Sarand: Exploring Antimicrobial Resistance Gene Neighborhoods in Complex Metagenomic Assembly Graphs
Notice bibliographique
Résumé
ABSTRACT Antimicrobial resistance (AMR) is a major global challenge to human and animal health. The genomic element (e.g., chromosome, plasmid, and genomic islands) and neighbouring genes associated with an AMR gene play a major role in its function, regulation, evolution, and propensity to undergo lateral gene transfer. Therefore, characterising these genomic contexts is vital to effective AMR surveillance, risk assessment, and stewardship. Metagenomic sequencing is widely used to identify AMR genes in microbial communities, but analysis of short-read data offers fragmentary information that lacks this critical contextual information. Alternatively, metagenomic assembly, in which a complex assembly graph is generated and condensed into contigs, provides some contextual information but systematically fails to recover many mobile genetic elements. Here we introduce Sarand, a method that combines the sensitivity of read-based methods with the genomic context offered by assemblies by extracting AMR genes and their associated context directly from metagenomic assembly graphs. Sarand combines BLAST-based homology searches with coverage statistics to sensitively identify and visualise AMR gene contexts while minimising inference of chimeric contexts. Using both real and simulated metagenomic data, we show that Sarand outperforms metagenomic assembly and recently developed graph-based tools in terms of precision and sensitivity for this problem. Sarand ( https://github.com/beiko-lab/sarand ) enables effective extraction of metagenomic AMR gene contexts to better characterize AMR evolutionary dynamics within complex microbial communities.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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) | 0,003 | 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 ».