Enable, Empower, Succeed: Harnessing Open Science for Antimicrobial Resistance Containment
Notice bibliographique
Résumé
Abstract Antimicrobial resistance (AMR) poses a significant threat to global health, particularly in Western sub-Saharan Africa where 27.3 deaths per 100,000 lives are affected, and surveillance and control measures are often limited. Genomics research plays a crucial role in understanding the emergence, spread and containment measures of AMR. However, its implementation in such settings is particularly challenging due to limited human capacity. This manuscript outlines a three-day bioinformatics workshop in Cameroon, highlighting efforts to build human capacity for genomics research to support AMR surveillance using readily accessible and user-friendly web-based tools. The workshop introduced participants to basic next-generation sequencing concepts, data file formats used in bacterial genomics, data sharing procedures and considerations, as well as the use of web-based bioinformatics software to analyse genomic data, including in silico prediction of AMR, phylogenetics analyses, and a quick introduction to Linux© command line. We provide a detailed description of the relevant training approaches used, including workshop structure, the selection and planning, and utilization of freely available web-based tools, and the evaluation methods employed. Our approach aimed to overcome limitations such as inadequate infrastructure, limited access to computational resources, and scarcity of expertise. By leveraging the power of freely available web-based tools, we demonstrated how participants can acquire fundamental bioinformatics skills, enhance their understanding of biological data analysis, and contribute to the field, even in an underprivileged environment. Our findings highlight the effectiveness of this training approach in empowering local researchers and bridging the bioinformatics gap in genomics surveillance of AMR in resource-constrained settings. Building human capacity for genomics research globally, and especially in resource-constrained settings, is imperative for ensuring global health and sustainable containment of AMR. Data summary The authors confirm that all supporting data, code and protocols have been provided within the article or through supplementary data files. Impact Statement Antimicrobial resistance (AMR) is a major global health threat, especially in Western sub-Saharan Africa, where 27.3 deaths per 100,000 lives occur. Genomics research play an instrumental role for understanding AMR’s emergence, spread, and containment measures. However, its implementation in these settings is challenging due to limited human capacity. A three-day bioinformatics workshop in Cameroon aimed to build human capacity for genomics research using web-based tools. Participants were introduced to next-generation sequencing concepts, data file formats, data sharing procedures, and web-based bioinformatics software for analysing genomic data. The workshop aimed to overcome limitations like inadequate infrastructure, computational resources, and expertise scarcity. The findings show the effectiveness of this training approach in empowering local researchers and bridging the bioinformatics gap in genomics surveillance of AMR in resource-constrained settings.
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 | 0,045 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,005 |
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 ».