WGS of a cluster of MDR <i>Shigella sonnei</i> utilizing Oxford Nanopore R10.4.1 long-read sequencing
Notice bibliographique
Résumé
OBJECTIVES: To utilize long-read nanopore sequencing (R10.4.1 flowcells) for WGS of a cluster of MDR Shigella sonnei, specifically characterizing genetic predictors of antimicrobial resistance (AMR). METHODS: WGS was performed on S. sonnei isolates identified from stool and blood between September 2021 and October 2022. Bacterial DNA from clinical isolates was extracted on the MagNA Pure 24 and sequenced on the GridION utilizing R10.4.1 flowcells. Phenotypic antimicrobial susceptibility testing was interpreted based on CLSI breakpoints. Sequencing data were processed with BugSeq, and AMR was assessed with BugSplit and ResFinder. RESULTS: Fifty-six isolates were sequenced, including 53 related to the cluster of cases. All cluster isolates were identified as S. sonnei by sequencing, with global genotype 3.6.1.1.2 (CipR.MSM5), MLST 152 and PopPUNK cluster 3. Core genome MLST (cgMLST, examining 2513 loci) and reference-based MLST (refMLST, examining 4091 loci) both confirmed the clonality of the isolates. Cluster isolates were resistant to ampicillin (blaTEM-1), trimethoprim/sulfamethoxazole (dfA1, dfrA17; sul1, sul2), azithromycin (ermB, mphA) and ciprofloxacin (gyrA S83L, gyrA D87G, parC S80I). No genomic predictors of resistance to carbapenems were identified. CONCLUSIONS: WGS with R10.4.1 enabled rapid sequencing and identification of an MDR S. sonnei community cluster. Genetic predictors of AMR were concordant with phenotypic antimicrobial susceptibility testing.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».