Сегодня: 03.06.2023
RU / EN
Последнее обновление: 28.04.2023
Алгоритм селекции специфичных зондов для выявления актуальных возбудителей заболеваний человека с помощью технологии ДНК-биочипов

Алгоритм селекции специфичных зондов для выявления актуальных возбудителей заболеваний человека с помощью технологии ДНК-биочипов

Е.Н. Филатова, А.С. Чайкина, Н.Ф. Бруснигина, М.А. Махова, О.В. Уткин
Ключевые слова: алгоритм подбора зондов; ДНК-биочип; дизайн ДНК-биочипа; внебольничная пневмония; Chlamydophila pneumoniae.
2022, том 14, номер 1, стр. 6.

Полный текст статьи

html pdf
384
590

Цель исследования — разработка алгоритма селекции дискриминирующих зондов для определения актуальных возбудителей инфекционных заболеваний человека.

Материалы и методы. Алгоритм подбора зондов, предназначенных для выявления широкого спектра патогенов, был реализован в виде программы для ЭВМ disprose (DIScrimination PRObe SElection), написанной на языке программирования R. Для осуществления некоторых функций программы использовали стороннее программное обеспечение: семейство программ BLAST+ и ViennaRNA Package. Алгоритм тестировали, подбирая специфичные зонды для детекции атипичного возбудителя внебольничной пневмонии (ВП) Chlamydophila (Chlamydia) pneumoniae. Нуклеотидные последовательности для анализа загружали из банка данных NCBI.

Результаты. Разработан алгоритм селекции специфичных зондов для детекции актуальных возбудителей инфекционных заболеваний человека. Алгоритм реализован в виде модульной программы disprose, позволяющей осуществлять все этапы подбора зондов: загрузку нуклеотидных последовательностей и их метаданных из доступных банков, создание локальных баз данных, формирование пула зондов, расчет их физико-химических параметров, выравнивание зондов и последовательностей, содержащихся в локальных базах, обработку и оценку результатов выравниваний. Проведен анализ производительности модулей алгоритма и определена оптимальная последовательность их выполнения для оптимизации скорости работы. Алгоритм апробирован на примере подбора зондов для специфичной детекции одного из возбудителей ВП — Chlamydophila pneumoniae. Рассчитанные in silico параметры специфичности подобранных зондов свидетельствуют о низком риске их неспецифичного связывания и возможности применения в целом ряде молекулярно-генетических инструментов диагностики (ДНК-биочипы, ПЦР).

Заключение. Разработан и реализован в виде модульной программы disprose алгоритм для селекции специфичных зондов, детектирующих широкий спектр актуальных возбудителей заболеваний человека бактериальной и вирусной природы в клиническом биоматериале. Подобранные с использованием программы зонды способны составлять функциональную основу ДНК-ориентированных биочипов, предназначенных для дифференциальной диагностики возбудителей полиэтиологических заболеваний, таких, например, как ВП. Вследствие гибкости и открытости программы область ее применения может быть расширена.

  1. Kostić T., Sessitsch A. Microbial diagnostic microarrays for the detection and typing of food- and water-borne (bacterial) pathogens. Microarrays (Basel) 2011; 1(1): 3–24, https://doi.org/10.3390/microarrays1010003.
  2. Rouillard J.M., Zuker M., Gulari E. OligoArray 2.0: design of oligonucleotide probes for DNA microarrays using a thermodynamic approach. Nucleic Acids Res 2003; 31(12): 3057–3062, https://doi.org/10.1093/nar/gkg426.
  3. Sung W.K., Lee W.H. Fast and accurate probe selection algorithm for large genomes. Proc IEEE Comput Soc Bioinform Conf 2003; 2: 65–74, https://doi.org/10.1109/csb.2003.1227305.
  4. Urisman A., Fischer K.F., Chiu C.Y., Kistler A.L., Beck S., Wang D., DeRisi J.L. E-Predict: a computational strategy for species identification based on observed DNA microarray hybridization patterns. Genome Biol 2005; 6(9): R78, https://doi.org/10.1186/gb-2005-6-9-r78.
  5. Watson M., Dukes J., Abu-Median A.B., King D.P., Britton P. DetectiV: visualization, normalization and significance testing for pathogen-detection microarray data. Genome Biol 2007; 8(9): R190, https://doi.org/10.1186/gb-2007-8-9-r190.
  6. National Center for Biotechnology Information. Nucleotide. Bethesda (MD): National Library of Medicine (US); 2021. URL: https://www.ncbi.nlm.nih.gov/nucleotide/.
  7. Lorenz R., Bernhart S.H., Höner Zu Siederdissen C., Tafer H., Flamm C., Stadler P.F., Hofacker I.L. ViennaRNA Package 2.0. Algorithms Mol Biol 2011; 6(1): 26, https://doi.org/10.1186/1748-7188-6-26.
  8. McCaskill J.S. The equilibrium partition function and base pair binding probabilities for RNA secondary structure. Biopolymers 1990; 29(6–7): 1105–1119, https://doi.org/10.1002/bip.360290621.
  9. Junhui L. TmCalculator: melting temperature of nucleic acid sequences. R package version 1.0.1. 2020. URL: https://CRAN.R-project.org/package=TmCalculator.
  10. SantaLucia J. Jr. A unified view of polymer, dumbbell, and oligonucleotide DNA nearest-neighbor thermodynamics. Proc Natl Acad Sci U S A 1998; 95(4): 1460–1465, https://doi.org/10.1073/pnas.95.4.1460.
  11. Camacho C., Coulouris G., Avagyan V., Ma N., Papadopoulos J., Bealer K., Madden T.L. BLAST+: architecture and applications. BMC Bioinformatics 2009; 10: 421, https://doi.org/10.1186/1471-2105-10-421.
  12. Bodrossy L., Sessitsch A. Oligonucleotide microarrays in microbial diagnostics. Curr Opin Microbiol 2004; 7(3): 245–254, https://doi.org/10.1016/j.mib.2004.04.005.
  13. Sanguin H., Herrera A., Oger-Desfeux C., Dechesne A., Simonet P., Navarro E., Vogel T.M., Moënne-Loccoz Y., Nesme X., Grundmann G.L. Development and validation of a prototype 16S rRNA-based taxonomic microarray for Alphaproteobacteria. Environ Microbiol 2006; 8(2): 289–307, https://doi.org/10.1111/j.1462-2920.2005.00895.x.
  14. Maskos U., Southern E.M. A study of oligonucleotide reassociation using large arrays of oligonucleotides synthesised on a glass support. Nucleic Acids Res 1993; 21(20): 4663–4669, https://doi.org/10.1093/nar/21.20.4663.
  15. Raddatz G., Dehio M., Meyer T.F., Dehio C. PrimeArray: genome-scale primer design for DNA-microarray construction. Bioinformatics 2001; 17(1): 98–99, https://doi.org/10.1093/bioinformatics/17.1.98.
  16. Wong C.W., Albert T.J., Vega V.B., Norton J.E., Cutler D.J., Richmond T.A., Stanton L.W., Liu E.T., Miller L.D. Tracking the evolution of the SARS coronavirus using high-throughput, high-density resequencing arrays. Genome Res 2004; 14(3): 398–405, https://doi.org/10.1101/gr.2141004.
  17. Wong C.W., Heng C.L.W., Wan Yee L., Soh S.W.L., Kartasasmita C.B., Simoes E.A.F., Hibberd M.L., Sung W.K., Miller L.D. Optimization and clinical validation of a pathogen detection microarray. Genome Bio 2007; 8(5): R93, https://doi.org/10.1186/gb-2007-8-5-r93.
  18. Yoo S.M., Keum K.C., Yoo S.Y., Choi J.Y., Chang K.H., Yoo N.C., Yoo W.M., Kim J.M., Lee D., Lee S.Y. Development of DNA microarray for pathogen detection. Biotechnol Bioprocess Engin 2004; 9(2): 93–99, https://doi.org/10.1007/bf02932990.
  19. Zuker M., Mathews D.H., Turner D.H. Algorithms and thermodynamics for rna secondary structure prediction: a practical guide. In: Barciszewski J., Clark B.F.C. (editors). RNA biochemistry and biotechnology. Springer; 1999; p. 11–43, https://doi.org/10.1007/978-94-011-4485-8_2.
  20. Pais F.S.M., Ruy P.C., Oliveria G., Coimbra R.S. Assessing the efficiency of multiple sequence alignment programs. Algorithms Mol Biol 2014; 9(1): 4, https://doi.org/10.1186/1748-7188-9-4.
  21. Рачина С.А., Бобылев А.А. Атипичные возбудители внебольничной пневмонии: от эпидемиологии к особенностям диагностики и лечения. Практическая пульмонология 2016; 2: 20–27.
  22. Nair G.B., Niederman M.S. Updates on community acquired pneumonia management in the ICU. Pharmacol Ther 2021; 217: 107663, https://doi.org/10.1016/j.pharmthera.2020.107663.
  23. Зайцев А.А. Внебольничная пневмония: возможности диагностики, лечения и вакцинопрофилактики в условиях пандемии COVID-19. Практическая пульмонология 2020; 1: 14–20.
Filatova E.N., Chaikina A.S., Brusnigina N.F., Makhova M.A., Utkin O.V. An Algorithm for the Selection of Probes for Specific Detection of Human Disease Pathogens Using the DNA Microarray Technology. Sovremennye tehnologii v medicine 2022; 14(1): 6, https://doi.org/10.17691/stm2022.14.1.01


Журнал базах данных

pubmed_logo.jpg

web_of_science.jpg

scopus.jpg

crossref.jpg

doaj.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg

vak.jpg