MétaCan
Menu
Retour à la cohorte
Enregistrement W4387104490 · doi:10.1101/2023.09.26.559465

<i>In silico</i> analyses identifies sequence contamination thresholds for Nanopore-generated SARS-CoV2 sequences

2023· preprint· en· W4387104490 sur OpenAlexafffund
Ayooluwa Bolaji, Ana T. Duggan

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of CanadaGenome Canada
Mots-clésNanopore sequencingIn silicoDNA sequencingBiologyWhole genome sequencingComputational biologyMinionGenomicsLineage (genetic)Phylogenetic treeGenomeGeneticsData miningEvolutionary biologyComputer scienceGene

Résumé

récupéré en direct d'OpenAlex

Abstract The SARS-CoV-2 pandemic has brought molecular biology and genomic sequencing into the public consciousness and lexicon. With an emphasis on rapid turnaround, genomic data has been used to inform both diagnostic and surveillance decisions for the current pa ndemic at a previously unheard-of scale. The surge in the submission of genomic data to publicly-available databases has proved essential as comparing different genome sequences offers a wealth of knowledge, including phylogenetic links, modes of transmission, rates of evolution, and the impact of mutations on infection and disease severity. However, the scale of the pandemic has meant that once sequencing runs are performed, they are rarely repeated due to limited sample material and/or the availability of sequencing resources, resulting in some imperfect runs being uploaded to public repositories. As a result, it is crucial to investigate the data obtained from these imperfect runs to determine whether the results are reliable. Numerous studies have identified a variety of sources of contamination in public next-generation sequencing (NGS) data as the number of NGS studies increases along with the diversity of sequencing technologies and procedures [1–3]. For this study, we conducted an in silico experiment with known SARS-CoV-2 sequences produced from Oxford Nanopore Technologies sequencing to investigate the effect of contamination on lineage calls and single nucleotide variations (SNVs). Through a series of analyses, we identified a contamination threshold below which runs are expected to generate accurate lineage calls and maintain genomic sequence integrity. Together, these findings provide a benchmark below which imperfect runs may be considered robust for reporting results to both stakeholders and public repositories and reduce the need for repeat or wasted runs. Author Summary Large-scale genomic comparisons provide a wealth of knowledge, including modes of transmission, rates of evolution, and the impact of mutations on infection, disease severity, and treatment effectiveness. As a result, the public release of genomic data has proven to be crucial. However, studies continue to show that some of the genomic data in public repositories are contaminated due to a variety of reasons. For instance, in the case of SARS-CoV-2 sequences, the pandemic prevented many sequencing runs from being repeated, resulting in some imperfect runs being uploaded to public repositories. It is of note that when genomic data is contaminated, both scientific decisions/studies and public health measures may be compromised. To identify genome contamination threshold(s) for SARS-CoV-2 sequences generated by Nanopore sequencing, computational biology techniques were utilized to generate artificially subsampled contaminated genomes. This is the first study of its kind and so our hope is that the results obtained provide a starting point for the investigation of reporting contamination of NGS data.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,290
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetBiosensors and Analytical DetectionTravaux en français237 207