.
Um dos maiores desafios na ciência do microbioma tem sido distinguir o que é um potencial contaminante ambiental de um sinal verdadeiro e genuíno do microbioma em estudos de baixa biomassa – estudos que contêm pouco DNA microbiano como leite materno, placenta ou líquido amniótico. Por exemplo, pode ser difícil diferenciar entre o DNA de um micróbio em uma amostra do DNA contaminante remanescente de um kit de amostragem ou kit de extração ou do ambiente.
Embora os pesquisadores normalmente incluam controles negativos do equipamento ou ambiente e usem ferramentas algorítmicas para identificar microorganismos presentes no ambiente, nem todos os conjuntos de dados vêm com controles negativos. Pesquisadores do Baylor College of Medicine e da Rice University desenvolveram uma nova ferramenta de detecção de contaminação para estabelecer reprodutibilidade na identificação e análise dos micróbios. Suas descobertas foram publicadas recentemente em Natureza Comunicações.
“Fizemos uma parceria com nossos colaboradores da Rice University para desenvolver e testar uma ferramenta computacional que chamamos de Squeegee”, disse o Dr. Kjersti Aagaard, professor de obstetrícia e ginecologia no Baylor and Texas Children’s Hospital. “A premissa do Squeegee é que podemos usar um pipeline de análise de computador para nos ajudar a detectar ‘migalhas’ de contaminantes que seriam comuns entre o microbioma encontrado em todos os hospedeiros humanos (ou outros mamíferos) e a amostragem ou ambiente de laboratório. “
O Aagaard Lab em Baylor conduziu pesquisas aprovadas pelo IRB e financiadas pelo NIH na última década, levando a uma série de conjuntos de dados ricos de um grande número de participantes que são particularmente de baixa biomassa e têm muitos controles negativos. Eles se uniram a pesquisadores do Laboratório Treangen de Rice para testar o Squeegee, um algoritmo usado em conjuntos de dados de vida de estudos humanos que tinham controles de contaminação de diferentes ambientes e kits de extração de DNA. Eles analisaram a taxa de falsos positivos, o recall e a precisão com que o Squeegee poderia prever e sinalizar esses conjuntos de contaminação ambiental com a ausência do controle negativo.
“Fomos capazes de mostrar que Squeegee era capaz de ter uma revocação de alto peso e uma taxa de falsos positivos muito baixa nesses conjuntos de dados de verdade”, disse o Dr. Michael Jochum, pesquisador associado de pós-doutorado no Departamento de Obstetrícia e Ginecologia Baylor.
De acordo com Jochum, o Squeegee melhora a confiabilidade geral dos resultados da análise de sequenciamento metagenômico em estudos de baixa biomassa. A nova ferramenta de identificação de contaminação é capaz de identificar os efeitos do lote, sinalizando-os como potenciais contaminantes. Dado o foco e a experiência do laboratório Aagaard no estudo desses ambientes microbianos esparsos, esta é uma ferramenta que eles adicionaram à sua caixa de ferramentas para estudos em andamento e futuros.
“Squeegee é uma ferramenta inédita para a comunidade científica do microbioma e está disponível gratuitamente para uso”, disse Aagaard.
O código-fonte do Squeegee está disponível publicamente em https://gitlab.com/treangenlab/squeegee
Outros colaboradores deste trabalho incluem Dr. Yunxi Liu, Dr. RA Leo Elworth e Dr. Todd Treangen.
Este trabalho foi financiado pelo National Institutes of Health e pela National Science Foundation.
Fonte da história:
Materiais fornecidos por Faculdade de Medicina de Baylor. Original escrito por Homa Shalchi. Observação: o conteúdo pode ser editado quanto ao estilo e tamanho.
.
