Genomic and internet based analysis of \(Coxiella\) \(burnetii\)
Genomische und Internet-basierte Analyse von \(Coxiella\) \(burnetii\)
Please always quote using this URN: urn:nbn:de:bvb:20-opus-296639
- Coxiella burnetii, a Gram negative obligate intracellular bacterium, is the causative
agent of Q fever. It has a world wide distribution and has been documented to
be capable of causing infections in several domestic animals, livestock species,
and human beings. Outbreaks of Q fever are still being observed in livestock
across animal farms in Europe, and primary transmission to humans still oc-
curs especially in animal handlers. Public health authorities in some countries
like Germany are required by law to report human acute casesCoxiella burnetii, a Gram negative obligate intracellular bacterium, is the causative
agent of Q fever. It has a world wide distribution and has been documented to
be capable of causing infections in several domestic animals, livestock species,
and human beings. Outbreaks of Q fever are still being observed in livestock
across animal farms in Europe, and primary transmission to humans still oc-
curs especially in animal handlers. Public health authorities in some countries
like Germany are required by law to report human acute cases denoting the
significance of the challenge posed by C. burnetii to public health.
In this thesis, I have developed a platform alongside methods to address the
challenges of genomic analyses of C. burnetii for typing purposes. Identification
of C. burnetii isolates is an important task in the laboratory as well as in the
clinics and genotyping is a reliable method to identify and characterize known
and novel isolates. Therefore, I designed and implemented several methods
to facilitate the genotyping analyses of C. burnetii genomes in silico via a web
platform. As genotyping is a data intensive process, I also included additional
features such as visualization methods and databases for interpretation and
storage of obtained results. I also developed a method to profile the resistome
of C. burnetii isolates using a machine learning approach. Data about antibiotic
resistance in C. burnetii are scarce majorly due to its lifestyle and the difficulty
of cultivation in laboratory media. Alternative methods that rely on homology
identification of resistance genes are also inefficient in C. burnetii, hence, I
opted for a novel approach that has been shown to be promising in other
bacteria species. The applied method relied on an artificial neural network as
well as amino acid composition of position specific scoring matrix profile for
feature extraction. The resulting model achieved an accuracy of ≈ 0.96 on test
data and the overall performance was significantly higher in comparison to
existing models. Finally, I analyzed two new C. burnetii isolates obtained from
an outbreak in Germany, I compared the genome to the RSA 493 reference
isolate and found extensive deletions across the genome landscape.
This work has provided a new digital infrastructure to analyze and character-
ize C. burnetii genomes that was not in existence before and it has also made a
significant contribution to the existing information about antibiotic resistance
genes in C. burnetii.…
- Coxiella burnetii, ein Gram-negatives, obligat intrazelluläres Bakterium, ist der
Erreger des Q-Fiebers. Er hat eine weltweite Verbreitung und ist nachweis-
lich in der Lage, Infektionen bei verschiedenen Haustieren, Nutztieren und
Menschen zu verursachen. Ausbrüche von Q-Fieber werden immer noch in
Tierbeständen in Europa beobachtet, und die Primärübertragung auf den Men-
schen erfolgt nach wie vor allem durch Kontakt mit entsprechenden Tieren und
ihren Ausscheidungen. Das öffentliche Gesundheitssystem in einigen Ländern
wie DeutschlandCoxiella burnetii, ein Gram-negatives, obligat intrazelluläres Bakterium, ist der
Erreger des Q-Fiebers. Er hat eine weltweite Verbreitung und ist nachweis-
lich in der Lage, Infektionen bei verschiedenen Haustieren, Nutztieren und
Menschen zu verursachen. Ausbrüche von Q-Fieber werden immer noch in
Tierbeständen in Europa beobachtet, und die Primärübertragung auf den Men-
schen erfolgt nach wie vor allem durch Kontakt mit entsprechenden Tieren und
ihren Ausscheidungen. Das öffentliche Gesundheitssystem in einigen Ländern
wie Deutschland hat eine Meldepflicht für akute Fälle beim Menschen festge-
legt, was die Bedeutung des Erregers bzw. seiner ausgelösten Erkrankung für
die öffentliche Gesundheit verdeutlicht. In dieser Doktorarbeit habe ich eine
Plattform neben weiteren Methoden entwickelt, um die Herausforderungen der
Genomanalyse von C. burnetii für Genotypisierungsverfahren zu adressieren.
Die Identifizierung von C. burnetii-Isolaten erfüllt eine wichtige Funktion im La-
bor sowie in den Krankenhäusern, und die Genotypisierung ist eine verlässliche
Methode, um bekannte und neue Isolate zu identifizieren und zu charakte-
risieren. Daher habe ich mehrere Methoden konzipiert und implementiert,
um die Analyse zur Genotypisierung von C. burnetii-Genomen in silico über
eine Web-Plattform zu erleichtern. Da die Genotypisierung ein datenintensiver
Prozess ist, habe ich ebenfalls zusätzliche Features wie Visualisierungsme-
thoden und Datenbanken zur Interpretation und Speicherung der erhaltenen
Ergebnisse mitaufgenommen. Ferner habe ich eine Methode zur Erstellung
des Resistomprofils von C. burnetii-Isolaten unter Verwendung eines Ansat-
zes des maschinellen Lernens entwickelt. Daten über Resistenzfaktoren bei C.
burnetii sind rar, was hauptsächlich auf die obligat intrazelluläre Lebensweise
der Coxiellen und die Schwierigkeiten bei der Kultivierung in Labormedien
zurückzuführen ist. Alternative Methoden, die auf der Identifizierung der Ho-
mologie von Resistenzgenen basieren, sind bei C. burnetii ebenfalls ineffizient.
Aus diesem Grund entschied ich mich für einen neuen Ansatz, der sich bereits
bei anderen Bakterienspezies als vielversprechend erwiesen hat. Die verwen-
dete Methode basiert auf einem artifiziellen neuronalen Netzwerk sowie auf
der Aminosäurezusammensetzung des positionsspezifischen Matrixprofils zur
Extraktion von Features. Das daraus resultierende Modell erzielte eine Genauig-
keit von ≈ 0,96 bei den Testdaten und die Gesamtleistung war signifikant höher
im Vergleich zu den bereits vorhandenen Methoden. Schließlich analysierte ich
zwei neue C. burnetii-Isolate, die von einem Q-Fieberausbruch in Deutschland
stammten. Ich verglich das Genom mit dem RSA 493 Referenz Isolat und fand
extensive Deletionen über das Genom sequenz. Mit dieser Arbeit wird eine
neue digitale Infrastruktur zu Analyse von C. burnetii- Genomen bereitgestellt,
die es vorher noch nicht gab. Zudem liefert diese Arbeit einen wichtigen Beitrag
zu den bereits vorhandenen Informationen über Antibiotikaresistenzgene bei
in C. burnetii.…
Author: | Akinyemi Mandela FasemoreORCiDGND |
---|---|
URN: | urn:nbn:de:bvb:20-opus-296639 |
Document Type: | Doctoral Thesis |
Granting Institution: | Universität Würzburg, Graduate Schools |
Faculties: | Graduate Schools / Graduate School of Life Sciences |
Fakultät für Biologie / Theodor-Boveri-Institut für Biowissenschaften | |
Referee: | Prof. Dr. Konrad Förstner |
Date of final exam: | 2022/12/06 |
Language: | English |
Year of Completion: | 2023 |
DOI: | https://doi.org/10.25972/OPUS-29663 |
Dewey Decimal Classification: | 5 Naturwissenschaften und Mathematik / 57 Biowissenschaften; Biologie / 570 Biowissenschaften; Biologie |
Tag: | Bioinformatics; Coxiella burnetii; Genomics; Genotyping; Web services |
Release Date: | 2023/05/02 |
Licence (German): | ![]() |