Phylogeny-aided detection of contamination in nearly 5 million SARS-CoV-2 genomes
Die Studie stellt PhyCD vor, ein phylogeniegestütztes computergestütztes Werkzeug, das nahezu 5 Millionen SARS-CoV-2-Genome analysierte, um über 10.000 Kontaminationsereignisse zu identifizieren und nahezu 65.000 fehlerhafte Substitutionen zu maskieren, wodurch die Zuverlässigkeit nachgeschalteter Analysen zur Pathogen-Evolution und -Übertragung verbessert wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel zu lösen, indem Sie das einzige, perfekte Tagebuch lesen, das ein Verdächtiger hinterlassen hat. In der Welt der Wissenschaft ist dieses Tagebuch ein Genom, eine gewaltige Bedienungsanleitung, die in einem Code aus vier Buchstaben (A, C, G und T) geschrieben ist und einem Lebewesen sagt, wie es sich selbst aufbaut. Wenn Wissenschaftler Viren wie SARS-CoV-2 untersuchen, sequenzieren sie Millionen dieser „Tagebücher“, um zu verfolgen, wie die Virus sich verändert, ausbreitet und im Laufe der Zeit entwickelt. Das ist so, als würde man Millionen von Kopien desselben Buches lesen, um winzige Tippfehler zu entdecken, die ein neues Kapitel in der Geschichte der Pandemie offenbaren.
Es gibt jedoch ein kniffliges Problem: Manchmal werden zwei verschiedene Tagebücher versehentlich in dasselbe Notizbuch gemischt. Dies wird als Kontamination bezeichnet. Wenn ein Wissenschaftler ein Tagebuch von Person A liest, aber einige Seiten aus dem Tagebuch von Person B darin stecken geblieben sind, wird die daraus resultierende Geschichte zu einem verwirrenden Hybrid. Es könnte so aussehen, als hätte das Virus plötzlich eine völlig neue Superkraft erfunden oder wäre auf einen neuen Ast des Stammbaums gesprungen, obwohl es sich in Wirklichkeit nur um ein unordentliches Durcheinander handelte. Eine weitere Komplikation ist der Amplikon-Dropout. Stellen Sie sich vor, Sie versuchen, ein Buch zu fotokopieren, aber der Kleber am Buchrücken ist klebrig, sodass der Kopierer ein ganzes Kapitel überspringt. Wenn das „Kapitel“ des Hauptvirus übersprungen wird, aber ein winziger Teil des „Kapitels“ des Kontaminanten kopiert wird, sieht die fertige Geschichte völlig falsch aus. Wissenschaftler benötigen eine Möglichkeit, diese unordentlichen Vermischungen zu erkennen und die Geschichte zu korrigieren, bevor sie versuchen, die Zukunft des Virus vorherzusagen.
Hier kommt ein neues Werkzeug namens PhyCD (Phylogeny-aided Contamination Detection) ins Spiel, das von einem Forscherteam entwickelt wurde, um fast 5 Millionen SARS-CoV-2-Genome zu bereinigen. Denken Sie an den Stammbaum der Virusfamilie als eine riesige, weitläufige Karte einer Stadt, in der jedes Gebäude eine Virusprobe ist. Normalerweise passt eine Virusprobe ordentlich in ein bestimmtes Viertel. Aber wenn eine Probe kontaminiert ist, sieht sie aus wie ein Gebäude, das zufällig auf eine andere Straße geklebt wurde, weit weg von dort, wo es hingehört. Die Forscher nutzten PhyCD, um fast 5 Millionen Genome zu scannen und nach diesen „aufgeklebten“ Gebäuden zu suchen. Sie fanden heraus, dass etwa 10.942 Proben verdächtig waren. Durch das Maskieren (oder Verbergen) der unordentlichen Teile des Genoms, in denen die Kontamination wahrscheinlich stattfand, konnten sie die Probe zurück an ihren korrekten Platz im Stammbaum führen.
Das Team stellte fest, dass diese Kontaminationsereignisse zwar selten sind – sie treten bei nur etwa 0,1 % der überprüften Proben auf – aber die schiere Anzahl der sequenzierten Viren bedeutet, dass tausende Genome potenziell eine falsche Geschichte erzählen. Als sie ihre Reinigungsmethode anwandten, stellten sie fest, dass sie erfolgreich über 64.000 „Tippfehler“ (Substitutionen) entfernte, die zu falschen Schlussfolgerungen darüber geführt hätten, wie sich das Virus entwickelt. Interessanterweise fanden die Forscher auch heraus, dass ihre Methode manchmal Proben markierte, die gar nicht kontaminiert waren (etwa die Hälfte der markierten Proben waren „Fehlalarme“), aber sie entschieden, dass es besser ist, auf Nummer sicher zu gehen, als nach dem Motto „Lieber sicher als unvorsichtig“ zu handeln. Es ist besser, ein paar echte Seiten eines Tagebuchs zu verbergen, um sicherzustellen, dass der Rest der Geschichte korrekt ist, als zuzulassen, dass eine unordentliche Vermischung die gesamte Untersuchung verwirrt.
Das Paper legt nahe, dass dieser Ansatz ein leistungsstarkes Mittel ist, um die genomische Überwachung sauber zu halten, insbesondere beim Umgang mit der massiven Datenmenge, die während einer Pandemie generiert wird. Die Autoren weisen jedoch vorsichtig darauf hin, dass sie das Problem der Kontamination nicht für immer „gelöst“ haben; vielmehr haben sie einen hocheffektiven Filter gebaut, der andeutet, welche Proben eine zweite Betrachtung benötigen. Sie weisen auch darauf hin, dass ihre Methode darauf basiert, einen riesigen, zuverlässigen Stammbaum zum Vergleich zu haben, was für SARS-CoV-2 hervorragend funktioniert, aber für andere Viren, für die noch nicht so viele Daten verfügbar sind, schwieriger sein könnte. Letztendlich fungiert PhyCD wie ein wachsamer Lektor, der sicherstellt, dass die Millionen von Virusgeschichten, die wir lesen, so wahrheitsgetreu wie möglich sind und verhindert, dass wir die falschen Schlüsse über den nächsten Schritt des Virus ziehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.