[ad_1]
La proliferazione globale dei geni di resistenza agli antibiotici (Args) rappresenta una minaccia significativa per l’efficacia dei trattamenti a base di antibiotici per le malattie. Un monitoraggio efficace degli Arg attraverso dimensioni sia spaziali che temporali è essenziale per comprendere la loro trasmissione e implementare misure preventive.
Un team di ricerca guidato dal professor Tong Zhang del Dipartimento di Ingegneria Civile di Facoltà di Ingegneria dell’Università di Hong Kong (HKU) ha sviluppato uno strumento computazionale, Argo, progettato per tracciare accuratamente gli Arg in campioni ambientali, fornendo approfondimenti sulla loro diffusione e rischi associati.
“Il metodo di sequenziamento a lettura corta è attualmente utilizzato come tecnica di sequenziamento del DNA ad alto rendimento che genera grandi volumi di frammenti di DNA corti, in genere 150 coppie di basi. Tuttavia, spesso non riesce a fornire informazioni sugli ospiti degli Args”, ha spiegato il professor Zhang. “Senza informazioni sull’ospite dettagliate, diventa difficile valutare accuratamente i rischi degli Arg e rintracciare la loro trasmissione, ostacolando la nostra comprensione del loro impatto sulla salute umana e sull’ambiente.”
Argo utilizza il sequenziamento a lettura lunga, un metodo in grado di generare frammenti di DNA significativamente più lungo di 150 coppie di basi, per identificare e quantificare rapidamente gli ARG nei metagenomi ambientali. Assegnando etichette tassonomiche per leggere i cluster (raccolte di letture che si sovrappongono tra loro), Argo migliora significativamente la risoluzione di rilevamento degli ARG. La differenza chiave tra Argo e strumenti esistenti risiede nel suo metodo di raggruppamento e analizzare i frammenti di DNA in base alle loro sovrapposizioni, assegnando etichette a questi gruppi piuttosto che letture individuali. Argo ha un netto vantaggio nella precisione dell’identificazione dell’ospite, fornendo un profilo Arg più completo.
Il professor Zhang ha elaborato, “È come risolvere un puzzle. Inizialmente, raggruppiamo i pezzi di frammenti di DNA in base a caratteristiche condivise come il colore, rendendo più facile identificare ed etichettare le posizioni di pezzi sovrapposti o simili in gruppi. La nostra ricerca ha mostrato che l’approccio di read-overlapping di Argo ha raggiunto il tasso di classificazione errata più bassa rispetto agli strumenti di classificazione errata più bassa rispetto a un tasso di classificazione errata più bassa di una classificazione errata più bassa. In genere completa l’analisi entro 20 minuti utilizzando 32 thread CPU. “
Mentre il sequenziamento a lettura a lungo termine rimane costoso per il raggiungimento di un elevato throughput, il team considera il nuovo metodo di vitale importanza per affrontare la crescente minaccia posta dagli Args. Il professor Zhang ha concluso: “Argo ha il potenziale per standardizzare la sorveglianza degli Arg e migliorare la nostra capacità di tracciare le origini e le vie di diffusione degli ARG, contribuendo agli sforzi per affrontare la minaccia globale per la salute della resistenza antimicrobica (AMR).”
[ad_2]
Da un’altra testata giornalistica. news de www.sciencedaily.com