Современные аппаратные и программные решения для полногеномного секвенирования, перспективы их внедрения в практику войск радиационной, химической и биологической защиты Вооруженных Сил Российской Федерации

Одним из современных направлений совершенствования лабораторной диагностики инфекционных болезней является внедрение методов секвенирования геномов опасных патогенов. Среди них наибольшее распространение в настоящее время приобрел метод секвенирования следующего поколения (Next Generation Sequencing, NGS).

Цель работы – определить перспективные направления и проблемы внедрения методов NGS в практику войск РХБ защиты Вооруженных Сил Российской Федерации Федерации (войск РХБ защиты ВС РФ).

Источниковая база исследования – данные, опубликованных в отечественных и англоязычных научных изданиях, доступных через сеть Интернет.

Метод исследования – аналитический.

Результаты. Представлены материалы, обобщающие данные о трех поколениях технологий секвенирования (по Сэнгеру, NGS, секвенирования на основе нанопор), рассмотрены их преимущества и недостатки применительно к использованию в практике войск РХБ защиты ВС РФ. Показано, что последние тенденции в инструментах биоинформатики для анализа геномных данных сосредоточены на машинном обучении, облачных приложениях, удобных интерфейсах и программном обеспечении с открытым исходным кодом. Использование параллельных вычислений и оптимизация биоинформатических алгоритмов позволяют повысить эффективность обработки данных NGS секвенирования при неизменности технических характеристик используемого оборудования. Но поскольку большинство биоинформатических программ имеют открытый код, их сертификация органами военного управления представляется маловероятной.

Вывод. Необходимым условием успешного внедрения NGS в практику подразделений войск РХБ защиты ВС РФ является решение двух основных проблем: 1) разработка отечественной аппаратной части (компьютеров достаточной мощности), сертифицированных для защиты информации в установленном порядке и при этом имеющих полный функционал; 2) разработка соответствующих биоинформатических инструментов и баз данных, сертифицированных для защиты информации в установленном порядке и функционирующих в автономном режиме без подключения к сети интернет.

1. Sozhamannan S, Holland MY, Hall AT, Negrón DA, Ivancich M, Koehler JW, et al. Evaluation of Signature Erosion in Ebola Virus Due to Genomic Drift and Its Impact on the Performance of Diagnostic Assays. Viruses. 2015;7(6):3130–54. https://doi.org/10.3390/v7062763

2. Sohn JI, Nam JW. The present and future of de novo whole-genome assembly. Briefings in Bioinformatics. 2018;19(1):23–40. https://doi.org/10.1093/bib/bbw096

3. Бородинов АГ, Манойлов ВВ, Заруцкий ИВ, Петров АИ, Курочкин ВЕ. Поколения методов секвенирования ДНК (обзор). Научное приборостроение. 2020;30(4):3–20.

4. Алексеев ЯИ, Белов ЮВ, Малюченко ОП, Монахова ЮА, Натыров АН, Орехов ВА и др. Генетический анализатор для фрагментного анализа ДНК. Научное приборостроение. 2012;22(4):86–92.

5. Зубов ВВ. Cеквенирование по Ротбергу (потенциал полупроводникового секвенирования). Биомика. 2013;5(1–2):48–61.

6. Зубов ВВ, Чемерис ДА, Василов РГ, Курочкин ВЕ, Алексеев ЯИ. Краткая история методов высокопроизводительного секвенирования нуклеиновых кислот. Биомика. 2021;13(1):27–46. https://doi.org/10.31301/2221-6197.bmcs.2021-4

7. MacKenzie M, Argyropoulos C. An introduction to nanopore sequencing: past, present, and future considerations. Micromachines. 2023;14(2):459. https://doi.org/10.3390/mi14020459

8. Pervez M, Hasnain MJ, Abbas SH, Moustafa MF, Aslam N, Shah SSM. A Comprehensive Review of Performance of Next-Generation Sequencing Platforms. Biomed Res Int. 2022; 2022:3457806. https://doi.org/10.1155/2022/3457806

9. Head SR, Komori HK, LaMere SA, Whisenant T, Van Nieuwerburgh F, Salomon DR, Ordoukhanian P. Library construction for next-generation sequencing: overviews and challenges. Biotechniques. 2014;56(2):61–77. https://doi.org/10.2144/000114133

10. Marine R, Polson SW, Ravel J, Hatfull G, Russell D, Sullivan M, et al. Evaluation of a transposase protocol for rapid generation of shotgun high-throughput sequencing libraries from nanogram quantities of DNA. Appl Environ Microbiol. 2011;77(22):8071–9. https://doi.org/10.1128/AEM.05610-11

11. Knierim E, Lucke B, Schwarz JM. Systematic comparison of three methods for fragmentation of long-range PCR products for next generation sequencing. PLoS ONE. 2011;6(11):е28240. https://doi.org/10.1371/journal.pone.0028240

12. Podnar J, Deiderick H, Huerta G, Hunicke-Smith S. Next-Generation Sequencing RNA-Seq Library Construction. Curr Protoc Mol Biol. 2014;106(1):4.21.1–19. https://doi.org/10.1002/0471142727.mb0421s106

13. Barzon L, Lavezzo E, Militello V, Toppo S, Palù G. Applications of next-generation sequencing technologies to diagnostic virology. Int J Mol Sci. 2011;12(11):7861–84. https://doi.org/10.3390/ijms12117861

14. Wong K, Fong TT, Bibby K, Molina M. Application of enteric viruses for fecal pollution source tracking in environmental waters. Environ Int. 2012;45:151–64. https://doi.org/10.1016/j.envint.2012.02.009

15. Zhang L, Chen F, Zeng Z, Xu M, Sun F, Yang L, et al. Advances in Metagenomics and Its Application in Environmental Microorganisms. Front Microbiol. 2021;12:е766364. https://doi.org/10.3389/fmicb.2021.766364

16. Sen P, Oresic M. Metabolic Modeling of Human Gut Microbiota on a Genome Scale: An Overview. Metabolites. 2019;9(2):22. https://doi.org/10.3390/metabo9020022

17. Schlaberg R, Chiu CY, Miller S, Procop GW, Weinstock G. Validation of Metagenomic Next-Generation Sequencing Tests for Universal Pathogen Detection. Arch Pathol Lab Med. 2017;141(6):776–86. https://doi.org/10.5858/arpa.2016-0539-RA

18. Seol D, Jhang SY, Kim H, Kim SY, Kwak HS, Kim SH, et al. Accurate and Strict Identification of Probiotic Species Based on Coverage of Whole-Metagenome Shotgun Sequencing Data. Front Microbiol. 2019;10:1683. https://doi.org/10.3389/fmicb.2019.01683

19. Afridi OK, Ali J, Chang JH. Next-Generation Sequencing Based Gut Resistome Profiling of Broiler Chickens Infected with Multidrug-Resistant Escherichia coli. Animals (Basel). 2020;10(12):2350. https://doi.org/10.3390/ani10122350

20. Del Chierico F, Ancora M, Marcacci M, Cammà C, Putignani L, Conti S. Choice of next-generation sequencing pipelines. Methods Mol Biol. 2015;1231:31–47. https://doi.org/10.1007/978-1-4939-1720-4_3

21. McCorrison J, Venepally P, Sing I, Fouts DE, Lasken RS, Methé BA. NeatFreq: reference-free data reduction and coverage normalization for De Novo sequence assembly. BMC Bioinformatics. 2014;15(1):357. https://doi.org/10.1186/s12859-014-0357-3

22. Jia X, Hu L, Wu M, Ling Y, Wang W, Lu H, et al. A streamlined clinical metagenomic sequencing protocol for rapid pathogen identification. Sci Rep. 2021;11(1):4405. https://doi.org/10.1038/s41598-021-83812-x

23. Parker K, Wood H, Russell JA, Yarmosh D, Shteyman A, Bagnoli J, et al. Development and optimization of an unbiased, metagenomics-based pathogen detection workflow for infectious disease and biosurveillance applications. Trop Med Infect Dis. 2023;8(2):121. https://doi.org/10.3390/tropicalmed8020121

24. Ibañez-Lligoña M, Colomer-Castell S, González-Sánchez A, Gregori J, Campos C, Garcia-Cehic D, et al. Bioinformatic tools for NGS-based metagenomics to improve the clinical diagnosis of emerging, re-emerging and new viruses. Viruses. 2023;15(2):587. https://doi.org/10.3390/v15020587

25. Wood DE, Lu J, Langmead B. Improved metagenomic analysis with Kraken 2. Genome Biol. 2019;20(1). https://doi.org/10.1186/s13059-019-1891-0

26. Lu J, Breitwieser FP, Thielen P, Salzberg SL. Bracken: Estimating species abundance in metagenomics data. PeerJ Comput Sci. 2017;3:e104. https://doi.org/10.7717/peerj-cs.104

27. Ounit R, Wanamaker S, Close TJ, Lonardi S. CLARK: fast and accurate classification of metagenomic and genomic sequences using discriminative k-mers. BMC Genomics. 2015;16: 236. https://doi.org/10.1186/s12864-015-1419-2

28. Blanco-Míguez A, Beghini F, Cumbo F, McIver LJ, Thompson KN, Zolfo M, et al. Extending and Improving Metagenomic Taxonomic Profiling with Uncharacterized Species with using MetaPhlAn 4. Nat Biotechnol. 2023;41(11):1633–4. https://doi.org/10.1038/s41587-023-01688-w

29. Nayfach S, Shi ZJ, Seshadri R, Pollard KS, Kyrpides NC. New insights from uncultivated genomes of the global human gut microbiome. Nature. 2019;568(7753):505–10. https://doi.org/10.1038/s41586-019-1058-x

30. Raju RS, Al Nahid A, Chondrow Dev P, Islam R. VirusTaxo: Taxonomic classification of viruses from the genome sequence using k-mer enrichment. Genomics. 2022;114:10414. https://doi.org/10.1016/j.ygeno.2022.110414

31. Roux S, Tournayre J, Mahul A, Debroas D, Enault F. Metavir 2: New tools for viral metagenome comparison and assembled virome analysis. BMC Bioinformatics. 2014;15:76. https://doi.org/10.1186/1471-2105-15-76

32. Roux S, Enault F, Hurwitz BL, Sullivan MB. VirSorter: mining viral signal from microbial genomic data. PeerJ. 2015;3:e985. https://doi.org/10.7717/peerj.985

33. Ren J, Ahlgren NA, Lu YY, Fuhrman JA, Sun F. VirFinder: A novel k-mer based tool for identifying viral sequences from assembled metagenomic data. Microbiome. 2017;5(1):69. https://doi.org/10.1186/s40168-017-0283-5