【摘 要】
:
本研究收集了2013年和2015年在北京市某医院急诊采集的35株肺炎链球菌(Streptococcus pneumoniae)。根据全基因组测序、构建系统进化树、Average Nucleotide Identity(ANI)值、digital DNA-DNA Hybridization(d DDH)值分析判断其中三株菌(13B041,15B067和15B068)不属于肺炎链球菌(S.pneumo
论文部分内容阅读
本研究收集了2013年和2015年在北京市某医院急诊采集的35株肺炎链球菌(Streptococcus pneumoniae)。根据全基因组测序、构建系统进化树、Average Nucleotide Identity(ANI)值、digital DNA-DNA Hybridization(d DDH)值分析判断其中三株菌(13B041,15B067和15B068)不属于肺炎链球菌(S.pneumoniae)。菌株15B067和15B068为同种不同株细菌,它们与假肺炎链球菌(S.pseudopneumoniae)和肺炎链球菌(S.pneumoniae)的ANI值分别为94.3和93.3(<95),d DDH值分别为56.70%(54-59.5%)和56.4%(52.8-59.9%),因此被认为是潜在新物种。基于核心基因组蛋白序列相似性构建了最大似然系统发育树,从系统发育树结果分析菌株13B041属于Streptococcus mitis的一个未被研究报道的分支;通过对以上三株细菌进行生理生化特征分析,发现这三株细菌和其近缘物种肺炎链球菌(S.pneumoniae)、假肺炎链球菌(S.pseudopneumoniae)、缓症链球菌(S.mitis)具有明显的生理生化特征差异。菌株15B067和15B068区别于肺炎链球菌(S.pneumoniae)、假肺炎链球菌(S.pseudopneumoniae)的生理生化特征是能够利用核糖产酸和水解马尿酸盐,菌株13B041区别与缓症链球菌(S.mitis)的生理生化特征是能够利用环糊精、塔格糖、蔗糖、海藻糖产酸。根据全基因组测序结果,对耐药基因注释,比对喹诺酮耐药决定区(QRDR区)突变位点。菌株15B067和15B068 QRDR区的gyr A、gyr B、par C、par E四个基因发生了突变,同时基因组携带pmr A、pat A、pat B、tet M和erm B 5个耐药基因,分别对应氟喹诺酮类、四环素类、大环内酯类抗生素耐药性。菌株13B041QRDR区的gyr A、gyr B、par C三个基因发生了突变,基因组还携带pat A、pat B、tet M、erm B和cat 5个耐药基因,分别对应氟喹诺酮类、四环素类、大环内酯类、氯霉素抗生素耐药性。通过药敏试验测定了临床常用21种抗生素的最低抑菌浓度(Minimum inhibitory concentration,MIC)验证了菌株15B067、15B068和13B041的耐药表型,菌株15B067和15B068对β-内酰胺类、大环内酯类、红霉素、氟喹诺酮类、四环素类抗生素都有很强的耐药性,菌株13B041对β-内酰胺类、大环内酯类、红霉素、氯霉素、氟喹诺酮类、四环素类抗生素都有很强的耐药性。这三株细菌均为多重耐药菌,对多种抗生素高度耐药。在毒力因子库对三株细菌进行毒力因子注释,发现菌株15B067和15B068携带21种毒力因子,菌株13B041携带31种毒力因子,分别与细菌黏附、逃避免疫、酶、铁摄取、锰吸收、毒素相关。由于肺炎链球菌是SMG中研究报道最多且具有很强的致病性的病原体,本实验以肺炎链球菌(S.pneumoniae)ST556作为对照,对三株细菌进行毒力相关的表型研究,具体包括研究荚膜的产生、生物膜形成、溶血圈的形成、细胞毒实验、动物实验,从体内体外两个方面验证其毒力表型。通过细胞吞噬、黏附、侵袭和乳酸脱氢酶释放实验对三株菌的抗吞噬能力、黏附能力、侵袭能力和对细胞的破坏程度进行评估,实验结果表明三株菌对吞噬细胞不具备抗吞噬能力,具备对人上表皮细胞A549的黏附能力和侵袭能力,对该细胞的有一定程度的破坏力。体内实验通过腹腔注射方式检测小鼠体内菌株定殖情况来评估菌株的毒性。结果表明24 h内菌株13B041在免疫缺陷的小鼠体内可以定殖。而菌株15B067和15B068两株菌的定殖能力较弱。三株菌均存在细胞毒性,是潜在的病原菌。本论文通过分子方法对三株细菌进行详细的分类,判断菌株15B067和15B068为Streptococcus mitis group(SMG)的新物种。通过基因组注释和表型实验两个方面对三株细菌耐药性进行了解析,表明了这三株菌均为多重耐药菌。更值得注意的是,菌株15B067、15B068和13B041菌对人肺上皮细胞系A549具有细胞毒性,24 h内菌株13B041可以在免疫缺陷的小鼠体内定殖。本研究结果提示了肺炎链球菌近缘物种的致病潜力,为进一步了解、防控和治疗SMG菌群提供了依据。
其他文献
目的意义:一定条件微波辐射可引起实验动物认知功能和脑结构的损伤,不同个体对电磁辐射易感性存在差异,但机制尚不清楚。单核苷酸多态性是人类和其他生物个体以及族群之间差异的遗传学基础。脑源性神经营养因子(brain-derived neurotrophic factor,BDNF)参与突触可塑性、神经元存活、新突触的形成以及神经递质的调节等,在脑功能中发挥重要作用。BDNF Val66Met多态性不仅与
L-丙氨酸在医药、保健品、食品添加剂等行业有广泛应用,因此,L-丙氨酸的高产菌株是市场迫切需要的。本实验室前期构建了丙氨酸产生菌MG1655-714(E.coli K-12 substr.MG1655ΔldhAΔpflBΔdad X::alaDΔfrdA::alaDΔadh E::alaEΔack A-pta),其L-丙氨酸产量为11.233 g/L,比E.coli K-12 MG1655野生型菌
人类癌症具有可遗传性,目前已发现100多个携带胚系罕见变异的癌症易感基因。有越来越多的证据表明,不同癌症类型中存在共同的易感基因,但目前大多数关于胚系罕见变异的研究仅基于单一癌症类型。此外,以往基于胚系罕见变异的泛癌研究主要针对除中国人群以外的其他人群,在中国癌症患者人群中缺乏系统性研究。本研究招募来自中国的12205例患有15种不同类型癌症的患者,对149个候选癌症相关基因进行了高通量测序,检出
群体感应(Quorum sensing,QS)是细菌群体间的一种通讯方式,可以调节细菌间的多种群体行为。有研究表明,群体感应信号分子不仅可以被细菌感知,也可以被宿主植物感知和响应,从而调控植物的生长和抗病性,介导细菌和植物的跨界交流。DSF(Diffusible Signaling Factor)是近年来新发现的革兰氏阴性细菌群体感应胞间通讯的信号分子,最先是从野油菜黄单胞菌(Xanthomona
近些年随着互联网技术的成熟,如人脸识别,语音识别等深度学习技术也飞速发展,这些新技术的应用需要大量的数据集进行训练学习,并且其模型结构十分复杂,参数量特别庞大。而传统计算机中存储器和处理器分离的冯诺依曼架构,不仅会带来占比最大的访问功耗,还会带来与处理器算力不匹配的计算延迟问题,已经不再适合大量数据来回传输的深度学习任务。上世纪80年代,加州理工大学的Carver Mead教授就提出了神经形态电子
目的学习与记忆是大脑的重要功能,但针对学习与记忆功能损伤,目前缺乏有效的治疗手段。电刺激是常规的神经调控技术,但对学习与记忆功能障碍的调控效果和作用机制仍不明确。时域干涉(temporal interference,TI)电刺激是近年提出的非侵入性脑深部刺激方法,兼具非侵入性和深穿透性,但其对学习与记忆功能调控的研究鲜见报道。本论文的目的是探究TI电刺激对小鼠学习与记忆功能的影响和作用机制。方法1
材料高通量表征技术要求在一次实验中完成多组分材料制备并进行快速分析,将得到的材料表面成分、表面结构、纵深方向成分分布等数据进行分析处理,建立微观尺度至宏观尺度的成分、结构和性能的相关性。辉光放电等离子光谱技术能够对金属样品以及各类涂镀层样品进行逐层均匀溅射分析,得到样品表面成分沿纵深方向分布的信息,是用于材料高通量表征系统中样品制备的高性能仪器,是目前世界上分析仪器领域研究的热点。本文研制了用于高
在后摩尔时代,忆阻器因其与生物神经突触结构类似及连续可调的电导特性,可以模拟基本的神经突触功能,实现存算一体,有效的突破冯·诺依曼架构限制,成为新一代的研究热点。随着科技的发展,人们对忆阻器的性能、尺寸、可穿戴等方面提出了更高的要求,因此,选择合适的功能层材料十分重要。近年来,二维(Two-Dimensional,2D)材料因其优异的电学性能、独特的层状结构等优势作为功能层材料被广泛应用。其中,基
NASICON型固态电解质Li1.3Al0.3Ti1.7(PO4)3(LATP)因具有高安全性、宽电化学窗口以及良好水热稳定性等优点成为了全固态锂/锂离子电池有前途的固态电解质材料之一,但其室温下较低的锂离子电导率及与电极材料接触时的不稳定性限制了其在全固态锂/锂离子电池中的应用。因此有必要进一步深入开展LATP电荷输运与界面特性调控研究。本文采用球磨辅助的高温固相法制备了Te掺杂改性的Li1.3
过去几十年来,集成电路的高速发展带来信息技术的巨大变革,以硅基互补金属氧化物半导体(Complementary metal oxide semiconductor,CMOS)技术为核心的集成电路发展遵循摩尔定律,随着摩尔定律逼近其物理极限,基于冯·诺依曼体系架构的传统计算技术有着较大的局限性。这种情况促使人们研究不同的处理信息方式,例如使用尖峰神经网络(Spiking neural network