Professional Documents
Culture Documents
Semua interaksi pasangan Nucleotide Polymorphism (SNP) yang diperoleh oleh GBOOST
dan pasangan gen yang disaring sesuai dari dua set data diprediksi (Tabel S1 dan S2).
Karena mutasi gen target paling signifikan dalam resistansi obat Mtb [18], kami terutama
berfokus pada pasangan gen yang mengandung setidaknya satu gen target. Informasi target obat berasal
database DrugBank dan tercantum dalam Tabel S3. Di dataset 1, katG-PPE54, pasangan gen rpoB-PPE54
terkait dengan resistensi INH dan resistensi RMP diidentifikasi, masing-masing (Tabel 3). Di kumpulan data 2,
embA-PPE68, pasangan gen embB-PPE54 yang terkait dengan resistensi EMB terdeteksi, dan katG-PPE54,
KatG-transcriptional regulator, katG-ccsA, katG-fdxB dan pasangan gen katG-oxidoreductase yang terkait
dengan
Resistensi ETH ditemukan
Semua data pengurutan yang diunduh diperlakukan dengan perangkat lunak Trimmomatic v0.32 [31]
untuk menghapus atau memotong bacaan berkualitas rendah (parameter: MEMIMPIN: 3; TRAILING: 3;
MINLEN: 36;
SLIDINGWINDOW: 4:20). Bacaan berkualitas tinggi kemudian dipetakan ke genom referensi Mtb H37Rv
(Akses GenBank: AL123456.3) menggunakan Bowtie2 v2.2.6 [32] dengan parameter default. Pengurutan
pemfilteran dan pemanggilan SNP dilakukan oleh SAMtools v1.2 [33] dan VarScan v2.4 [34] (parameter:
min-coverage = 10; min-freq-for-hom = 0,95; min-avg-qual = 20), dan SNP dengan frekuensi alel minor
(MAF) <0,01 [35] dianggap sebagai kesalahan sequencing dan dibuang. Akhirnya, kami menggunakan PLINK
v1.07 perangkat lunak [36] untuk memfilter filogenetik terkait SNP yang cenderung mempengaruhi pasangan
gen
identifikasi (parameter: indep-pairwise = 10, 5, 0,5) [37]. Prosedur ini dapat mengecualikan pasangan gen
itu hanya bisa dihasilkan dari genotipe strain.
Conclusions
Munculnya dan penyebaran tuberkulosis resisten telah menjadi ancaman yang paling signifikan
kontrol TB global. Pola resistensi obat dapat sangat bervariasi dari obat tunggal hingga multi-obat
resistensi, dan munculnya resistansi obat menular dikaitkan dengan beberapa mutasi genetik. Untuk
mengungkap mekanisme resistensi obat dan untuk mengembangkan strategi kontrol yang lebih baik, kami
pasangan gen yang diidentifikasi terkait dengan resistensi obat Mtb.
Semua asosiasi pasangan SNP disaring dan ditugaskan ke gen yang sesuai.
Selanjutnya, untuk mengungkapkan mekanisme resistensi potensial dari strain Mtb, gen yang diperoleh
pasangan disaring oleh target obat dan mutasi non-sinonim. Yang diperoleh tidak identik
mutasi pada gen target obat dibandingkan dengan percobaan yang dilaporkan, dan hasilnya
memvalidasi keefektifan metode kami. Banyak pasangan gen terkait resistensi obat yang mengandung
gen target diidentifikasi: satu untuk INH, satu untuk RMP, empat untuk EMB dan lima untuk ETH. Pasangan
gen lebih lanjut
analisis mengungkapkan bahwa pasangan gen katG-PPE54 dan rpoB-PPE54 terdeteksi terkait dengan INH dan
Resistensi RMP, masing-masing. Pasangan gen embA-PPE68 dan embB-PPE54 memainkan peran yang
mungkin dalam Mtb
resistensi terhadap EMB. Mutasi gabungan pasangan gen katG-PPE54 akan membawa resistensi Mtb ke ETH
Singkatnya, penelitian ini menunjukkan potensi metode bioinformatika dalam memprediksi obat
gen-gen terkait resistansi dan mengklarifikasi mekanisme resistensi obat anti-tuberkulosis.
Selain itu, pendekatan ini juga berguna untuk mengeksplorasi mekanisme resistensi obat
mikroorganisme lainnya.