QIAGEN powered by

QIAGEN CLC Microbial Genomics Module

推測に頼らない微生物ゲノミクスのための高度なツールとデータベース

QIAGEN CLC Microbial Genomics Module は、QIAGEN CLC Genomics Workbench の機能拡張モジュールであり、マイクロバイオーム解析、分離株の特性評価、機能的メタゲノミクスおよび薬剤耐性評価のために、広範なバイオインフォマティクスに必要なツールおよびワークフローを提供します。このモジュールは、細菌、ウイルス、真核生物 (真菌) のゲノムおよびメタゲノムの解析をサポートし、QIAGEN CLC Genomics Cloud Engine および QIAGEN CLC Genomics Server の両方に対応しています。

QIAGEN CLC Microbial Genomics Module は、QIAGEN CLC Genomics ProSuite にもその一部として組み込まれています。

 

薬剤耐性の特性評価

QIAGEN CLC Microbial Genomics Module は、薬剤耐性 (AMR) 遺伝子およびマーカーの高度なバイオインフォマティクスおよびゲノミクス解析をサポートする、多機能ツールを提供します。AMR のために特別に開発されたツールには、単離されたのちにアセンブルされたゲノムまたはメタゲノムの解析ツール、ならびに FASTQ データから AMR マーカーをアセンブルを行わずに直接検出するためのツールが含まれます。複数の AMR データベースへの広範で統合的なアクセスには、Comprehensive Antimicrobial Resistance Database (CARD) (1)、ResFinder (2)、ARG-ANNOT (3)、NCBI 細菌薬剤耐性参照遺伝子データベース (4)、PointFinder (5) および VFDB (6) データベースが含まれます。さらに、QIAGEN が米国疾病管理センターのグローバル AMR チャレンジに取り組む一環として、AMR 研究の二つの新たなリソースとして、QIAGEN Microbial Insights AR (QMI-AR) database と ARES-Genetics ARESdb を提供しています。

細菌株タイピングの高度なツール

公衆衛生疫学、臨床微生物学研究または基礎的な微生物ゲノミクス研究の領域に焦点を当てるかどうかにかかわらず、QIAGEN CLC Microbial Genomics Module は、細菌、真菌およびウイルスゲノム株のタイピングのための最先端のツールを提供します。細菌分離株については、伝統的な MLST、cgMLST、wgMLST、またはSNP を基盤とする解析およびアセンブルを必要としない高度な k-mer を基盤とする株タイピングのためのツールが効果を発揮します。さらに、このツールは、国際的に認知されたスキーマを持つ pubMLST.org および他のオンライン公開データベースへの直接アクセスを提供します。これらのツールは、解析の対象がウイルス、細菌、真菌ゲノムのいずれであるかにかかわらず、分離株の解析のための1つのツールセットとしてまとめられていることによって、完全な柔軟性を提供します。

QIAGEN CLC Microbial Genomics Module には、アウトブレイク解析のための即時的かつ直感的な概要のための対話型「Minimum Spanning Tree」(MST) の可視化機能も含まれています。

微生物プロファイリングと機能メタゲノミクス

QIAGEN CLC Microbial Genomics Module は、アンプリコン(OTU)シーケンスデータおよび全メタゲノムシーケンスデータの両方の解析に、類を見ない選択肢を提供します。このツールは、16S/ITS 微生物プロファイリング、ショットガンメタゲノミクスプロファイリング、メタゲノミクスアセンブリ、BLAST またはDIAMOND による自動遺伝子発見およびアノテーション等、あらゆる解析のために、完全に統合されたソリューションを提供します。このソフトウェアは、de novo アセンブリーから得られたコンティグをビンニングするという、プラスミドや他の可動性のエレメントを同定するために重要なステップを行う革新的なツールも提供しています。また、これらのツールは、QIAGEN CLC ソフトウエア内で直接閲覧することが可能な多種の確立された公共データベースに接続したり、ユーザー自身が構築しキュレートしたデータベースを使用したりすることもできます。

システム要件

一般的な要件事項については、該当する QIAGEN CLC Workbench system requirements を参照してください。

Taxonomic Profiler に関する要件

14GB データベースで Taxonomic Profiler を実行するには、最低16GB の RAM が必要であり、56GB データベースで実行するには最低 64GB の RAM が必要です。

Create Microbial Reference Database ツールでリファレンスデータベースを作成すると、このデータベースで Taxonomic Profiler を実行するために必要なメモリ必要条件について警告が表示されます。

De Novo Assemble Metagenome に関する要件

De Novo Assemble Metagenome を実行するには、最低16GB の RAM が推奨されます。

PCoA3D Viewer に関する要件

  • OpenGL2.0 をサポートできるグラフィックカード。
  • グラフィックドライバーを更新しました。グラフィックカードの最新ドライバーが装着されていることを確認してください。
  • 間接レンダリング (sshを介したx11転送など)、遠隔デスクトップ接続/VNC、および仮想マシンでの実行はサポートされません。
  • 推奨: Nvidia または AMD/ATI のいずれかからの個別のグラフィックカード。最新の統合されたグラフィックスカード (Intel HD Graphics シリーズなど) も使用されることがありますが、これらは通常、個別のカードよりも遅くなっています。

サードパーティーツールに関する要件

DIAMOND および ShortBRED を使用するツールでは、AVX インストラクションセット付きのCPUP が必要です。

最新の改良

新機能、バグの修正、プラグインなどのアップデートや改良を頻繁に公開しています。Latest improvement page には、最近の変更の一覧が掲載されています。

主な特徴
  • 薬剤耐性検出と遺伝子探索
  • メタゲノムまたは分離したNGSサンプルの両方で、耐性、獲得遺伝子および変異を同定します。
  • 主要な薬剤耐性遺伝子データベース QMI-AR、CARD、ResFinder および PointFinder へのアクセス
  • QMI-AR、CARDおよび ARG-ANNOT 資源から得られたマーカーデータベースへのアクセス
  • ゲノムまたはコンティグ上の遺伝子を見つけ、PFAM、Gene Ontology および BLAST またはDIAMOND で注釈を付けます
  • マイクロバイオームプロファイリング
  • アンプリコンおよび全メタゲノムデータの分類学的プロファイリング
  • 16S、18S および ITS アンプリコンデータの新規またはレファレンスに基づく OTU クラスタリング
  • Greengenes、Silva、UNITE などの一般的なレファレンスデータベースへの容易なアクセス
  • NCBI からの微生物ゲノムの直接のインポートによってカスタム構築されたレファレンスゲノムデータベースは、分類作業に最高の精度を提供します。
  • PFAM、Gene Ontology および BLAST を用いたメタゲノム de novo アセンブリー、コンティグのビンニング、遺伝子探索および微生物の機能プロファイリング
  • 積み上げ棒グラフ、エリアチャート、サンバーストチャートおよびヒートマップを用いて、検体または検体群の分類学的組成を探索し比較します。
  • ユーザフレンドリーな統計ツールは、α 多様性と β 多様性の推定、PERMANOVA 解析および Differential Abundance 解析において、クラス最高のパフォーマンスを提供します。
  • 病原体タイピングとアウトブレイク解析
  • 全ゲノムデータを用いた微生物の自動同定および特徴評価:単回使用しやすいワークフローによるNGS-MLST のレポート、分類学情報、最も近縁のレファレンスゲノムおよび微生物分離株の薬剤耐性遺伝子
  • 病原体の正確なアウトブレイク調査および感染源追跡のための K-mer 系統樹および全ゲノムSNP系統樹

トライアルを今日お申込みください

References

1. Jia, B. et al. (2017) CARD 2017: Expansion and Model-Centric Curation of the Comprehensive Antibiotic Resistance Database. Nucleic Acids Research 45: D566–73.
2. Zankari, E. et al. (2012) Identification of Acquired Antimicrobial Resistance Genes. The Journal of Antimicrobial Chemotherapy 67: 2640–2644.
3. Gupta, S. et al. (2014). ARG-ANNOT, a New Bioinformatic Tool to Discover Antibiotic Resistance Genes in Bacterial Genomes. Antimicrobial Agents and Chemotherapy 58: 212–220.
4. Feldgarden, M et al. (2019) Validating the NCBI AMRFinder Tool and Resistance Gene Database Using Antimicrobial Resistance Genotype-Phenotype Correlations in a Collection of NARMS Isolates. Antimicrobial Agents and Chemotherapy A63: e00483-19.
5. Zankari, E. et al. (2017) PointFinder: A Novel Web Tool for WGS-Based Detection of Antimicrobial Resistance Associated with Chromosomal Point Mutations in Bacterial Pathogens. The Journal of Antimicrobial Chemotherapy 72: 2764–2768.
6. Liu, B. et al. (2019) VFDB 2019: A Comparative Pathogenomic Platform with an Interactive Web Interface. Nucleic Acids Research 47: D687–D692.