MétaCan
Menu
Retour à la cohorte
Enregistrement W4408083924 · doi:10.1186/s44330-025-00024-9

RLB-MALBAC: a rapid, non-transposase method for synthesizing unbiased sequencing libraries from low amount of genomic DNA for Nanopore sequencing

2025· article· en· W4408083924 sur OpenAlexaff
Vijay Gadkar, David A. Goldfarb, Jonathan B. Gubbay, Peter Tilley

Notice bibliographique

RevueBMC Methods · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensB.C. Women's Hospital & Health CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNanopore sequencingTransposaseNanoporeDNA sequencingComputational biologygenomic DNADNABiologyGeneticsGenomeTransposable elementGeneNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Background Successful sequencing of genomes on Oxford Nanopore Technologies (ONT) sequencing platforms is dependant on obtaining sufficient amounts of high-quality genomic DNA. ONT’s Rapid PCR kit (SQK-RPB114.24) kit is specifically designed to address input template limitations, whereby low amounts of target DNA (1–5 ng) is pre-amplified to > 100–200 ng using PCR. The success of this workflow is however dependent on the quality of input DNA, which as per the SQK-RPB114.24 kit’s instructions, should be of length > 4 kb for an efficient tagmentation—a step pre-cursor to PCR amplification. Obtaining high quality, intact genomic DNA from clinical samples or viral genomes, can sometimes be challenging and this method seeks to address this limitation. Methods In this study, a novel non-tagmentation based method is presented to prepare sequencing libraries from low amounts of genomic DNA (< 5–100 ng). Our method, based on a quasilinear amplification method, the Multiple Annealing and Looping Based Amplification Cycles chemistry (MALBAC), randomly introduces a 21-nucleotide, PCR anchor (“RLB tag”), across the target. This method, henceforth referred to as RLB-MALBAC, results in the generation of RLB-tagged genomic libraries which are then compatible with the PCR dependent RLB-BC01-24 series barcodes of the SQK-RPB114.24 kit. Results The RLB-MALBAC method was used to sequence genomes from Escherichia coli bacteriophage lambda (48.5 kb) virus as well as clinically relevant bacteria (2–5 Mb genome range). To demonstrate one potential application of RLB-MALBAC, we tested the generated contigs for the presence of antimicrobial resistance (AMR) genes of the β-lactamase class. Using the Comprehensive Antibiotic Resistance Database (CARD) prediction tool, we found a 100% concordance between the β-lactamase genes predicted by RLB-MALBAC and the reference sequences (Illumina + Nanopore hybrid assemblies) for ATCC bacterial isolates. We also predicted resistance phenotypes from clinical bacterial isolates confirmed to carry β-lactamases. Discussion As the SQK-RPB114.24 kit is PCR dependent, a short read-length (2-3 kb) is expected using the RLB-MALBAC method, which is a major limitation of this workflow. The versatility and simplicity of the RLB-MALBAC method should find broad application in other areas of microbiology, for e.g., plasmid, viral and single cell genomics, where there may be need to amplify from limited amounts of genomic material.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,031
Tête enseignante GPT0,356
Écart entre enseignants0,326 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MethodsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207