细菌种群中分层基因型和辅助基因组位点的启发式挖掘

公共卫生实验室和监管机构越来越多地使用细菌全基因组测序（WGS）作为常规监测和流行病学调查的基础，大大加强了病原体疫情调查^{1，2，3，4}。因此，大量去识别的WGS数据现已公开，可用于以前所未有的规模研究致病物种的种群生物学的各个方面，包括基于以下方面的研究：多个储层，地理区域和环境类型的种群结构，基因型频率和基因/等位基因频率⁵.最常用的WGS引导的流行病学调查基于仅使用共享核心基因组内容的分析，其中共享（保守）内容仅用于基因型分类（例如，变异呼叫），这些变异成为流行病学分析和追踪的基础^{1，2，6，7}.通常，基于细菌核心基因组的基因分型是使用7到几千个位点^8，9，10的多位点序列分型（MLST）方法进行的。这些基于MLST的策略包括将预组装或组装的基因组序列映射到高度策划的数据库，从而将等位基因信息组合成可重复的基因型单元，用于流行病学和生态学分析^11，12。例如，这种基于MLST的分类可以在两个分辨率水平上生成基因型信息：较低级别的序列类型（ST）或ST谱系（7个位点），以及更高级别的核心基因组MLST（cgMLST）变体（〜300-3，000个位点）¹⁰。

基于MLST的基因型分类在实验室之间具有可计算性和高度可重复性，使其被广泛接受为细菌物种水平^13，14以下的精确亚型方法。然而，细菌种群的结构具有物种特异性的不同程度的克隆性（即基因型同质性），基因型之间等级亲缘关系的复杂模式^15，16，17，以及辅助基因组内容分布的广泛差异^18，19.因此，一种更全面的方法超越了离散分类，进入了MLST基因型，并结合了不同分辨率下基因型的层次结构关系，以及将辅助基因组内容映射到基因型分类上，这有助于基于人群的推断^18，20，21.此外，分析还可以集中在偶异相关基因型^21，22中辅助基因组位点的共同遗传^模式上。总体而言，组合方法能够对种群结构与地理空间或环境梯度中特定基因组组成（例如，位点）的分布之间的关系进行不可知论的询问。这种方法可以产生关于特定种群生态特征的基本和实用信息，这些信息反过来又可以解释它们在水库（如食用动物或人类）中的向性和分散模式。

这种基于系统的分层人口导向方法需要大量的WGS数据，以获得足够的统计能力来预测可区分的基因组特征。因此，该方法需要一个能够同时处理数千个细菌基因组的计算平台。最近，ProkEvo被开发出来，是一个免费获得，自动化，便携式和可扩展的生物信息学平台，允许基于分层的综合细菌种群分析，包括泛基因组图谱²⁰。ProkEvo允许研究中大规模细菌数据集，同时提供一个框架来生成可测试且可推断的流行病学和生态假设以及可由用户自定义的表型预测。这项工作补充了该管道，提供了有关如何利用ProkEvo派生的输出文件作为分析和解释分层种群分类和辅助基因组挖掘的输入的指南。这里介绍的案例研究利用了 肠道沙门氏菌 谱系I人畜共患血清 S的种群。以纽波特为例，特别旨在为微生物学家，生态学家和流行病学家提供有关如何：i）使用自动化系统发育依赖性方法来绘制分层基因型的实用指南;ii）评估基因型的频率分布，作为评估生态适应性的代理;iii）使用独立的统计方法确定谱系特异性的克隆程度;iv）绘制谱系分化AMR位点，作为如何在种群结构背景下挖掘附属基因组内容的示例。更广泛地说，这种分析方法提供了一个可推广的框架，可以在一定规模上进行基于人群的基因组分析，无论目标物种如何，都可以用来推断进化和生态模式。