Composite Genome Quality Index for Pathogenic Bacterial Genomes
Notice bibliographique
Résumé
High-quality bacterial genomes are essential for robust comparative genomics, reliable taxonomic assignment, and accurate pathogen and antimicrobial resistance (AMR) surveillance. Yet, public repositories still contain highly heterogeneous assemblies, and genome quality is often judged using single metrics in isolation. Here we develop an integrative Genome Quality Index (GQI) that combines four complementary metrics—including BUSCO single-copy completeness, contig number, N50, and unmapped read percentage—into a composite, interpretable score. We re-assembled and evaluated 474 pathogenic bacterial genomes submitted from South Korea using a standardized Illumina-based pipeline and validated the framework on an independent Enterobacteriaceae dataset (n = 5781). Species-level analyses and unsupervised clustering revealed pronounced variation in genome quality (one-way ANOVA, p < 1.05 × 10−33), with Cronobacter sakazakii and Listeria monocytogenes showing consistently high GQI scores, whereas Mycobacterium tuberculosis exhibited broad variability, including clear low-quality outliers. After log-transforming skewed variables, contig count and N50 remained strongly negatively correlated (r = −0.83), while BUSCO completeness showed moderate positive association with N50 and negative association with unmapped reads. GQI scores spanned 0.23–0.96, with most genomes clustering between 0.70 and 0.85. A Random Forest classifier trained on the four raw metrics predicted GQI-based quality tiers (low, medium, high) with 97% accuracy. From the top-decile genomes, we derived empirical thresholds like BUSCO ≥ 98.6%, contigs ≤ 30, N50 ≥ 1 Mb, and unmapped reads ≤ 0.82% that refine existing recommendations and provide actionable curation criteria. Our framework complements tools such as CheckM, gVolante, and Hybracter by offering a platform-agnostic composite scoring system that can be integrated into submission workflows and surveillance pipelines to systematically flag low-quality genomes and improve the reliability of microbial genomics.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».