文献解读 -Profiling SARS-CoV-2 mutation fingerprints that range from the viral pangenome to individual infection quasispecies

简介: 研究者对病毒突变谱进行了分析,为遗传指纹提供了基础。该研究将泛基因组分析与有针对性的深度测序SARS-CoV-2临床样本联系起来,确定了个体患者体内发生的准物种突变,并与超过70,000种其他菌株相比确定了它们的一般患病率。对这些遗传指纹的分析可以提供一种进行分子接触追踪的方法。

文献解读-Epidemiology.png

关键词:流行病学;基因测序;变异检测;


文献简介

  • 标题(英文):Profiling SARS-CoV-2 mutation fingerprints that range from the viral pangenome to individual infection quasispecies
  • 标题(中文):剖析从病毒泛基因组到单个感染类群的 SARS-CoV-2 变异指纹图谱
  • 发表期刊:Genome Medicine
  • 作者单位:斯坦福大学医学院等
  • 发表年份:2021
  • 文章地址:https://doi.org/10.1186/s13073-021-00882-2

4.png

图1 文献简介

由于RNA依赖性RNA聚合酶产生的错误,SARS-CoV-2的基因组在病毒复制过程中容易受到突变的影响。这些突变使SARS-CoV-2能够进化成新的毒株。病毒准物种来自个体患者发生的新发突变。结合这些病毒突变集,提供了独特的遗传指纹,揭示了传播模式,并在接触者追踪中具有实用性。


测序流程

在临床样本数据分析部分,研究者使用Sentieon软件进行去重复、INDEL重比对、BQSR及使用Sentieon Haplotyper模块进行突变检测。

1.png

图2 sentieon的作用

2.jpg

图3 通过泛基因组分析识别人群水平的SARS-CoV-2毒株和低频率准物种的框架

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。 截至2023年3月份,Sentieon已经在全球范围内为1300+用户提供服务,被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用,引用次数超过700篇。此外,Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠,在业内获得广泛认可。


文献讨论

3.png

图4 文献讨论

这项研究开发了一种基于k-mer分析的方法来识别SARS-CoV-2的关键序列区域和突变。研究人员利用这种方法开发了一种高灵敏度的靶向测序方法,可用于识别患者中独特的病毒遗传指纹。这种方法有助于分子接触追踪和理解病毒传播方式。研究还强调了SARS-CoV-2测序项目在监测病毒进化模式方面的重要性,特别是在新型毒株(如B.1.1.7谱系)出现的背景下。这种方法可以在个体和群体水平上提供有关病毒进化和传播的宝贵信息。


总结

综上所述,研究者对病毒突变谱进行了分析,为遗传指纹提供了基础。该研究将泛基因组分析与有针对性的深度测序SARS-CoV-2临床样本联系起来,确定了个体患者体内发生的准物种突变,并与超过70,000种其他菌株相比确定了它们的一般患病率。对这些遗传指纹的分析可以提供一种进行分子接触追踪的方法。

目录
相关文章
|
6月前
|
机器学习/深度学习 存储 PyTorch
Pytorch中in-place操作相关错误解析及detach()方法说明
Pytorch中in-place操作相关错误解析及detach()方法说明
340 0
|
1月前
|
编解码 人工智能 文件存储
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器,通过引入可训练的免费技术包和优化的网络架构,显著提高了检测精度,同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略,有效提升了模型性能。实验结果显示,YOLOv7在速度和准确性上超越了其他目标检测器。
47 0
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
|
3月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-算法】Memory augmented echo state network for time series prediction
本文介绍了一种记忆增强的回声状态网络(MA-ESN),它通过在储层中引入线性记忆模块和非线性映射模块来平衡ESN的记忆能力和非线性映射能力,提高了时间序列预测的性能,并在多个基准数据集上展示了其优越的记忆能力和预测精度。
30 3
【博士每天一篇文献-算法】Memory augmented echo state network for time series prediction
yolov8在进行目标追踪时,model.track()中persist参数的含义
yolov8在进行目标追踪时,model.track()中persist参数的含义
|
机器学习/深度学习 算法
少样本学习系列(三)【Optimization-Based Methods】
少样本学习系列(三)【Optimization-Based Methods】
144 0
SAP QM初阶执行事务代码QDB1,报错- Sampling procedure NM000001 has no sampling scheme-
SAP QM初阶执行事务代码QDB1,报错- Sampling procedure NM000001 has no sampling scheme-
SAP QM初阶执行事务代码QDB1,报错- Sampling procedure NM000001 has no sampling scheme-
|
传感器 机器学习/深度学习 监控
慢特征分析(Slow Feature Analysis,SFA)算法
慢特征分析(Slow Feature Analysis,SFA)算法
慢特征分析(Slow Feature Analysis,SFA)算法
|
存储 关系型数据库 Go
PostgreSQL 11 内核优化 - 降低vacuum cleanup阶段index scan概率 ( vacuum_cleanup_index_scale_factor , skip index vacuum cleanup stage)
PostgreSQL 11 内核优化 - 降低vacuum cleanup阶段index scan概率 ( vacuum_cleanup_index_scale_factor , skip index vacuum cleanup stage)
1267 0