Functions predict horizontal gene transfer and the emergence of antibiotic resistance.
Functions predict horizontal gene transfer and the emergence of antibiotic resistance.
复制标题
DOI：
10.1126/sciadv.abj5056
复制
发表时间：
2021-10-22
期刊：
影响因子：
13.6
通讯作者：
Brito IL
中科院分区：
文献类型：
--
作者：
Zhou H;Beltrán JF;Brito IL
转移机制，生态位特异性和代谢基因是跨不同细菌物种的基因转移事件的预测。系统发育距离、共享生态和基因组限制常被认为是控制水平基因转移（HGT）的关键驱动因素，尽管它们的相对贡献尚不清楚。在这里，我们将机器学习算法应用于一组不同的细菌基因组，以区分特定功能特征对最近HGT事件的重要性。我们发现，功能内容准确地预测HGT网络[受试者工作特征曲线下面积（AUROC）= 0.983]，并且对于涉及抗生素耐药基因（ARG）的转移，性能进一步提高（AUROC = 0.990），突出了HGT机制，生态位特异性和代谢功能的重要性。我们发现，高概率尚未检测到的ARG转移事件几乎是人类相关细菌所独有的。我们的方法在预测病原体（包括鲍曼不动杆菌和大肠杆菌）的HGT网络以及局部环境（如个人的肠道微生物组）方面是稳健的。
Transfer machinery, niche-specific, and metabolic genes are predictive of gene transfer events across diverse bacterial species. Phylogenetic distance, shared ecology, and genomic constraints are often cited as key drivers governing horizontal gene transfer (HGT), although their relative contributions are unclear. Here, we apply machine learning algorithms to a curated set of diverse bacterial genomes to tease apart the importance of specific functional traits on recent HGT events. We find that functional content accurately predicts the HGT network [area under the receiver operating characteristic curve (AUROC) = 0.983], and performance improves further (AUROC = 0.990) for transfers involving antibiotic resistance genes (ARGs), highlighting the importance of HGT machinery, niche-specific, and metabolic functions. We find that high-probability not-yet detected ARG transfer events are almost exclusive to human-associated bacteria. Our approach is robust at predicting the HGT networks of pathogens, including Acinetobacter baumannii and Escherichia coli, as well as within localized environments, such as an individual’s gut microbiome.
登录
查看更多内容
DOI：
10.1006/bbrc.1996.1778
发表时间：
1996-12-04
影响因子：
3.1
作者：
Garriga, X;Eliasson, R;Reichard, P
通讯作者：
Reichard, P
DOI：
10.1038/ismej.2016.168
发表时间：
2017-04
期刊：
The ISME journal
影响因子：
--
作者：
Choi J;Yang F;Stepanauskas R;Cardenas E;Garoutte A;Williams R;Flater J;Tiedje JM;Hofmockel KS;Gelder B;Howe A
通讯作者：
Howe A
影响因子：
14.9
作者：
Katoh K;Kuma K;Toh H;Miyata T
通讯作者：
Miyata T
影响因子：
62.1
作者：
Dik DA;Fisher JF;Mobashery S
通讯作者：
Mobashery S
影响因子：
14.9
作者：
Finn RD;Clements J;Eddy SR
通讯作者：
Eddy SR