NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma

Nalbantoglu, Ozkan Ufuk; Gundogdu, Aycan

NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma

Özkan Ufuk NALBANTOĞLU, (Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Kayseri, Türkiye)

Aycan GÜNDOĞDU (Erciyes Üniversitesi, Tıp Fakültesi, Tıbbi Mikrobiyoloji, Kayseri, Türkiye)

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi

10 0

Yıl: 2021 Cilt: 37 Sayı: 2 Sayfa Aralığı: 260 - 282 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma

Öz:

Bu çalışmada gerçek zamanlı DNA dizilemesi sağlayan, düşük maliyetli vetaşınabilir bir yeni nesil dizileme teknolojisi olan nanogözenek dizilemeteknolojisini kullanarak gerçek zamanlı ve düşük maliyetli patojen/etken tespitalgoritmaları sunulmaktadır. Çalışma kapsamında Oxford Nanopore MinION DNAdizileyicisi ile sekanslanan bakterileri gerçek zamanlı tanıyabilecek bilgi kuramıtemelli biyoinformatik teşhis algoritmaları geliştirilmiş ve performansları gerçekveri üzerinde test edilmiştir. Taksona özgü oligomer karakterizasyonunu sağlayanBağıl Bolluk Endeksleri (ing: Relative Abundance Index-RAI) ve nükleotid dizileriiçindeki korelasyonları ortaya seren Ortalama Karşılıklı Bilgi (OKB) yöntemi ile DNAkarakterizasyonu yapılarak patojen tanıma algoritmaları geliştirilmiştir. Tasarlanansimülasyonlar ile ortalama teşhis koyma süreleri ve doğrulukları hakkındakiistatistikler elde edilerek bu yönde oluşturulacak sistemlerin rutin kullanım içinfizibilitesi ortaya konmuştur. Önerilen OKB profili ve RAI tabanlı algoritmaların hızlıpatojen tanıma konusunda yeterli doğruluk seviyesinde ve kısa sürede tanımayapabilecek hızda olduğu ve mevcut programlarla rekabet edebilen performanstaolduğu nanogözenek dizilemesi yapılan patojen paneli üzerinde gösterilmiştir.Geliştirilen yöntem kısıtlı bir patojen paneli üzerinde etkinlik göstermektedir; busebeple geniş çaplı kullanım için daha ileri çalışmaların yürütülmesi gerekmektedir.

Anahtar Kelime: Yeni nesil dizileme Nanogözenek dizileme Hızlı patojen tanıma Biyoinformatik Makine öğrenme

Konular: Mühendislik, Biyotıp Mikrobiyoloji Biyoteknoloji ve Uygulamalı Mikrobiyoloji

Rapid Pathogen Detection Algorithms for Nanopore DNA Sequencing

Öz:

In this work, real-time and cost effective pathogen detection algorithms for low-cost, real-time nanopore DNA sequencing technology are proposed. Information theory-based bioinformatics detection algorithms that can recognize the bacterial species in DNA data generated by the current nanopore sequencing technology, Oxford Nanopore MinION sequencer, were developed and tested on real-data. Novel pathogen recognition algorithms were developed based on Relative Abundance Index (RAI), which characterizes taxon-specific oligomer preferences, and also based on Average Mutual Information (AMI), which reveals the correlations within nucleotide sequences. The simulations were designed to reveal the statistics on mean detection durations and accuracies of the detection algorithms. This provided know-how on the feasibility of routine usage of the systems developed on these principles. The proposed algorithms those are based AMI and RAI based detection systems were observed to be sufficiently accurate and rapid for pathogen detection on the selected pathogen panel being competitive with state-of-the-art. While the method operates on a limited panel, further studies are needed to broaden the use cases.

Anahtar Kelime:

Konular: Mühendislik, Biyotıp Mikrobiyoloji Biyoteknoloji ve Uygulamalı Mikrobiyoloji

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

[1] Spížek J., Novotná J., Rezanka T., Demain A. L. 2010. Do we need new antibiotics? The search for new targets and new compounds. J. Ind. Microbiol. Biotechnol., 37, 1241–1248.
[2] Fauci A. S., Touchette N. A., Folkers G. K. 2005. Emerging infectious diseases: a 10-year perspective from the National institute of allergy and infectious diseases. Emerging Infect. Dis. 11, 519–525.
[3] Maurer, J. J. 2011. Rapid detection and limitations of molecular techniques. Annual Review of Food Science and Technology, 2, 259-279.
[4] Lazcka, O., Del Campo, F. J., Munoz, F. X. 2007. Pathogen detection: A perspective of traditional methods and biosensors. Biosensors and bioelectronics, 22(7), 1205-1217.
[5] Erlich Y. 2015. A vision for ubiquitous sequencing. Genome Res., 25, 1411-1416.
[6] Stoddart D., Heron A. J., Mikhailova E. vd. 2009. Single-Nucleotide Discrimination in Immobilized DNA Oligonucleotides with a Biological Nanopore. Proceedings of the National Academy of Sciences of the United States of America, 106, 7702–7707.
[7] Kasianowicz J. J, Brandin E., Branton D., Deamer D. W. 1996. Characterization of individual polynucleotide molecules using a membrane chanel. Proc Natl Acad Sci, 93(24), 13770–13773.
[8] Quick J., Quinlan A., Loman N. 2014. A reference bacterial genome dataset generated on the MinION(TM) portable single-molecule nanopore sequencer. GigaScience, 3:22.
[9] Loman N. J., Quick J., Simpson J. T. 2015. A complete bacterial genome assembled de novo using only nanopore sequencing data. Nat. Methods, 12, 733–735.
[10] Mikheyev A. S., Tin M. M. 2014. A first look at the Oxford Nanopore MinION sequencer. Mol. Ecol. Resour., 14, 1097–1102.
[11] Greninger A. L., vd. 2015. Rapid metagenomic identification of viral pathogens in clinical samples by real-time nanopore sequencing analysis. Genome Medicine, 7 (1), 99.
[12] Bull, R. A., Adikari, T. N., Ferguson, J. M., Hammond, J. M., Stevanovski, I., Beukers, A. G., Deveson, I. W. 2020. Analytical validity of nanopore sequencing for rapid SARS-CoV-2 genome analysis. Nature communications, 11(1), 1-8.
[13] Li, J., Wang, H., Mao, L., Yu, H., Yu, X., Sun, Z., Wang, X. 2020. Rapid genomic characterization of SARS-CoV-2 viruses from clinical specimens using nanopore sequencing. Scientific Reports, 10(1), 1-10.
[14] Kielbasa S. M, Wan R., Sato K., Horton P., Frith M. C. 2011. Adaptive seeds tame genomic sequence comparison. Genome Res., 21(3), 487–93.
[15] Madoui M. A., Engelen S., Cruaud C., Belser C., Bertrand L., Alberti A., vd. 2015. Genome assembly using Nanopore-guided long and error-free DNA reads. BMC Genom., 16:327.
[16] Wang J., Moore N., Deng Y., Eccles D., Hall R. 2015. MinION nanopore sequencing of an influenza genome. Front Microbiol, 6: 766.
[17] Karlsson E., Lärkeryd A., Sjödin A., vd. 2015. Scaffolding of a bacterial genome using MinION nanopore sequencing. Sci Rep., 5: 11996.
[18] Judge K., Harris S. R., Reuter S., Parkhill J., Peacock S. J. 2015. Early insights into the potential of the Oxford Nanopore MinION for the detection of antimicrobial resistance genes. J. Antimicrob. Chemother., 70, 2775– 2778.
[19] Risse J., Thomson M., Blakely G., Koutsovoulos G., Blaxter M., Watson M. 2015. A single chromosome assembly of Bacteroides fragilis strain BE1 from illumina and MinION nanopore sequencing data. BioRxiv, 024323.
[20] Jain M. vd., 2015. Improved data analysis for the MinION nanopore sequencer. Nat. Methods, 12, 351–356.
[21] Nalbantoglu O. U., Sayood K. 2011. Computational Genomics Signatures. Synthesis Lectures on Biomedical Engineering, 6(2), 1-129. Morgan-Claypool Publishers, 129 sayfa.
[22] Brady S. S. vd. 2009. Phymm and PhymmBL: metagenomic phylogenetic classification with interpolated markov models. Nat Methods, 6, 673–676.
[23] Nalbantoglu O. U., 2011. Computational Genomic Signatures and Metagenomics. Ph.D. Dissertation, University of Nebraska-Lincoln, 201 s, Lincoln, Nebraska, ABD.
[24] Otu H., Sayood K. 2003. A divide and conquer approach to sequence assembly. Bioinformatics, 19, 22–29.
[25] Bauer M., Schuster S. M., Sayood K. 2008. The average mutual information profile as a genomic signature. BMC Bioinformatics, 9, p. 48.
[26] Nalbantoglu O. U., Way S., Hinrichs S., Sayood K. 2011.“RAIphy: Phylogenetic classification of metagenomics samples using iterative refinement of relative abundance index profiles. BMC Bioinformatics, 12(41).
[27] Bazinet A. L., Cummings M. P. 2012. A comparative evaluation of sequence classification programs. BMC Bioinformatics 13: 92.
[28] Rish I. 2001. An empirical study of the naive Bayes classifier”, IJCAI Workshop on Empirical Methods in AI. 4- 6 Ağustos 2001, Seattle, ABD. Vol. 3, No. 22, pp. 41-46.
[29] Vapnik, V. 1995. Support-vector networks. Machine Learning. 20 (3): 273–297
[30] Altman, N. S. 1992. An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician. 46 (3): 175–185.
[31] Utgoff, P. E., 1989. Incremental induction of decision trees. Machine learning, 4(2), 161-186.
[32] Leo B., 2001. Random Forests. Machine Learning. 45 (1): 5–32.
[33] Li, H., 2016. Minimap and miniasm: fast mapping and de novo assembly for noisy long sequences. Bioinformatics, 32(14), 2103-2110.
[34] Wood, D. E., Salzberg, S. L., 2014. Kraken: ultrafast metagenomic sequence classification using exact alignments. Genome biology, 15(3), R46.
[35] Hayden E. C. 2015. Pint-sized DNA sequencer impresses first users. Nature 521, 15–16.
[36] Feng Y., Zhang Y., Ying C., Wang D., Du C. 2015. Nanopore-based fourth-generation DNA sequencing technology. Genomics Proteomics Bioinformatics, 13, 4–16.

APA	Nalbantoglu O, Gundogdu A (2021). NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. , 260 - 282.
Chicago	Nalbantoglu Ozkan Ufuk,Gundogdu Aycan NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. (2021): 260 - 282.
MLA	Nalbantoglu Ozkan Ufuk,Gundogdu Aycan NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. , 2021, ss.260 - 282.
AMA	Nalbantoglu O,Gundogdu A NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. . 2021; 260 - 282.
Vancouver	Nalbantoglu O,Gundogdu A NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. . 2021; 260 - 282.
IEEE	Nalbantoglu O,Gundogdu A "NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma." , ss.260 - 282, 2021.
ISNAD	Nalbantoglu, Ozkan Ufuk - Gundogdu, Aycan. "NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma". (2021), 260-282.

APA	Nalbantoglu O, Gundogdu A (2021). NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 37(2), 260 - 282.
Chicago	Nalbantoglu Ozkan Ufuk,Gundogdu Aycan NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 37, no.2 (2021): 260 - 282.
MLA	Nalbantoglu Ozkan Ufuk,Gundogdu Aycan NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol.37, no.2, 2021, ss.260 - 282.
AMA	Nalbantoglu O,Gundogdu A NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2021; 37(2): 260 - 282.
Vancouver	Nalbantoglu O,Gundogdu A NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2021; 37(2): 260 - 282.
IEEE	Nalbantoglu O,Gundogdu A "NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma." Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 37, ss.260 - 282, 2021.
ISNAD	Nalbantoglu, Ozkan Ufuk - Gundogdu, Aycan. "NanoTAX: Nanogözenek DNA Dizileme Verisi Üzerinden Hızlı Patojen Tanıma". Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 37/2 (2021), 260-282.