MétaCan
Menu
Retour à la cohorte
Enregistrement W4403870935 · doi:10.1128/spectrum.02100-24

Real-time plasmid transmission detection pipeline

2024· article· en· W4403870935 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMicrobiology Spectrum · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Identification and Susceptibility Testing
Établissements canadiensnon disponible
Organismes subventionnairesQueensland University of TechnologyPublic Health AgencyPublic Health Agency of Canada
Mots-clésPlasmidNanopore sequencingPipeline (software)Computer scienceSoftwarePairwise comparisonBiologyTypingComputational biologyGenomeGeneticsArtificial intelligenceGeneOperating system

Résumé

récupéré en direct d'OpenAlex

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,152
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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