise1, Bertrand Bearzatto2, Jean-Francois Durant2
1Center for Applied Molecular Technologies (CTMA), Institute of Clinical and Experimental Research (IREC), Université catholique de Louvain (UCLouvain), Brussels, Belgium. jerome.ambroise@uclouvain.be.
BMC research notes
|January 17, 2025
概括
MLVAType应用程序准确地从全基因组测序数据中预测多个位置变量数的并列重复 (VNTR) 配置文件. 这项验证证实了其可靠性与长期阅读的牛津纳米孔技术测序,对于病原体亚型的关键.
科学领域:
- 微生物学 微生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 多个位置可变数量并列重复 (VNTR) 分析 (MLVA) 对于分类病原体如Vibrio cholerae至关重要.
- MLVAType闪亮应用程序是为了从全基因组测序 (WGS) 数据中提取MLVA配置文件而开发的.
- 之前的验证使用了短读序列数据.
研究的目的:
- 通过牛津纳米孔技术 (ONT) 的长读序列数据验证MLVAType应用程序.
- 从ONT生成的WGS数据评估MLVA配置预测的准确性.
主要方法:
- 用MLVAType应用程序为9个Vibrio cholerae分离体生成了MLVA档案.
- 长读WGS数据是使用ONT MinION和GridION测序器生成的.
- 使用Canu (v.2.2) 组装数据,并与短读SPAdes组件 (v3.13.0) 进行比较.
主要成果:
- 在三种测序方法 (ONT长读和Illumina短读) 中,in silico MLVA的概况一致.
- 该MLVAType应用程序准确地预测了由ONT长读序列器生成的组装基因组的MLVA配置文件.
结论:
- MLVAType应用程序可靠地从长时间读取的ONT WGS数据中预测MLVA配置文件.
- 这扩大了MLVAType在疫情调查中的病原体亚型化方面的实用性.
