Zeitschrift für Data Mining in Genomics & Proteomics

Abstrakt

Populationsanalyse bakterieller Proben zur individuellen Identifizierung in forensischen Anwendungen

John P. Jakupciak, Jeffrey M. Wells, Jeffrey S. Lin und Andrew B. Feldman

Die Vorbereitung auf die Bioabwehr beginnt mit der Fähigkeit, biologische Bedrohungen zu erkennen und darauf zu reagieren. Dies basiert auf der genauen Interpretation genetischer Informationen mit hochentwickelten, aber einfach zu verwendenden bioinformatischen Werkzeugen. Die mikrobielle Forensik ermöglicht darüber hinaus die Zuordnung von Proben mikrobieller Krankheitserreger zu einer vermuteten Quelle. Die Charakterisierung und Rückverfolgbarkeit von Proben bis zur Quelle hängt von der Genomidentifizierung spezifischer Ziele innerhalb der Proben, einer umfassenden Analyse vorhandener Populationsmischungen, der Erkennung größerer/kleinerer Abweichungen in den identifizierten Genomen und dem Vergleich des genetischen Profils der Probe mit anderen Proben ab. Kommerzielle Next Generation Sequencing (NGS)-Plattformen versprechen eine deutlich höhere Erkennungsempfindlichkeit und Auflösung forensischer DNA-Proben als mit derzeit verwendeten Methoden möglich ist. Bevor diese Technologien jedoch für die forensische Analyse bakterieller Proben eingesetzt werden, ist es wichtig, die Vorteile, Vorbehalte und Fallstricke von NGS für Hypothesentests in vergleichenden Analysen vollständig zu erläutern, da dies letztendlich für den Einsatz von NGS sowohl als Ermittlungsinstrument als auch für die Zuordnung vor Gericht erforderlich sein wird. Methoden: Wir haben neuartige probabilistische Algorithmen entwickelt und ausgewertet, um metagenomische Sequenzdaten aus der direkten Probensequenzierung zu verarbeiten und Genome in Mischungen zu identifizieren. Ergebnisse: Wir präsentieren eine Pipeline für referenzfreie Vergleiche von Probe zu Probe, um die Zielcharakterisierung über einen Mikroorganismus hinaus zur Charakterisierung umfassender Probeninhalte zu verbessern. Unsere Tools stärken die statistische Sicherheit, um die Herkunft von Proben nachzuverfolgen und Proben mit probabilistischen Gewissheiten für viele Ziele statt für ein einzelnes Genom einer Quelle zuzuordnen. Schlussfolgerung: Diese Studie entwickelte eine neuartige referenzfreie bioinformatische Strategie, um die genetische Vielfalt in Proben zu berücksichtigen und zu identifizieren. Sequenzvarianten müssen sowohl in Vorwärts- als auch in Rückwärtslesungen mit einer Rate über dem Hintergrundrauschpegel des Sequenzerfehlers willkürlich bestätigt werden. Eine Ähnlichkeitsdistanzmetrik vergleicht Genome innerhalb eines Bereichs naher Verwandtschaftsverhältnisse. Anhand von Sequenzdaten von Biobedrohungsstoffen konnten wir bekannte verwandte Stämme erfolgreich zusammenfassen und nahe Verwandtschaftsverhältnisse bekannter nicht verwandter Stämme ausschließen. Die größten Stärken dieser forensischen Methode liegen in der willkürfreien Bestimmung von Datenvalidierungs- und Verwandtschaftsmetriken sowie in der Möglichkeit, mikrobielle Genome mit oder ohne Referenzdatenbank verwandter Genome zu vergleichen.