基于全基因组测序与机器学习的鸟分枝杆菌复合群标准化分类框架及鉴定工具开发

《Genome Medicine》：MAC-explorer: bridging genome-based taxonomy and an identification tool for the Mycobacterium avium complex

摘要

背景

鸟分枝杆菌复合群（MAC）包含基因亲缘关系密切的结核分枝杆菌外分枝杆菌，是全球范围内引起人类和动物感染的重要病原菌。全基因组测序（WGS）数据的不断增加为这些病原菌的基因组监测和谱系追踪提供了新的机遇。然而，MAC的分类学仍处于不稳定状态，种和亚种边界不一致，阻碍了基于基因组的可重复鉴定，从而 complicating 了诊断和抗菌管理。此外，WGS在临床和流行病学整合中的主要障碍之一是当前缺乏标准化且易于获取的鉴定工具，无法将复杂的基因组相似性转化为协调统一的分类学归属。

方法

我们利用成对平均核苷酸一致性（ANI）对2,737个MAC基因组进行了全面的计算机模拟分析。分别在95%和98%的ANI阈值上对种和亚种边界进行了统计学建模。开发了一个结合FastANI和dRep聚类的共识基因组框架。基于k-mer频率谱的机器学习分类器经过训练以重现基因组划分结果。

结果

共识别出15个种级聚类，与GTDB-Tk参考分类的吻合度达99.9%。在鸟分枝杆菌（M. avium）内部，亚种鸟分枝杆菌（subsp. avium）、亚种人畜共患（subsp. hominissuis）和亚种林栖（subsp. silvaticum）构成了单一的基因组连续体，而IS900阳性的鸟分枝杆菌亚种鸟分枝杆菌谱系副结核（paratuberculosis）虽保持独立，但尚未达到亚种级分化水平。在胞内分枝杆菌（M. intracellulare）内部，亚种嵌合体（subsp. chimaera）表现出深层内部结构，支持确认胞内分枝杆菌亚种永宗（M. intracellulare subsp. yongonense），而归于副胞内分枝杆菌（M. paraintracellulare）的基因组则聚集成簇于胞内分枝杆菌亚种胞内（subsp. intracellulare）中。多个名义种（M. bouchedurhonense、M. timonense）缺乏基因组一致性。MAC表现出开放式泛基因组特征（191,904个基因簇；通用核心基因仅占0.8%）。基于k-mer频率谱训练的机器学习分类器准确重现了全基因组划分结果，达到近乎完美的表现（Cohen's kappa = 0.994）。

结论

我们提供了一个标准化的、基于基因组的MAC分类框架，并将其实现于MAC-Explorer（https://mycobacteriaexplorer.fr），一个用于MAC自动鉴定的开放获取网络工具。通过整合基于k-mer的分类和插入序列筛选，MAC-Explorer能够提供可重复且协调一致的种级和谱系级归属结果，为基于基因组的MAC分离株鉴定和谱系追踪奠定了坚实基础。