Real-time plasmid transmission detection pipeline
Notice bibliographique
Résumé
ABSTRACT The spread of antimicrobial resistance among bacteria by horizontal plasmid transmissions poses a major challenge for clinical microbiology. Here, we evaluate a new real-time plasmid transmission detection pipeline implemented in the SeqSphere + (Ridom GmbH, Münster, Germany) software. Within the pipeline, a local Mash plasmid database is created, and Mash searches with a distance threshold of 0.001 are used to trigger plasmid transmission early warning alerts (EWAs). Clonal transmissions are detected using core-genome multi-locus sequence typing allelic differences. The tools MOB-suite, NCBI AMRFinderPlus, CGE MobileElementFinder, pyGenomeViz, and MUMmer, integrated in SeqSphere+, are used to characterize plasmids and for visual pairwise plasmid comparisons, respectively. We evaluated the pipeline using published hybrid assemblies (Oxford Nanopore Technology/Illumina) of a surveillance and outbreak data set with plasmid transmissions. To emulate prospective usage, samples were imported in chronological order of sampling date. Different combinations of the user-adjustable parameters sketch size (1,000 vs 10,000) and plasmid size correction were tested, and discrepancies between resulting clusters were analyzed with Quast. When using a sketch size of 1,000 with size correction turned on, the SeqSphere + pipeline agreed with the published data and produced the same clonal and carbapenemase-carrying plasmid clusters. EWAs were in the correct chronological order. In summary, the developed pipeline presented here is suitable for integration into clinical microbiology settings with limited bioinformatics knowledge due to its automated analyses and alert system, which are combined with the GUI-based SeqSphere + platform. Thus, with its integrated sample database, (near) real-time plasmid transmission detection is within reach in bacterial routine-diagnostic settings when long-read sequencing is employed. IMPORTANCE Plasmid-mediated spread of antimicrobial resistance is a major challenge for clinical microbiology, and monitoring of potential plasmid transmissions is essential to combat further dissemination. Whole-genome sequencing is often used to surveil nosocomial transmissions but usually limited to the detection of clonal transmissions (based on chromosomal markers). Recent advances in long-read sequencing technologies enable full reconstruction of plasmids and the detection of very similar plasmids, but so far, easy-to-use bioinformatic tools for this purpose have been missing. Here, we present an evaluation of an innovative real-time plasmid transmission detection pipeline. It is integrated into the GUI-based SeqSphere + software, which already offers core-genome multi-locus sequence typing-based pathogen outbreak detection. It requires very limited bioinformatics knowledge, and its database, automated analyses, and alert system make it well suited for prospective clinical application.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,014 |
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 ».