K-MARVEL：基于K-Mer的抗菌耐药性虚拟探究实验室

《Nature Communications》：K-MARVEL: K-Mer-based antimicrobial resistance virtual exploration lab

　　

摘要

抗菌素耐药性（AMR）的快速传播需要新的计算监控工具。目前用于分析下一代测序数据的方法存在一定的局限性：基于组装的方法计算成本较高，而直接进行长读长序列映射则受高错误率的阻碍，这些错误率会掩盖与耐药性相关的突变。在此，我们介绍了一种名为K-MARVEL的开源方法，它能够从短读长序列数据集中识别抗菌素耐药基因（ARGs）及耐药相关突变。K-MARVEL在蛋白质k-mer空间中进行操作，能够容忍 nucleotide 级别的测序错误。我们在22种细菌的209个长读长序列数据和205个短读长序列数据集上对K-MARVEL进行了性能测试，其F1分数分别为0.976（短读长序列）和0.958（长读长序列），在速度和内存使用方面优于基于组装的方法。对于基于同源性模型的ARGs分类，K-MARVEL的F1分数高于7种常用的短读长序列编码ARG的分类器（0.979）和2种常用的长读长序列编码ARG的分类器（0.961）。K-MARVEL可以直接从原始测序数据中准确识别出同源的ARGs以及含有耐药相关突变的结构基因，包括多种变异形式。