公共鲍曼不动杆菌基因组与最低抑菌浓度（MIC）数据中adeIJK预测结果的 数据质量审计

《Diagnostic Microbiology and Infectious Disease》：A data-quality audit of adeIJK calls in public Acinetobacter baumannii genome–MIC data

　　

摘要

二值基因型–最低抑菌浓度（MIC）回归需要可观察的存在–缺失对比。我们在833条标记为鲍曼不动杆菌的公共记录中审计了来源身份、统一注释、位点完整性和二值变异。新的RGI/CARD注释在831/833条记录（99.76%）中判定adeIJK复合基因存在，该复合基因需要adeI、adeJ和adeK，包括全部826条参考一致记录。两次较早的空RGI输出解释了提交分析中从829/833的变化。位点审查将816条合格记录归类为"存在"，10条为"不确定"，在所有抗生素子集中均未确认"缺失"记录。adeIJK特异性的区间删失系数不可估计，因此未进行关联检验。核心SNP建模改变了MIC模型中的方差分配，而Mash核修复影响了条件设定。本单数据集审计说明了在二值基因型–MIC建模之前保留来源标识符、验证注释输出并解决不确定位点的必要性。

章节摘要

引言

鲍曼不动杆菌是一种医院病原体，碳青霉烯耐药菌株属于世界卫生组织关键优先组[1, 2, 3]。基因组与抗菌药物敏感性之间的可靠联系对于监测和研究至关重要。

公共基因组–MIC分析结合了来源标识符、注释和表型测量可能遵循不同惯例的记录。非标准元数据和分类学错误分类可能损害队列定义[4, 5]。

研究设计与不可变记录身份

本案例研究使用了833条标记为鲍曼不动杆菌的BV-BRC衍生基因组–MIC记录[17]。每条记录至少包含五种抗生素之一——亚胺培南、美罗培南、环丙沙星、阿米卡星或头孢他啶——的敏感性数据。由于原始数据库查询和检索日期不可用，无法重建抽样框架。因此，该队列被视为非概率性公共数据样本，而非估计人群患病率的基础。

每条记录均分配了

来源记录协调

全部833个source_record_id值唯一映射至一个FASTA文件和一个RGI输出文件对。存档映射为795条记录提供了组装或序列登录号。美国贡献了833条来源记录中的707条，以及826条参考一致记录中的702条。

冲突记录470.24260（德国）和470.2426（瑞典）具有不同的登录号和组装摘要。新的Mash距离为0.0199514；互逆平均核苷酸一致性（ANI）分别为97.893%和97.742%（均值97.818%）。两者的组装并不相同，

讨论

近乎普遍的注释判定和位点审查在参考一致队列中未留下任何确认的存在–缺失对比。因此，本研究关注特征构建和模型可识别性。历史回归模型每种抗生素仅使用了二至四条注释阴性记录，相关内容保留在附录L1中。

来源输出验证恢复了两条空注释。注释策略同样重要：所有当前复合基因均依赖于经调整的adeJ判定，尽管直接

结论

来源审计保留了833条不同记录。统一注释在831条记录中判定adeIJK存在；参考审查和位点审查在826条合格记录中识别出816条"存在"、10条"不确定"，且无确认的"缺失"状态。因此，二值系数不可估计。本审计说明了为什么在二值基因型–MIC回归之前必须解决记录身份、注释来源和位点可观察性问题。这些数据并不检验AdeIJK的生物学效应。

资助

本工作未获得特定资助。

伦理批准

本二次分析使用了公共细菌基因组和MIC元数据。不涉及前瞻性招募、干预或收集新的人类或动物样本。所提供的表格不包含直接个人标识符。

数据可用性

早期来源和处理证据版本已存档于https://doi.org/10.5281/zenodo.22037368和https://doi.org/10.5281/zenodo.22658484[25, 26]。当前修订版在补充表S1–S21、补充数据D1–D9及随附文件清单中单独记录。D7包含新来源输出，D8为核修复诊断，D9为核心SNP矩阵和零模型结果。早期仓库引用标识的是各自版本而非

代码可用性

补充数据D7提供了来源复现脚本、示例配置、原始输出和执行记录。D4包含特征门控代码，D8为核修复分析，D9为核心SNP矩阵及国家调整零模型脚本和执行命令。历史检查点工作流程需要原始外部清单和配置。所提供的文件记录了已完成的运行；未测试自包含安装。

生成式AI使用声明

在准备本工作期间，作者使用OpenAI Codex进行语言编辑、数据审计脚本编写和文档格式化。作者已审阅生成的文本和分析结果，并对科学内容和结论承担责任。

利益冲突：无利益冲突需要声明

作者贡献：Yong Yu Hu主导了研究设计、数据整理、分析和起草工作。Eng Hwa Wong、Hui Sin Lim、Priya Madhavan和Prabal Bhargava参与了结果解释和关键修订。所有作者均审阅并批准了最终手稿。

补充材料指南

补充表工作簿包含表S1–S21；表S21报告了核修复敏感性。补充数据D1–D7包含基础审计证据；D8提供核诊断数据，D9为核心SNP矩阵及国家调整零模型结果。方法M1定义了MIC编码和协方差分析。图S3和方法M2包含原正文比较器材料。附录L1及以L1_LEGACY_NOT_INFERENTIAL为前缀的文件将历史模型与当前证据区分开来。

CRediT作者贡献声明

Yong Yu Hu：撰写—原始草稿。Eng Hwa Wong：监督指导。Hui Sin Lim：资源支持。Priya Madhavan：正式分析。Prabal Bhargava：可视化。

Yong Yu Hu | Eng Hwa Wong | Hui Sin Lim | Priya Madhavan | Prabal Bhargava