Heuristisches Mining von hierarchischen Genotypen und akzessorischen Genomloci in Bakterienpopulationen

Die zunehmende Verwendung der bakteriellen Sequenzierung des gesamten Genoms (WGS) als Grundlage für die routinemäßige Überwachung und epidemiologische Untersuchung durch Laboratorien und Regulierungsbehörden des öffentlichen Gesundheitswesens hat die Untersuchungen von Krankheitserregern erheblich verbessert 1,2,3,4. Infolgedessen sind große Mengen anonymisierter WGS-Daten nun öffentlich verfügbar und können verwendet werden, um Aspekte der Populationsbiologie pathogener Arten in einem beispiellosen Umfang zu untersuchen, einschließlich Studien auf der Grundlage von: Populationsstrukturen, Genotyphäufigkeiten und Gen- / Allelhäufigkeiten über mehrere Reservoirs, geografische Regionen und Umgebungstypen^{hinweg 5} . Die am häufigsten verwendeten WGS-geführten epidemiologischen Untersuchungen basieren auf Analysen, die nur den gemeinsamen Kerngenomgehalt verwenden, wobei der gemeinsame (konservierte) Inhalt allein für die genotypische Klassifikation (z. B. Variantenaufruf) verwendet wird, und diese Varianten werden zur Grundlage für die epidemiologische Analyse und Rückverfolgung 1,2,6,7 . Typischerweise wird die bakterielle Kerngenom-basierte Genotypisierung mit Multi-Locus-Sequenztypisierung (MLST) unter Verwendung von sieben bis einigen tausend Loci ^8,9,10 durchgeführt. Diese MLST-basierten Strategien umfassen die Kartierung vormontierter oder assemblierter genomischer Sequenzen auf hochkuratierte Datenbanken, wodurch allelische Informationen zu reproduzierbaren genotypischen Einheiten für die epidemiologische und ökologische Analyse kombiniert^{werden 11,12}. Zum Beispiel kann diese MLST-basierte Klassifikation genotypische Informationen auf zwei Auflösungsebenen generieren: Sequenztypen auf niedrigerer Ebene (STs) oder ST-Linien (7 Loci) und MLST-Varianten (cgMLST) auf höherer Ebene (~ 300-3.000 Loci)¹⁰.

Die MLST-basierte genotypische Klassifikation ist rechnerisch tragbar und zwischen Labors hochgradig reproduzierbar, was sie weithin als genauen Subtypisierungsansatz unterhalb der Bakterienartenebene^13,14 akzeptiert. Bakterienpopulationen sind jedoch mit artspezifischen unterschiedlichen Klonalitätsgraden (d. h. genotypischer Homogenität), komplexen Mustern hierarchischer Verwandtschaft zwischen den Genotypen 15,16,17 und einer breiten Palette von Variationen in der Verteilung des akzessorischen genomischen Inhalts strukturiert ^18,19 . Daher geht ein ganzheitlicherer Ansatz über diskrete Klassifikationen in MLST-Genotypen hinaus und umfasst die hierarchischen Beziehungen von Genotypen auf verschiedenen Auflösungsskalen sowie die Abbildung des akzessorischen genomischen Inhalts auf genotypische Klassifikationen, was eine populationsbasierte Inferenz erleichtert 18,20,21 . Darüber hinaus können sich die Analysen auch auf gemeinsame Vererbungsmuster akzessorischer genomischer Loci bei selbst entfernt verwandten Genotypen^{konzentrieren 21,22}. Insgesamt ermöglicht der kombinierte Ansatz eine agnostische Abfrage von Beziehungen zwischen der Populationsstruktur und der Verteilung spezifischer genomischer Zusammensetzungen (z. B. Loci) zwischen Geo- oder Umweltgradienten. Ein solcher Ansatz kann sowohl grundlegende als auch praktische Informationen über die ökologischen Eigenschaften bestimmter Populationen liefern, die wiederum ihren Tropismus und ihre Ausbreitungsmuster über Stauseen wie Futtertiere oder Menschen erklären können.

Dieser systembasierte hierarchische populationsorientierte Ansatz erfordert große Mengen an WGS-Daten für eine ausreichende statistische Aussagekraft, um unterscheidbare genomische Signaturen vorherzusagen. Folglich erfordert der Ansatz eine Rechenplattform, die in der Lage ist, viele Tausende von bakteriellen Genomen gleichzeitig zu verarbeiten. Vor kurzem wurde ProkEvo entwickelt und ist eine frei verfügbare, automatisierte, tragbare und skalierbare Bioinformatik-Plattform, die integrative hierarchisch basierte Bakterienpopulationsanalysen, einschließlich pangenomischer Kartierung²⁰, ermöglicht. ProkEvo ermöglicht die Untersuchung von mittelgroßen bis großen bakteriellen Datensätzen und bietet gleichzeitig einen Rahmen für die Erstellung überprüfbarer und inferiierbarer epidemiologischer und ökologischer Hypothesen und phänotypischer Vorhersagen, die vom Benutzer angepasst werden können. Diese Arbeit ergänzt diese Pipeline durch die Bereitstellung eines Leitfadens zur Verwendung von ProkEvo-abgeleiteten Ausgabedateien als Input für Analysen und Interpretationen hierarchischer Populationsklassifikationen und des akzessorischen genomischen Minings. Die hier vorgestellte Fallstudie verwendete die Population der Salmonella enterica-Linie I zoonotischer Serovar S. Newport als Beispiel und zielte speziell darauf ab, praktische Richtlinien für Mikrobiologen, Ökologen und Epidemiologen bereitzustellen, wie: i) einen automatisierten phylogenieabhängigen Ansatz zur Abbildung hierarchischer Genotypen zu verwenden; ii) die Häufigkeitsverteilung von Genotypen als Proxy für die Bewertung der ökologischen Eignung zu bewerten; iii) Bestimmung der linienspezifischen Klonalitätsgrade unter Verwendung unabhängiger statistischer Ansätze; und iv) abbilden liniendifferenzierende AMR-Loci als Beispiel dafür, wie akzessorische genomische Inhalte im Kontext der Populationsstruktur abgebaut werden können. Im weiteren Sinne bietet dieser analytische Ansatz einen verallgemeinerbaren Rahmen für die Durchführung einer populationsbasierten genomischen Analyse in einem Maßstab, der verwendet werden kann, um evolutionäre und ökologische Muster unabhängig von der Zielart abzuleiten.