一个流行病学框架,以提高基于Salmonella的全基因组序列抗微生物耐药性监测的准确性

科学领域:

• 基因组学和生物信息学
• 食品安全与微生物学
• 兽医公共卫生 兽医公共卫生

背景情况:

• 全基因组测序 (WGS) 对抗微生物耐药性 (AMR) 决定因素的细菌监测具有相对于传统方法的优势.
• 对于in silico AMR检测工具的参数设置的变化可能会影响从基因组数据中识别AMR决定因素的准确性.
• 准确识别AMR决定因素对于食品生产动物的有效监测至关重要.

研究的目的:

• 为了评估参数调整对in silico AMR检测工具 (StarAMR) 精度的影响.
• 评估AMR决定性检测在不同参数设置中的灵敏度和特异性,使用Salmonella*的全基因组序列.
• 为了确定参数效应如何根据血清器和药物类别在海德堡和肯塔基州的Salmonella和S.

主要方法:

• 利用来自加拿大家禽的*Salmonella*海德堡和*S.肯塔基*分离的1633个全基因组序列的数据集.
• 采用了StarAMR工具,使用一系列参数值来检测AMR决定因素.
• 在体检测结果与表型抗微生物敏感性测试数据进行了比较.
• 应用回归模型来估计灵敏度和特异性,控制采样变量和相互作用.

主要成果:

• 在StarAMR工具中的参数调整显示了对检测灵敏度和特异性的小但统计学上显著的影响.
• 参数设置对AMR检测的影响因Salmonella血清和正在分析的特定药物类别而异.
• 这些发现凸显了优化参数选择的重要性,以便使用WGS数据进行准确的AMR监测.

结论:

• 参数优化对于最大限度地提高基于全基因组序列的抗菌素耐药性监测的准确性至关重要.
• 这项研究的结果直接影响了对食品相关细菌病原体中抗菌耐药性决定因子的基于WGS的监测策略的改进.
• 在生物信息管道中标准化参数的使用对于在食品生产环境中可靠地解释抗药性数据至关重要.