脱菌器:一种概率性的生成模型,用于在混合感染样本中划分微生物物种的不同菌株
Brintha Vp1,2,3, Manikandan Narayanan1,2,3
1Department of Computer Science and Engineering, Indian Institute of Technology (IIT) Madras, Chennai, 600036, India.
Bioinformatics (Oxford, England)
|April 3, 2025
概括
德米克斯精确地识别和量化混合结核菌株使用全基因组测序,甚至是新的. 这一进步有助于了解耐药性模式,并改善复杂感染的治疗策略.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 传染病流行病学 传染病流行病学
背景情况:
- 耐多药结核病 (TB) 构成了重大治疗挑战.
- 异种耐药结核病涉及多个菌株,在单个感染中具有不同的药物易感性.
- 目前的方法难以识别新型菌株和量化混合感染中的比例.
研究的目的:
- 开发一种计算模型,用全基因组测序 (WGS) 来划分结核病中混合感染菌株.
- 准确识别已知的和新的结核病菌株,并量化它们在混合感染中的比例.
- 将该模型应用于大规模数据集,以深入了解全球结核病流行病学和耐药性.
主要方法:
- 开发了Demixer,一个概率生成模型,结合了基于参考和无参考的方法.
- 扩展了一个用于突变表示和新突变发现的主题模型.
- 实现并行化和启发式分析,以高效处理大型WGS数据集,如CryPTIC.
主要成果:
- 脱剂在识别菌株身份 (91.67%的实验数据) 和比例方面取得了很高的准确性.
- 在1963年马拉维的样本中确定了101种新的高可信度混合感染.
- 在CRyPTIC数据集中发现全球混合感染频率为2%,与药物耐药性显著相关.
结论:
- 脱氧剂有效地从WGS数据中划分混合结核病感染,包括新型菌株.
- 该模型提供了关于混合感染对抗药性传播率和影响的关键见解.
- 德米克斯的通用化方法适用于各种细菌和病毒WGS数据分析.


