Mycoplasma bovis — один из наиболее экономически значимых патогенов в молочном животноводстве, вызывающий мастит, пневмонию и артрит у крупного рогатого скота. Штаммовое разнообразие этого микроорганизма играет ключевую роль в его эпидемиологии, однако традиционные культуральные методы имеют серьезные ограничения в выявлении полного спектра штаммов. Новое исследование предлагает революционный метагеномный подход, который может изменить наше представление о распространении этого патогена.
Метагеномика на страже молочного производства
Исследователи оценили эффективность метода таргетного обогащения (targeted enrichment, TE) в сочетании с шотган-секвенированием для выявления и классификации штаммов M. bovis в метагеномных образцах молока. Этот подход особенно ценен тем, что позволяет работать напрямую с клиническими образцами, минуя этап культивирования.
В рамках исследования ученые провели масштабный биоинформатический анализ, основанный на 620 полногеномных последовательностях M. bovis, загруженных из базы данных NCBI. Из них 162 последовательности (26,1%) были выделены из образцов молока. Используя алгоритмы MashTree и TreeCluster, геномы были сгруппированы в геномные кластеры (Genomically Clustered Sequence Variants, GSVs), что позволило создать основу для классификации на уровне штаммов.
Для симуляции данных секвенирования с таргетным обогащением геномы из различных GSVs, ассоциированных с молоком, были случайным образом отобраны и фрагментированы in silico до 150 пар оснований. Модельные образцы молока были сгенерированы путем выборки ридов из этих геномов. Глубина секвенирования моделировалась с использованием распределения Пуассона, а смешанные образцы ДНК симулировались включением 1, 3, 6 или 9 различных GSVs в каждый образец. Доли обогащения были установлены на уровне 0,3, 0,5, 0,7 и 0,9.
Themisto/mSWEEP: чемпион в идентификации штаммов
Исследователи сравнили эффективность двух классификационных инструментов — Kraken2 и Themisto/mSWEEP — для выявления и классификации симулированных ридов.
Результаты оказались впечатляющими: Themisto/mSWEEP значительно превзошел Kraken2, достигнув средней точности классификации ридов 84,9% против скромных 1,4% для конкурента. Чувствительность Themisto/mSWEEP составила 100% при наличии одного GSV в образце и незначительно снизилась до 97,0% при наличии девяти GSVs. В то же время Kraken2 показал чувствительность всего 17,3% и 4,7% соответственно.
Положительная прогностическая ценность (PPV) продемонстрировала аналогичную тенденцию: 98% для Themisto/mSWEEP против 4,7% для Kraken2 при наличии одного GSV и 65,5% против 10% при девяти GSVs. Интересно, что с увеличением числа GSVs PPV Kraken2 несколько повышался, тогда как PPV Themisto/mSWEEP снижался.
Оба метода сохраняли высокую специфичность и отрицательную прогностическую ценность (более 91%) во всех сценариях. Примечательно, что доля обогащения не оказала заметного влияния на производительность, что позволяет сделать важный практический вывод: для восстановления данных на уровне штаммов достаточно обогащения до 30% от общего числа ридов.
Это исследование доказывает, что метагеномное секвенирование с таргетным обогащением в сочетании с мощными биоинформатическими инструментами открывает новые горизонты для эпидемиологического мониторинга M. bovis. Теперь ветеринарные лаборатории и исследовательские центры могут получить более точное представление о распространении конкретных штаммов патогена, что крайне важно для разработки эффективных стратегий контроля инфекций в молочном животноводстве.
Следующим логичным шагом будет оценка биологической значимости и практических применений выявленных геномных кластеров в реальных клинических ситуациях.