WGS to predict antibiotic MICs for Neisseria gonorrhoeae
Notice bibliographique
Résumé
Background: Tracking the spread of antimicrobial-resistant Neisseria gonorrhoeae is a major priority for national surveillance programmes. Objectives: We investigate whether WGS and simultaneous analysis of multiple resistance determinants can be used to predict antimicrobial susceptibilities to the level of MICs in N. gonorrhoeae. Methods: WGS was used to identify previously reported potential resistance determinants in 681 N. gonorrhoeae isolates, from England, the USA and Canada, with phenotypes for cefixime, penicillin, azithromycin, ciprofloxacin and tetracycline determined as part of national surveillance programmes. Multivariate linear regression models were used to identify genetic predictors of MIC. Model performance was assessed using leave-one-out cross-validation. Results: Overall 1785/3380 (53%) MIC values were predicted to the nearest doubling dilution and 3147 (93%) within ±1 doubling dilution and 3314 (98%) within ±2 doubling dilutions. MIC prediction performance was similar across the five antimicrobials tested. Prediction models included the majority of previously reported resistance determinants. Applying EUCAST breakpoints to MIC predictions, the overall very major error (VME; phenotypically resistant, WGS-prediction susceptible) rate was 21/1577 (1.3%, 95% CI 0.8%-2.0%) and the major error (ME; phenotypically susceptible, WGS-prediction resistant) rate was 20/1186 (1.7%, 1.0%-2.6%). VME rates met regulatory thresholds for all antimicrobials except cefixime and ME rates for all antimicrobials except tetracycline. Country of testing was a strongly significant predictor of MIC for all five antimicrobials. Conclusions: We demonstrate a WGS-based MIC prediction approach that allows reliable MIC prediction for five gonorrhoea antimicrobials. Our approach should allow reasonably precise prediction of MICs for a range of bacterial species.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».