Optimization of Metagenomic Next-Generation Sequencing Workflow with a Novel Host Depletion Method for Enhanced Pathogen Detection
Notice bibliographique
Résumé
INTRODUCTION: Sepsis is a critical condition requiring timely and accurate pathogen identification. Traditional blood cultures are slow and often yield low sensitivity. Metagenomic next-generation sequencing (mNGS) offers broad and rapid pathogen detection but is hindered by excessive human DNA background in blood samples. This study evaluated a novel Zwitterionic Interface Ultra-Self-assemble Coating (ZISC)-based filtration device designed to deplete host cells and enhance microbial DNA recovery for improved mNGS diagnostics. METHODS: We assessed the novel filter's performance in depleting white blood cells (WBCs) while preserving microbial integrity using spiked blood samples. Comparisons were made with other host depletion techniques, including differential lysis and CpG-methylated DNA removal. Analytical sensitivity was tested using spiked microbial communities at varying genome equivalents (GEs). Clinical validation involved eight blood culture-positive sepsis patient samples, processed with and without filtration, for both genomic DNA (gDNA) and cell-free DNA (cfDNA)-based mNGS. All libraries were sequenced on a NovaSeq600 with at least 10 million reads per sample. RESULTS: The novel filter achieved > 99% WBC removal across various blood volumes and allowed unimpeded passage of bacteria and viruses. Compared to other depletion methods, the novel filtration was more efficient, less labor-intensive, and preserved microbial reads. mNGS with filtered gDNA detected all expected pathogens in 100% (8/8) of clinical samples, with an average microbial read count of 9351 reads per million (RPM), over tenfold higher than unfiltered samples (925 RPM). In contrast, cfDNA-based mNGS showed inconsistent sensitivity and was not significantly enhanced by filtration (1251-1488 RPM). Finally, the novel filtration did not alter the microbial composition, making it suitable for accurate pathogen profiling. CONCLUSION: The workflow with the novel host depletion method significantly enhanced the analytical sensitivity of gDNA-based mNGS by reducing the host DNA background and enriching microbial content. This approach improved diagnostic yield in sepsis and may be a valuable tool for further clinical infectious disease diagnostics.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».