基于基因组数据分析的细菌耐药基因识别与表型预测

利用基因组数据和生物信息学分析方法,快速鉴定耐药基因并预测耐药表型,为细菌耐药状况监测提供了有力辅助手段。目前,已有的数十个耐药数据库及其相关分析工具这些资源为细菌耐药基因的识别以及耐药表型的预测提供了数据信息和技术手段。随着细菌基因组数据的持续增加以及耐药表型数据的不断积累,大数据和机器学习能够更好地建立耐药表型与基因组信息之间的相关性,因此,构建高效的耐药表型预测模型成为研究热点。本文围绕细菌耐药基因的识别和耐药表型的预测,针对耐药相关数据库、耐药特征识别理论与方法、耐药数据的机器学习与表型预测等方面展开讨论,以期为细菌耐药的相关研究提供手段和思路。

沙门氏菌泛耐药基因组特征分析

【目的】分析沙门氏菌的泛耐药基因组特征。【方法】以EnteroBase数据库中16365株沙门氏菌为对象,利用课题组自主研发的泛耐药基因组分析软件(PRAP),进行泛耐药基因组结构的鉴定,通过曼-惠特尼秩和检验和皮尔逊检验,来分析耐药基因与血清型、序列型(sequence type,ST)及分离株样本来源信息间的相关性。【结果】沙门氏菌共有104种耐药基因,其中核心耐药基因18种,附属耐药基因86种,且沙门氏菌拥有一个开放型的泛耐药基因组;相同的血清型(或ST型)有相似的耐药基因谱,不同血清型(或ST型)间耐药基因的分布差异显著(P<0.05),耐药基因与样本来源、分离国家及年份间也存在一定的相关性;在测试的23种获得性耐药基因中,43.48%(10/23)的占比逐年升高,73.91%(17/23)以单一亚型为优势。【结论】利用PRAP软件分析获得的这些结果揭示了近年来沙门氏菌耐药基因的时空分布规律,为沙门氏菌等食源性致病菌耐药性的研究提供了新思路。

响应面法筛选及优化嗜热链球菌GABA冻干保护剂

通过Plackett-Burman试验设计,评估了脱脂乳、海藻糖、谷氨酸钠、蔗糖、山梨醇和明胶6种因素对嗜热链球菌GABA的冻干存活的影响。结果表明:脱脂乳、海藻糖和谷氨酸钠是对嗜热链球菌GABA影响最大的3种因素,并采用最陡爬坡试验和Box-Behnken响应面试验确定保护剂的最优水平。通过对响应面的分析和回归方程的求解,保护剂的最佳组合为:脱脂乳浓度9.3%,海藻糖浓度9%,谷氨酸钠浓度2.47%。在此条件下,嗜热链球菌GABA的冻干存活率达到92.41%。