Genomic Variation across a Clinical Cryptococcus Population Linked to Disease Outcome
Notice bibliographique
Résumé
Cryptococcus neoformans is the causative agent of cryptococcosis, a disease with poor patient outcomes that accounts for approximately 180,000 deaths each year. Patient outcomes may be impacted by the underlying genetics of the infecting isolate; however, our current understanding of how genetic diversity contributes to clinical outcomes is limited. Here, we leverage clinical, in vitro growth and genomic data for 284 C. neoformans isolates to identify clinically relevant pathogen variants within a population of clinical isolates from patients with human immunodeficiency virus (HIV)-associated cryptococcosis in Malawi. Through a genome-wide association study (GWAS) approach, we identify variants associated with the fungal burden and the growth rate. We also find both small and large-scale variation, including aneuploidy, associated with alternate growth phenotypes, which may impact the course of infection. Genes impacted by these variants are involved in transcriptional regulation, signal transduction, glycosylation, sugar transport, and glycolysis. We show that growth within the central nervous system (CNS) is reliant upon glycolysis in an animal model and likely impacts patient mortality, as the CNS yeast burden likely modulates patient outcome. Additionally, we find that genes with roles in sugar transport are enriched in regions under selection in specific lineages of this clinical population. Further, we demonstrate that genomic variants in two genes identified by GWAS impact virulence in animal models. Our approach identifies links between the genetic variation in C. neoformans and clinically relevant phenotypes and animal model pathogenesis, thereby shedding light on specific survival mechanisms within the CNS and identifying the pathways involved in yeast persistence. IMPORTANCE Infection outcomes for cryptococcosis, most commonly caused by C. neoformans, are influenced by host immune responses as well as by host and pathogen genetics. Infecting yeast isolates are genetically diverse; however, we lack a deep understanding of how this diversity impacts patient outcomes. To better understand both clinical isolate diversity and how diversity contributes to infection outcomes, we utilize a large collection of clinical C. neoformans samples that were isolated from patients enrolled in a clinical trial across 3 hospitals in Malawi. By combining whole-genome sequence data, clinical data, and in vitro growth data, we utilize genome-wide association approaches to examine the genetic basis of virulence. Genes with significant associations display virulence attributes in both murine and rabbit models, demonstrating that our approach can identify potential links between genetic variants and patho-biologically significant phenotypes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».