Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes

Trabajo fin de Máster defendido en la Facultad de Ciencias de la Universidad de Cantabria, el 25 de junio de 2021 - Curso 2020-2021 - Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)

Bibliographic Details
Author: Ghadban Garrido, Cristina
Format: master thesis
Publication Date:2021
Country:España
Institution:Consejo Superior de Investigaciones Científicas (CSIC)
Repository:DIGITAL.CSIC. Repositorio Institucional del CSIC
OAI Identifier:oai:digital.csic.es:10261/248277
Online Access:http://hdl.handle.net/10261/248277
Access Level:Embargoed access
Keyword:Jaccard index
SNPs
Comparative genomics
k-mer
Salmonella
índice de Jaccard
genómica comparativa
id ES_e6099b5f99fb1c0d956d613de207cffb
oai_identifier_str oai:digital.csic.es:10261/248277
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
Uso del índice de Jaccard para el análisis de la evolución reciente en genomas bacterianos
title Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
spellingShingle Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
Ghadban Garrido, Cristina
Jaccard index
SNPs
Comparative genomics
k-mer
Salmonella
índice de Jaccard
genómica comparativa
Salmonella
title_short Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
title_full Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
title_fullStr Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
title_full_unstemmed Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
title_sort Use of the Jaccard Index to analyze the short-term evolution of bacterial genomes
dc.creator.none.fl_str_mv Ghadban Garrido, Cristina
author Ghadban Garrido, Cristina
author_facet Ghadban Garrido, Cristina
author_role author
dc.contributor.none.fl_str_mv Cruz, Fernando de la
Cruz, Fernando de la [0000-0003-4758-6857]
Consejo Superior de Investigaciones Científicas [https://ror.org/02gfc7t72]
dc.subject.none.fl_str_mv Jaccard index
SNPs
Comparative genomics
k-mer
Salmonella
índice de Jaccard
genómica comparativa
Salmonella
topic Jaccard index
SNPs
Comparative genomics
k-mer
Salmonella
índice de Jaccard
genómica comparativa
Salmonella
description Trabajo fin de Máster defendido en la Facultad de Ciencias de la Universidad de Cantabria, el 25 de junio de 2021 - Curso 2020-2021 - Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)
publishDate 2021
dc.date.none.fl_str_mv 2021
2021
2021
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
http://purl.org/coar/resource_type/c_bdcc
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10261/248277
url http://hdl.handle.net/10261/248277
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.relation.none.fl_str_mv Sí
dc.rights.none.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.publisher.none.fl_str_mv Consejo Superior de Investigaciones Científicas (España)
Universidad de Cantabria
Universidad Internacional Menéndez Pelayo
CSIC-UC - Instituto de Física de Cantabria (IFCA)
publisher.none.fl_str_mv Consejo Superior de Investigaciones Científicas (España)
Universidad de Cantabria
Universidad Internacional Menéndez Pelayo
CSIC-UC - Instituto de Física de Cantabria (IFCA)
dc.source.none.fl_str_mv reponame:DIGITAL.CSIC. Repositorio Institucional del CSIC
instname:Consejo Superior de Investigaciones Científicas (CSIC)
instname_str Consejo Superior de Investigaciones Científicas (CSIC)
reponame_str DIGITAL.CSIC. Repositorio Institucional del CSIC
collection DIGITAL.CSIC. Repositorio Institucional del CSIC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869422732513378304
spelling Use of the Jaccard Index to analyze the short-term evolution of bacterial genomesUso del índice de Jaccard para el análisis de la evolución reciente en genomas bacterianosGhadban Garrido, CristinaJaccard indexSNPsComparative genomicsk-merSalmonellaíndice de Jaccardgenómica comparativaSalmonellaTrabajo fin de Máster defendido en la Facultad de Ciencias de la Universidad de Cantabria, el 25 de junio de 2021 - Curso 2020-2021 - Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)[EN] Bacterial genomes have evolved over millions of generations to become one of the most efficient and compact on the planet. Genome evolution is the result of a combination of point mutations, horizontal gene transfer, deletions, duplications and gene rearrangements. Advances in sequencing technologies have provided unprecedented access to the enormous genetic diversity that has been accumulated in the bacterial domain during its 3.500-4.000 million years of evolution. Faced with this wealth of information, microbiologists must develop structured means for describing this diversity to enable them to relate phenotype and genotype, thus facilitating a better understanding of the microbiological world. With this purpose, the objective of this TFM has been to develop a technique capable of detecting mutations between very similar genomes (with Jaccard index (JI) greater than 0.99), allowing us to establish which evolutionary events have taken place between one sample and another. For this purpose, a Python code has been developed that calculates the filtered Jaccard index, a modification of the JI that filters out those sequences that only differ in one character. Applied to genomics, the filtered Jaccard index estimates the similarity between very similar genomes by excluding in the calculation of the coefficient those k-mers (sequences of k length) derived from the presence of single nucleotide polymorphism (SNPs), that is, changes of a single nucleotide (equivalent to a single character). As a result, we have obtained an efficient tool for filtering k-mers related to SNPs that allows the calculation of the Jaccard index taking into account only those mutations that involve differences greater than one base. In this way, the understanding of the genetic differences between genomes of the same species is facilitated, which simplifies and speeds up the monitoring of the prevalence of bacterial strains as well as any changes in the patterns of antibiotic resistance and virulence, especially those that cause zoonoses, among which the example of this work stands out: Salmonella spp.[ES] Los genomas bacterianos han evolucionado a lo largo de millones de generaciones hasta convertirse en unos de los más eficientes y compactos del planeta. La evolución del genoma es el resultado de la combinación de mutaciones puntuales, transferencia horizontal de genes, deleciones, duplicaciones y reordenamientos génicos. Los avances en las tecnologías de secuenciación han proporcionado un acceso sin precedentes a la enorme diversidad genética que se ha acumulado en el ámbito bacteriano durante sus 3.500-4.000 millones de años de evolución. Ante esta gran cantidad de información, los microbiólogos deben desarrollar medios estructurados para describir esta diversidad que les permita relacionar fenotipo y genotipo, facilitando así una mejor comprensión del mundo microbiológico. Con este propósito, el objetivo de este trabajo final de máster ha sido el desarrollo de una técnica capaz de detectar las mutaciones entre genomas muy similares (con índices de Jaccard (JI) superiores al 0.99) permitiendo establecer qué eventos evolutivos se han sucedido entre una muestra y otra. Para ello, se ha desarrollado un código en Python que calcula el índice de Jaccard filtrado, una modificación del JI que filtra aquellas secuencias que sólo se distinguen en un caracter. Aplicado a genómica, el índice de Jaccard filtrado estima la similitud entre genomas muy similares omitiendo en el cómputo del coeficiente aquellos k-mers (secuencias de k longitud) derivados de la aparición de single nucleotide polymorphism (SNPs), es decir, cambios de un solo nucleótido (equivalente a un único caracter). Como resultado, se ha obtenido una herramienta eficaz en el filtrado de k-mers relativos a SNPs que permite el cálculo del índice de Jaccard teniendo en cuenta sólo aquellas mutaciones que implican diferencias mayores a una base. De esta forma, se facilita el entendimiento de las diferencias genéticas entre genomas de la misma especie, lo que permite simplificar y agilizar la monitorización de la prevalencia de las cepas bacterianas así como cualquier cambio en los patrones de resistencia a los antibióticos y virulencia, en especial aquellas que provocan zoonosis, entre las que destaca el ejemplo de este trabajo: Salmonella spp.Peer reviewedConsejo Superior de Investigaciones Científicas (España)Universidad de CantabriaUniversidad Internacional Menéndez PelayoCSIC-UC - Instituto de Física de Cantabria (IFCA)Cruz, Fernando de laCruz, Fernando de la [0000-0003-4758-6857]Consejo Superior de Investigaciones Científicas [https://ror.org/02gfc7t72]202120212021info:eu-repo/semantics/masterThesishttp://purl.org/coar/resource_type/c_bdcchttp://hdl.handle.net/10261/248277reponame:DIGITAL.CSIC. Repositorio Institucional del CSICinstname:Consejo Superior de Investigaciones Científicas (CSIC)EspañolSíinfo:eu-repo/semantics/embargoedAccessoai:digital.csic.es:10261/2482772026-05-22T06:33:51Z
score 15.812429

Similar Items