通过全基因组测序和在 silico 多位置变量数组重复分析对 Clostridioides difficile 传播进行了增强的歧视

科学领域:

• 微生物学 微生物学
• 基因组学就是基因组学.
• 传染病流行病学 传染病流行病学

背景情况:

• 全基因组测序 (WGS) 对于跟踪医疗保健环境中的细菌感染和疫情至关重要.
• 对于密切相关的Clostridioides difficile菌株,WGS往往缺乏足够的区分能力,阻碍了准确的传播推断.
• 多位点变量数并列重复分析 (MLVA) 针对快速突变的位点,并显示出对C. difficile类型的承诺.

研究的目的:

• 评估in silico MLVA在增强由WGS.识别的C. difficile集群的遗传相关性解决中的实用性.
• 确定是否将短读WGS与基于纳米孔的MLVA结合起来可以改善在医疗保健相关的C. difficile感染中的流行病学联系的识别.

主要方法:

• 从2016年11月到2019年11月收集的与医疗保健相关的毒素阳性C. difficile分离物.
• 执行了短读WGS以集群分离物与≤2个单核酸多态 (SNP) 差异.
• 采用纳米孔长读序列测序用于集群分离物的 in silico MLVA 分析,以计算总和串联重复差异 (STRD).

主要成果:

• 在666个分离物中,有62个符合≤2 SNP标准,并进行了MLVA分析.
• 在105对0-2SNP差异的对中,79%的人表现出0-5的STRD.
• 一个较低的STRD与基于单位/程序的流行病学联系显著相关 (OR:0.45;95%CI:0.29-0.70).

结论:

• In silico MLVA为通过WGS.确定的密切相关的C. difficile分离物提供了额外的基因组歧视.
• 结合WGS和MLVA可以提高与医疗相关的疫情调查的准确性.
• 这种综合测序策略可以有效地解决单独WGS在C. difficile.常规医院监测中的局限性.