Prospective molecular methods for sequencing microorganisms in the system of assessment and control of food safety

• Natalya R. Efimochkina
• Svetlana A. Sheveleva

Abstract

To solve one of the most important tasks of food hygiene – ensuring foodstuff biosafety, the leading place is given to the use of nucleic acid sequencing methods that allow to identify and describe the nucleotide sequences of genomes both in individual microorganisms and metagenomic characteristics of microbial communities in environmental objects, in humans and animals.

The purpose of the review was to analyze the main areas of sequencing application in food microbiology, biotechnology and epidemiology.

Material and methods. The collection and analysis of scientific and informational materials published in domestic and foreign publications from Scopus, Web of Science, PubMed, RSCI databases, official reports of the World Health Organization (WHO), the European Food Safety Agency (EFSA) and other published sources has been carried out.

Results. The review presents generalized characteristics of the most well-known sequencing formats based on different principles of reading and processing genetic information: capillary sequencing by Sanger, pyrosequencing, sequencing by ligation, sequencing by DNA synthesis, semiconductor high-performance sequencing, sequencing of individual DNA molecules. It is shown that multilocus analysis (MLST, MLVA) increases the specificity of genotyping and intraspecific identification of food-borne pathogens. It is used to assess the pathogenic potential and study the mechanisms of evolutionary variability of bacterial pathogens, leading to polymorphism of clonal lines and the appearance of strain-specific differences, to monitor the different genotypes of pathogens in production and other objects of the food chain. Nanopore sequencing is promising for studying bacterial plasmids and localization of resistance genes of MDR bacteria. Genome-wide analysis (WGS) makes it possible to identify detailed characteristics of pathogens of infectious diseases, including uncultivated and previously unknown microorganisms, as well as to study the features of the organization of individual pro- and eukaryotic genomes, gene regulation systems, pathogenicity factors and protein expression. The role of WGS methods for determining the degree of genetic kinship of infectious agents isolated from various sources in the investigation of outbreaks and sporadic food poisoning and infections is shown. The possibilities of metagenomic sequencing in the study of species composition, genetic diversity and metabolic potential of microbial communities are demonstrated. The main advantage of metagenomics is the possibility of direct sequencing of the genomes of microorganisms living in the human body, animals, water, soil and other objects. Metagenomic analysis plays a leading role in the detection of unexplored taxa, uncultivated and difficult-to-cultivate forms of a wide range of microorganisms. The most important direction of metagenomics is the study of the human or animal microbiome, the analysis of the relationship between the intestinal microbiota and metabolism, as well as the formation of the nutritional status of a person. Theoretical and practical aspects of the implementation of high-performance sequencing methods in the system of food biosafety assessment and control are reviewed: safety assessment of genetically modified strains of food producers, development of fundamentally new algorithms for investigating outbreaks of infectious diseases, creation of network systems for early diagnosis and notification of food infections of bacterial and viral

etiology.

Conclusion. Sequencing should become a standard methodology in the field of food safety for the identification and characterization of food pathogens, including those with resistance to antibiotics and adverse technological effects. The introduction of WGS into the food safety assessment and control system will make it possible to assess real food contamination with new and newly returning pathogens, create electronic databases and scientifically substantiate the most adequate measures for the prevention of food infections and ensuring the health of the population.

Keywords:sequencing, pathogenic microorganisms, identification, genome, food safety, foodborne infections

References

1. Sanger F., Nicklen S., Coulson A.R. DNA sequencing with chain-terminating inhibitors. Proc Natl Acad Sci U S A. 1977; 74 (12): 5463–7. DOI: https://doi.org/10.1073/pnas.74.12.5463

2. Goto K., Omura T., Hara Y., Sadaie Y. Application of the partial 16S rDNA as an index for rapid identification of species in the genus bacillus. J Gen Appl Microbiol. 2000; 46 (1): 1–8. DOI: https://doi.org/10.2323/jgam.46.1

3. Alekseeva A.E., Brusnigina N.F. Possibilities and prospects of using methods of massive parallel sequencing in the diagnosis and epidemiological surveillance of infectious diseases. Medial Journal. 2014; (2): 6–28. (in Russian)

4. Hyeon J.-Y., Li S., Mann D.A., Zhang S., Li Z., Chen Y., et al. Quasimetagenomics-based and real-time-sequencing-aideddetection and subtyping of Salmonella enterica from food samples. Appl Environ Microbiol. 2018; 84 (4): e02340–17. DOI: https://doi.org/10.1128/AEM.02340-17

5. Shendure J., Ji H. Next-generation DNA sequencing. Nat Biotechnol. 2008; 26 (10): 1135–45. DOI: https://doi.org/10.1038/nbt1486

6. Crossley B.M., Bai J., Glaser A., et al. Guidelines for Sanger sequencing and molecular assay monitoring. J Vet Diagn Invest. 2020; 32 (6): 767–75. DOI: https://doi.org/10.1177/1040638720905833

7. Beck T.F., Mullikin J.C.; NISC Comparative Sequencing Program, Biesecker L.G. Systematic evaluation of Sanger validation of next-generation sequencing variants. Clin Chem. 2016; 62 (4): 647–54. DOI: https://doi.org/10.1373/clinchem.2015.249623

8. Bruske E., Otto T.D., Frank M. Whole genome sequencing and microsatellite analysis of the Plasmodium falciparum E5 NF54 strain show that the var, rifin and stevor gene families follow Mendelian inheritance. Malar J. 2018; 17 (1): 376. DOI: https://doi.org/10.1186/s12936-018-2503-2

9. Rebrikov D.V., Korostin D.O., Shubina E.S., Ilyinsky V.V. NGS: high-performance sequencing. Moscow: Publishing house “BINOM. Laboratory of Knowledge”. 2015: 232 p. ISBN 978-5-9963-1784-4.

(in Russian)

10. Sekse C., Holst-Jensen A., Dobrindt U., Johannessen G.S., Li W., Spilsberg B., et al. High throughput sequencing for detection of foodborne pathogens. Front Microbiol. 2017; 8: 2029. DOI: https://doi.org/10.3389/fmicb.2017.02029

11. Wick R.R., Judd L.M., Gorrie C.L., Holt K.E. Completing bacterial genome assemblies with multiplex MinION sequencing. bioRxiv. Microb Genom. 2017; 3 (10): e000132. DOI: https://doi.org/10.1099/mgen.0.000132

12. Liu Q., Fang L., Yu G., Wang D., Xiao C.L., Wang K. Detection of DNA base modifications by deep recurrent neural network on Oxford Nanopore sequencing data. Nat Commun. 2019; 10 (1): 2449. DOI: https://doi.org/10.1038/s41467-019-10168-2

13. Heikema A.P., Horst-Kreft D., Boers S.A., Jansen R., Hiltemann S.D., de Koning W. Comparison of illumina versus nanopore 16S rRNA gene sequencing of the human nasal microbiota. Genes (Basel). 2020; 11 (9): 1105. DOI: https://doi.org/10.3390/genes11091105

14. Lemon J.K., Khil P.P., Frank K.M., Dekker J.P. Rapid nanopore sequencing of plasmids and resistance gene detection in clinical isolates. J Clin Microbiol. 2017; 55 (12): 3530–43. DOI: https://doi.org/10.1128/JCM.01069-17

15. Bioinformatics and data analysis in microbiology. Edited by Ö. Taştan Bishop. Rhodes University Bioinformatics, Department of Biochemistry, Microbiology and Biotechnology, Rhodes University, South Africa; Caister Academic Press. 2014. 248 p. ISBN: 978-1-908230-39-3. DOI: https://doi.org/10.21775/9781910190494

16. Li R., Xie M., Dong N., Lin D., Yang X., Wong M.H.Y., et al. Efficient generation of complete sequences of MDR­ encoding plasmids by rapid assembly of MinION barcoding sequencing data. GigaScience. 2018; 7 (3): 1–9. DOI: https://doi.org/10.1093/gigascience/gix132. Erratum in: Gigascience. 2019; 8 (3). PMID: 29325009; PMCID: PMC 5848804.

17. Cheng L., Connor T.R., Aanensen D.M., Spratt B.G., Corander J. Bayesian semi-supervised classification of bacterial samples using MLST databases. BMC Bioinformat. 2011; 12: 302. DOI: https://doi.org/10.1186/1471-2105-12-302

18. Jolley K.A., Bray J.E., Maiden M.C.J. Open-access bacterial population genomics: BIGSdb software, the PubMLST.org website and their applications. Wellcome Open Res. 2018; 3: 124. DOI: https://doi.org/10.12688/wellcomeopenres.14826.1

19. Maiden M.C. Horizontal genetic exchange, evolution, and spread of antibiotic resistance in bacteria. Clin Infect Dis. 1998; 27 (1): 12–20. DOI: https://doi.org/10.1086/514917

20. Joensen K.G., Scheutz F., Lund O., Hasman H., Kaas R.S., Nielsen E.M.,

et al. Real-time whole-genome sequencing for routine typing, surveillance, and outbreak detection of verotoxigenic Escherichia coli. J Clin Microbiol. 2014; 52 (5): 1501–10. DOI: https://doi.org/10.1128/JCM.03617-13

21. Schmitz-Esser S., Wagner M. Genome sequencing of Listeria monocytogenes. Methods Mol Biol. 2014; 1157: 223–232. DOI: https://doi.org/10.1007/978-1-4939-0703-8_19

22. Jarvis K.G., White J.R., Grim C.J., Ewing L., Ottesen A.R., Beaubrun J.J.-G., et al. Cilantro microbiome before and after nonselective pre-enrichment for Salmonella using 16S rRNA and metagenomic sequencing. BMC Microbiol. 2015; 15: 160. DOI: https://doi.org/10.1186/s12866-015-0497-2

23. Arulandhu A.J., Staats M., Hagelaar R., Voorhuijzen M.M., Prins T.W., Scholtens I., et al. Development and validation of a multi-locus DNA metabarcoding method to identify endangered species in complex samples. GigaScience. 2017; 6 (10): 1–18. DOI: https://doi.org/10.1093/gigascience/gix080

24. van Cuyck H., Pichon B., Leroy P., Grander-Farbos A., Underwood A., Soullie B., Koeck J.-L. Multiple-locus variable-number tandem-repeat analysis of Streptococcus pneumoniae and comparison with multiple loci sequence typing. BMC Microbiol. 2012; 12 (241): 1–9. DOI: https://doi.org/10.1186/1471-2180-12-241

25. Gonzalez-Gonzalez A., Sanchez-Reyes L.L., Sapien G.D., Eguiarte L.E., Souza V. Hierarchical clustering of genetic diversity associated to different levels of mutation and recombination in Escherichia coli: a study based on Mexican isolates. Infect Genet Evol. 2013; 13: 187–97. DOI: https://doi.org/10.1016/j.meegid.2012.09.003

26. Urvin R., Maiden M.C.J. Multi-locus sequencing typing: a tool for global epidemiology. Trends Microbiol. 2003; 11 (10): 479–87. DOI: https://doi.org/10.1016/j.tim.2003.08.006

27. Inouye M., Conway T.C., Zobel J., Holt K.E. Short read sequence typing (SRST): multi-locus sequence types from short reads. BMC Genomics. 2012; 13: 338. DOI: https://doi.org/10.1186/1471-2164-13-338

28. Voronina O.L., Tartakovsky I.S., Yushchuk N.D., Ryzhova N.N., Aksenova E.I., Kunda M.S., et al. Analysis of sporadic cases of invasive listeriosis in metropolis. Zhurnal mikrobiologii, epidemiologii i immunobiologii [Journal of Microbiology, Epidemiology and Immunobiology]. 2020; 97 (6): 546–55. DOI: https://doi.org/10.36233/0372-9311-2020-97-6-5

29. Engberg J., On S.L.W., Harrington C.S., Gerner-Smidt P. Prevalence of Campylobacter, Arcobacter, Helicobacter, and Sutterella spp. in human fecal samples as estimated by a reevaluation of isolation methods for campylobacters. J Clin Microbiol. 2000; 38 (1): 286–91. PMCID: PMC88711, PMID: 10618103.

30. Efimochkina N.R. Bacterial food-borne pathogens of the genus Campylobacter. Moscow: Izdatel’stvo RAMN, 2019: 215 p. ISBN 978-5-7901-0125-0. (in Russian)

Широкомасштабные исследования микробиома проводятся начиная с 2008 г. и в настоящее время крупнейшими консорциумами, в том числе Европейский MetaHit, Human Microbiome Project (США) и др. [53, 54]. В России создан открытый портал Metagenome.ru (Российский метагеномный проект) - консорциум ведущих медицинских, биологических и аналитических центров России, целью которого является исследование биологических сообществ, с которыми ассоциирован организм человека. Координация проводимых в мире исследований микробиома человека осуществляется главным международным объединением - International Human Microbiome Consortium [55]. В рамках проекта проведено секвенирование более 3000 микробных геномов, т.е. 60% от всех секвенированных бактериальных видов, связанных с человеком.

Количественная метагеномика позволяет определять профили гомологичных генов путем картирования коротких фрагментов и создания референс-каталогов, что обеспечивает возможность оценки генетической вариабельности метагенома. В отличие от полногеномного анализа de novo, данный подход используется для изучения биоразнообразия и метаболического потенциала различных микробиомов (рис. 2).

Рис. 2. Схема количественного метагеномного анализа на основе референсного каталога генов

Fig. 2. Scheme of quantitative metagenomic analysis based on the reference catalog of genes

Актуальными направлениями научных исследований кишечного микробиома являются:

- изучение таксономии на уровне от филотипа до подвида;

- диагностика различных заболеваний с использованием параметров микробиома;

- изучение механизмов, способствующих восстановлению микрофлоры человека;

- возможность использования этих данных для персонализированной медицины.

Современные знания о составе микробиома кишечника человека показывают его ведущую роль в регуляции обменных процессов организма, усвоении всех типов пищевых веществ, эндогенном синтезе эссенциальных для нормального пищеварения и жизнедеятельности ферментов, витаминов и биологически активных соединений, т.е. факторов, определяющих нутриом.

В рамках разработки формулы оптимального питания это обусловливает необходимость обоснования состава кишечного микробиома здоровых людей и путей коррекции его нарушений для повышения адаптационного потенциала человека, а также для снижения распространенности алиментарно-зависимых заболеваний, в первую очередь ожирения [56].

Очевиден интерес к изучению связи между составом микробиоты, в первую очередь кишечной, и наиболее распространенными неинфекционными заболеваниями. В то же время важно учитывать взаимовлияние потребляемых макро- и микронутриентов как составляющих нутриома и кишечной микробиоты у человека, проводить анализ информации об исследовании таких аспектов, как "питание, метаболизм, микробиом", на здоровых людях, не имеющих алиментарно-зависимых патологий [57].

С 2018 г. в ФГБУН "ФИЦ питания и биотехнологии" проводятся исследования, включающие:

- анализ современных данных по изучению процесса формирования кишечной микробиоты в онтогенезе на всех этапах развития организма;

- анализ характера взаимодействия микробиоты с пищевыми веществами с учетом ее индивидуальной, популяционной и нозологической вариабельности, иммуногенной, метаболической и регуляторной функции;

- изучение качественного и количественного состава кишечной микрофлоры у здоровых людей и пациентов с алиментарно-зависимыми заболеваниями (ожирение, пищевая аллергия, синдром раздраженного кишечника) культуральными и ПЦР-методами.

Это дало понимание того, что характер питания способствует отбору микроорганизмов, обладающих генетической способностью к их метаболизации и выживанию в создающейся биохимической среде. При этом если механизмы качественного влияния компонентов рациона питания на представителей микробного сообщества в основном прояснены, то связи между оптимальными уровнями нутриентов, присутствием в пище микробных генов, ассоциированных с тучностью (принадлежащих филумам Proteobacteria, Firmicutes), и количественными показателями микрофлоры пока изучены недостаточно.

Поэтому в настоящее время проводятся метагеномные исследования, направленные на изучение взаимосвязей кишечного микробиома с питанием и формированием пищевого статуса человека. С 2020 г. для выполнения анализов используются NGS-методы в системе высокопроизводительного полупроводникового секвенирования на платформе Ion Torrent.

Применение NGS-секвенирования в системе оценки безопасности пищевой продукции

Функционирование национальных и международных систем профилактики токсикоинфекций от пищи и минимизации рисков микробной природы, возникающих на тех или иных участках пищевой цепи, требует постоянной актуализации санитарно-эпидемиологических мер защиты населения, в том числе внедрения новых методов молекулярно-генетического анализа и инновационных цифровых технологий в контроль пищевой продукции и диагностику возбудителей пищевых инфекций.

Эти меры предусматривают верификацию идентифицированных сигналов, расследование инцидентов, в том числе вспышек инфекций и отравлений, и быстрое оповещение всех задействованных сторон и общественности на местном, региональном и, при необходимости, на межнациональном уровне. Вышеназванные системы не могут быть изолированными с учетом современных масштабов международной торговли, их необходимо включать в действующие инфраструктуры по надзору в сфере санитарно-эпидемиологического благополучия, ветеринарного и фитосанитарного контроля, а также национальных агропромышленных комплексов.

Следует отметить многоплановость научных и практических подходов к созданию сетевых систем мониторинга и быстрой диагностики причинных агентов пищевых токсикоинфекций бактериальной и вирусной этиологии [58, 59]. Появление нового типа высокодиспергированных пищевых вспышек, обусловленных централизацией производств и транспортировкой готовой продукции на дальние расстояния в разные регионы, требует принципиально новых алгоритмов расследования таких вспышек и создания сетевых систем контроля, мониторинга и обмена информацией.

В табл. 2 приведены примеры расследования вспышек пищевых токсикоинфекций и спорадических заболеваний с применением методов WGS и MLST-типирования, которые позволили эффективно определять этиологических агентов данных заболеваний у потребителей, проживающих на разных территориях, единые источники инфицирования продукции и локализовать их распространение.

Подробное описание ключевых аспектов внедрения методов высокопроизводительного секвенирования в системе оценки и контроля пищевой безопасности приведено в опубликованном Продовольственной и сельскохозяйственной Организацией Объединенных Наций/Всемирной организацией здравоохранения (ФАО/ВОЗ) Техническом отчете "Applications of Whole Genome Sequencing in food safety management" (2016).

Таблица 2. Примеры применения секвенирования нового поколения (next generation sequencing - NGS) для анализа пищевых патогенов при расследовании вспышек и проведении контрольных мероприятий

Table 2. Examples of next generation sequencing application for the analysis of foodborne pathogens in the investigation of outbreaks and under control measures

* - РЕ - длина прочтения, пар нуклеотидов (bp).

* - РЕ -read length, bp.

В документе указывается, что технологии WGS, позволяющие секвенировать любые виды патогенов, обеспечивают более простые, быстрые и менее дорогостоящие лабораторные процедуры в сравнении с традиционным типированием кишечных патогенов, требующим специфичных для возбудителя реагентов, протоколов и методов. Такие технологии с юридической точки зрения обеспечивают полную доказательность эпидемиологической связи между источником и местом попадания инфекционных агентов в инкриминируемые продукты, факторами по ходу пищевой цепи, способствовавшими их росту до опасных величин, и заболеванием у пострадавших.

Основными критериями для эффективного применения NGS-cеквенирования, сформулированными ФАО/ВОЗ, в странах с налаженными национальными системами контроля безопасности пищевых продуктов являются регулярные инспекции и тестирование объектов надзора, многоуровневый мониторинг и наличие систем реагирования, внутри- и межотраслевой лабораторной инфраструктуры, включая возможности для сбора, хранения и транспортировки проб. Помимо этого, должна поддерживаться технико-информационная база, а именно:

- достаточная пропускная способность применяемых платформ NGS-секвенирования для обеспечения экономической эффективности стандартных операционных процедур (СОП);

- обеспечение высокого научно-методического уровня при тестировании патогенных микроорганизмов, выделяемых из биоматериалов, пищевых продуктов и объектов внешней среды; повышение квалификации персонала и лицензирование деятельности лабораторий;

- наличие инфраструктуры во всех аспектах биоинформатики, включая техническую поддержку и компьютерные мощности (мощные серверы);

- обеспечение возможности хранения, обработки и передачи больших массивов цифровых данных.

С учетом этих положений были проанализированы преимущества методов NGS-cеквенирования и проблемы, возникающие при их внедрении в практику надзора (табл. 3).

Таблица 3. Применение секвенирования нового поколения (next generation sequencing - NGS) в системе надзора за инфекционными заболеваниями

Table 3. Application of next generation sequencing (NGS) methods in the surveillance system for infectious diseases

Внедрение NGS в систему управления безопасностью пищевых продуктов может принести значительную пользу странам, поддерживающим международные проекты реагирования, тогда как государства, которые не используют эти технологии, могут оказаться в невыгодном положении в отношении экспорта продовольствия и туризма. Поэтому необходима глобальная координация работ в направлении широкого применения этой инициативы. В настоящее время развиваются различные международные, региональные и национальные программы по продвижению и выполнению координирующей роли NGS в области биобезопасности пищевых продуктов, такие как, например, FDA Food Emergency Response Network (FERN) GenomeTrakr (GТ) (https://www.youtube.com/watch?v=EsrHu6ozsz8) [67-69].

Существующие в Российской Федерации системы контроля возбудителей пищевых инфекций пока в ограниченной степени используют возможности современных достижений в области молекулярной биологии и генодиагностики. Применение новейших протоколов амплификации и секвенирования геномов микроорганизмов пока является сферой деятельности научных лабораторий [70-74].

Заключение

NGS-cеквенирование имеет перспективы стать стандартной методологией в области безопасности пищевых продуктов для идентификации и характеристики патогенов пищевого происхождения, в том числе обладающих резистентностью к антимикробным препаратам и другим неблагоприятным воздействиям.

Совершенствование существующих систем мониторинга, диагностики и быстрого оповещения на всех уровнях - от национальных до межгосударственных - позволит оценить пути циркуляции в среде обитания человека наиболее опасных возбудителей, создать электронные базы данных и актуализировать алгоритмы управления безопасностью и качеством пищевой продукции путем внедрения целенаправленных мероприятий по профилактике любых новых и вновь возникающих возбудителей пищевых токсикоинфекций для защиты здоровья населения РФ.

Литература

1. Sanger F., Nicklen S., Coulson A.R. DNA sequencing with chain-terminating inhibitors // Proc. Natl. Acad. Sci. U.S.A. 1977. Vol. 74, N 12. P. 5463-5467. DOI: https://doi.org/10.1073/pnas.74.12.5463

2. Goto K., Omura T., Hara Y., Sadaie Y. Application of the partial 16S rDNA as an index for rapid identification of species in the genus Bacillus // J. Gen. Appl. Microbiol. 2000. Vol. 46, N 1. P. 1-8. DOI: https://doi.org/10.2323/jgam.46.1

3. Алексеева А.Е., Бруснигина Н.Ф. Возможности и перспективы применения методов массивного параллельного секвенирования в диагностике и эпидемиологическом надзоре за инфекционными заболеваниями // Журнал МедиАль. 2014. № 2. C. 6-28.

4. Hyeon J.-Y., Li S., Mann D.A., Zhang S., Li Z., Chen Y. et al. Quasimetagenomics-based and real-time-sequencing-aided detection and subtyping of Salmonella enterica from food samples // Appl. Environ. Microbiol. 2018. Vol. 84, N 4. P. e02340-17. DOI: https://doi.org/10.1128/AEM.02340-17

5. Shendure J., Ji H. Next-generation DNA sequencing // Nat. Biotechnol. 2008. Vol.26, № 10. P.1135-1145. DOI: https://doi.org/10.1038/nbt1486

6. Crossley B.M., Bai J., Glaser A. et al. Guidelines for Sanger sequencing and molecular assay monitoring // J. Vet. Diagn. Invest. 2020. Vol. 32, N 6. P. 767-775. DOI: https://doi.org/10.1177/1040638720905833

7. Beck T.F., Mullikin J.C.; NISC Comparative Sequencing Program, Biesecker L.G. Systematic evaluation of Sanger validation of next-generation sequencing variants // Clin. Chem. 2016. Vol. 62, N 4.

P. 647-654. DOI: https://doi.org/10.1373/clinchem.2015.249623

8. Bruske E., Otto T.D., Frank M. Whole genome sequencing and microsatellite analysis of the Plasmodium falciparum E5 NF54 strain show that the var, rifin and stevor gene families follow Mendelian inheritance // Malar J. 2018. Vol. 17, N 1. P. 376. DOI: https://doi.org/10.1186/s12936-018-2503-2

9. Ребриков Д.В., Коростин Д.О., Шубина Е.С., Ильинский В.В. NGS: высокопроизводительное секвенирование. Москва : БИНОМ. Лаборатория знаний, 2015. 232 с. ISBN: 978-5-9963-1784-4.

10. Sekse C., Holst-Jensen A., Dobrindt U., Johannessen G.S., Li W., Spilsberg B., Shi J. High throughput sequencing for detection of foodborne pathogens // Front. Microbiol. 2017. Vol. 8. P. 2029. DOI: https://doi.org/10.3389/fmicb.2017.02029

11. Wick R.R., Judd L.M., Gorrie C.L., Holt K.E. Completing bacterial genome assemblies with multiplex MinION sequencing // Microb. Genom. 2017. Vol. 3, N 10. P. e000132. DOI: https://doi.org/10.1099/mgen.0.000132

12. Liu Q., Fang L., Yu G., Wang D., Xiao C.L., Wang K. Detection of DNA base modifications by deep recurrent neural network on Oxford Nanopore sequencing data // Nat. Commun. 2019. Vol. 10, N 1. P. 2449. DOI: https://doi.org/10.1038/s41467-019-10168-2

13. Heikema A.P., Horst-Kreft D., Boers S.A., Jansen R., Hiltemann S.D., de Koning W. Comparison of illumina versus nanopore 16S rRNA gene sequencing of the human nasal microbiota // Genes (Basel). 2020.

Vol. 11, N 9. P. 1105. DOI: https://doi.org/10.3390/genes11091105

14. Lemon J.K., Khil P.P., Frank K.M., Dekker J.P. Rapid nanopore sequencing of plasmids and resistance gene detection in clinical

isolates // J. Clin. Microbiol. 2017. Vol. 55, N 12. Р. 3530-3543. DOI: https://doi.org/10.1128/JCM.01069-17

15. Taştan Bishop Ö. (eds). Bioinformatics and data analysis in microbiology / Rhodes University Bioinformatics, Department of Biochemistry, Microbiology and Biotechnology, Rhodes University, South Africa. NorfolK, UK : Caister Academic Press, 2014. 248 р. ISBN: 978-1-908230-39-3. DOI: https://doi.org/10.21775/9781910190494

16. Li R., Xie M., Dong N., Lin D., Yang X., Wong M.H.Y. et al. Efficient generation of complete sequences of MDR­ encoding plasmids by rapid assembly of MinION barcoding sequencing data // GigaScience. 2018. Vol. 7, N 3. P. 1-9. DOI: https://doi.org/10.1093/gigascience/gix132. Erratum in: Gigascience. 2019. Vol. 8, N 3. PMID: 29325009; PMCID: PMC5848804.

17. Cheng L., Connor T.R., Aanensen D.M., Spratt B.G., Corander J. Bayesian semi-supervised classification of bacterial samples using MLST databases // BMC Bioinformat. 2011. Vol. 12. P. 302. DOI: https://doi.org/10.1186/1471-2105-12-302

18. Jolley K.A., Bray J.E., Maiden M.C.J. Open-access bacterial population genomics: BIGSdb software, the PubMLST.org website and their applications // Wellcome Open Res. 2018. Vol. 3. P. 124. DOI: https://doi.org/10.12688/wellcomeopenres.14826.1

19. Maiden M.C. Horizontal genetic exchange, evolution, and spread of antibiotic resistance in bacteria // Clin. Infect. Dis. 1998. Vol. 27, Suppl. 1. S. 12-20. DOI: https://doi.org/10.1086/514917

20. Joensen K.G., Scheutz F., Lund O., Hasman H., Kaas R. S., Nielsen E.M.

et al. Real-time whole-genome sequencing for routine typing, surveillance, and outbreak detection of verotoxigenic Escherichia coli // J. Clin. Microbiol. 2014. Vol. 52, N 5. P. 1501-1510. DOI: https://doi.org/10.1128/JCM.03617-13

21. Schmitz-Esser S., Wagner M. Genome sequencing of Listeria monocytogenes // Methods Mol. Biol. 2014. Vol. 1157. P. 223-232. DOI: https://doi.org/10.1007/978-1-4939-0703-8_19

22. Jarvis K.G., White J.R., Grim C.J., Ewing L., Ottesen A. R., Beaubrun J. J.-G. et al. Cilantro microbiome before and after nonselective pre-enrichment for Salmonella using 16S rRNA and metagenomic sequencing // BMC Microbiol. 2015. Vol. 15. P. 160. DOI: https://doi.org/10.1186/s12866-015-0497-2

23. Arulandhu A.J., Staats M., Hagelaar R., Voorhuijzen M.M., Prins T.W., Scholtens I. et al. Development and validation of a multi-locus DNA metabarcoding method to identify endangered species in complex samples // GigaScience. 2017. Vol. 6, N 10. Р. 1-18. DOI: https://doi.org/10.1093/gigascience/gix080

24. van Cuyck H., Pichon B., Leroy P., Grander-Farbos A., Underwood A., Soullie B. et al. Multiple-locus variable-number tandem-repeat analysis of Streptococcus pneumoniae and comparison with multiple loci sequence typing // BMC Microbiol. 2012. Vol. 12, N 241. P. 1-9. DOI: https://doi.org/10.1186/1471-2180-12-241

25. Gonzalez-Gonzalez A., Sanchez-Reyes L.L., Sapien G.D., Eguiarte L.E., Souza V. Hierarchical clustering of genetic diversity associated to different levels of mutation and recombination in Escherichia coli:

a study based on Mexican isolates // Infect. Genet. Evol. 2013. Vol. 13.

P. 187-197. DOI: https://doi.org/10.1016/j.meegid.2012.09.003

26. Urvin R., Maiden M.C.J. Multi-locus sequencing typing: a tool for global epidemiology // Trends Microbiol. 2003. Vol. 11, N 10. P. 479-487. DOI: https://doi.org/10.1016/j.tim.2003.08.006

27. Inouye M., Conway T.C., Zobel J., Holt K.E. Short read sequence typing (SRST): multi-locus sequence types from short reads // BMC Genomics. 2012. Vol. 13. P. 338. DOI: https://doi.org/10.1186/1471-2164-13-338

28. Воронина О.Л., Тартаковский И.С., Ющук Н.Д., Рыжова Н.Н., Аксенова Е.И., Кунда М.С. и др. Анализ спорадических случаев инвазивного листериоза в мегаполисе // Журнал микробиологии, эпидемиологии и иммунобиологии. 2020. Т. 97, № 6. С. 546-555. DOI: https://doi.org/10.36233/0372-9311-2020-97-6-5

29. Engberg J., On S.L.W., Harrington C.S., Gerner-Smidt P. Prevalence of Campylobacter, Arcobacter, Helicobacter, and Sutterella spp. in human fecal samples as estimated by a reevaluation of isolation methods for campylobacters // J. Clin. Microbiol. 2000. Vol. 38, N 1. P. 286-291. PMCID: PMC88711, PMID: 10618103

30. Ефимочкина Н.Р. Бактериальные пищевые патогены рода Campylobacter // Москва : АНО "Издательство РАМН", 2019. 215 с. ISBN 978-5-7901-0125-0.

31. Ellington M.J., Ekelund O., Aarestrup F.M., Canton R., Doumith M., Giske C. et al. The role of whole genome sequencing in antimicrobial susceptibility testing of bacteria: report from the EUCAST Subcommittee // Clin. Microbiol. Infect. 2017. Vol. 23. P. 2-22. DOI: https://doi.org/10.1016/j.cmi.2016.11.012

32. Fleischmann R.D., Adams M.D., White O., Clayton R.A., Kirkness E.F., Kerlavage A.R. et al. Whole genome random sequencing and assembly of Haemophilus influenza Rd // Science. 1995. Vol. 269, N 5223. P. 496-512. DOI: https://doi.org/10.1126/science.7542800

33. Fraser C.M., Gocayne J.D., White O., Adams M.D., Clayton R.A., Fleischmann R.D. et al. The minimal gene complement of Mycoplasma genitalium // Science. 1995. Vol. 270, N 5235. P. 397-403. DOI: https://doi.org/10.1126/science.270.5235.397

34. Parchill J., Wren B.W., Mungall K., Ketley J.M., Churcher C., Basham D. et al. The genome sequence of the food-borne pathogen Campylobacter jejuni reveals hypervariable sequences // Nature. 2000. Vol. 403, N 6770. P. 665-668. DOI: https://doi.org/10.1038/35001088

35. Pearson B.M., Gaskin D.J., Segers R.P., Wells J.M., Nuijten P.J., van Vliet A.H.M. The complete genome sequence of Campylobacter jejuni strain 81116 (NCTC 11828) // J. Bacteriol. 2007. Vol. 189, N 22.

Р. 8402-8403. DOI: https://doi.org/10.1128/JB.01404-07

36. Golz J.C., Stingl K. Natural competence and horizontal gene transfer in Campylobacter // Curr. Top. Microbiol. Immunol. 2021. Vol. 431. P. 265-292. DOI: https://doi.org/10.1007/978-3-030-65481-8_10

37. Moura A., Criscuolo A., Pouseele H., Maury M.M., Leclercq A., Tarr C. et al. Whole genome-based population biology and epidemiological surveillance of Listeria monocytogenes // Nat. Microbiol. 2016. Vol. 2.

P. 16185. DOI: https://doi.org/10.1038/nmicrobiol.2016.185

38. Fagerlund A., Langsrud S., Møretrø T. In-depth longitudinal study of Listeria monocytogenes ST9 isolates from the meat processing industry: resolving diversity and transmission patterns using whole-genome sequencing // Appl. Environ. Microbiol. 2020. Vol. 86, N 14. Р. e00579-20. DOI: https://doi.org/10.1128/AEM.00579-20

39. Tyson G.W., Chapman J., Hugenholtz P., Allen E.E. Community structure and metabolism through reconstruction of microbial genomes from the environment // Nature. 2004. Vol. 428, N 6978. P. 37-43. DOI: https://doi.org/10.1038/nature02340

40. Qin J., Li R., Raes J., Arumugam M. A human gut microbial gene catalogue established by metagenomics sequencing // Nature. 2010. Vol. 464, N 7285. P. 59-65. DOI: https://doi.org/10.1038/nature08821

41. Jia H., Cai X., Zhong H., Feng Q., Sunagawa S., Arumugam M. et al. An integrated catalog of reference genes in the human gut microbiome // Nat. Biotechnol. 2014. Vol. 32, N 8. P. 834-841. DOI: https://doi.org/10.1038/nbt.2942

42. Sunagawa S., Mende D.R., Zeller G., Berger S.A., Kultima J.R., Coelho L.P. et al. Metagenomic species profiling using universal phylogenetic marker genes // Nat. Methods. 2013. Vol. 10, N 12. P. 1196-1199. DOI: https://doi.org/10.1038/nmeth.2693

43. de la Cuesta-Zuluaga J., Escobar J.S. Considerations for optimizing microbiome analysis using a marker gene // Front. Nutr. 2016. Vol. 3. Р. 26. DOI: https://doi.org/10.3389/fnut.2016.00026

44. Bergholz T.M., Switt A.I., Wiedmann M. Omics approaches in food safety: fulfilling the promise? // Trends Microbiol. 2014. Vol. 22. P. 275-281. DOI: https://doi.org/10.1016/j.tim.2014.01.006

45. Zhang S.K., Yin Y.L., Jones M.B., Zhang Z.Z., Kaiser B.L.D., Dinsmore B.A. et al. Salmonella serotype determination utilizing high-throughput genome sequencing data // J. Clin. Microbiol. 2015. Vol. 53. P. 1685-1692. DOI: https://doi.org/10.1128/JCM.00323-15

46. Carola S., Rolf D. Metagenomic analysis: past and future trends // Appl. Environ. Microbiol. Appl. Environ. Microbiol. 2011. Vol. 77, N 4. P. 1153-1161. DOI: https://doi.org/10.1128/AEM.02345-10

47. Baffoni L., Stenico C.V., Strahsburger E. Gaggìa F., Di Gioia D., Modesto M. et al. Identification of species belonging to the Bifidobacterium genus by PCR-RFLP analysis of a hsp60 gene fragment //

BMC Microbiol. 2013. Vol. 13, N 149. P. 1-9. DOI: https://doi.org/10.1186/1471-2180-13-149

48. Blaiotta G., Fusco V., Ercolini D., Aponte M., Pepe J., Villani F. Lactobacillus strain diversity based on partial hsp60 gene sequences and design of PCR-restriction fragment length polymorphism assay for species identification and differentiation // Appl. Environ. Microbiol. 2008. Vol. 74, N 1. P. 208-215. DOI: https://doi.org/10.1128/AEM.01711-07

49. Campedelli I., Mathur H., Salvetti E., Clarke S., Rea M.C., Torriani S. et al. Genus-Wide Assessment of Antibiotic Resistance in Lactobacillus spp. // Appl Environ Microbiol. 2018. Vol. 85, N 1. Р. e01738-18. DOI: https://doi.org/10.1128/AEM.01738-18

50. Ferri E., Galimberti A., Casiraghi M., Airoldi C., Ciaramelli C., Palmioli A. et al. Towards a universal approach based on omics technologies for the quality control of food // BioMed Res. Int. 2015. Vol. 2015. Article ID 365794. 14 p. DOI: http://dx.doi.org/10.1155/2015/365794

51. Blagden T., Schneider W., Melcher U., Daniels J., Fletcher J. Adaptation and validation of e-probe diagnostic nucleic acid analysis for detection of Escherichia coli O157:H7 in metagenomic data from complex food matrices // J. Food Prot. 2016. Vol. 79. P. 574-581. DOI: https://doi.org/10.4315/0362-028X.JFP-15-440

52. Loman N. J., Constantinidou C., Christner M., Rohde H., Chan J.Z.M., Quick J. et al. A culture-independent sequence-based metagenomics approach to the investigation of an outbreak of Shiga-toxigenic Esche-

richia coli O104:H4. // JAMA. 2013. Vol. 309. P. 1502-1510. DOI: https://doi.org/10.1001/jama.2013.3231

53. Turnbaugh P.J., Ley R.E., Hamady M., Fraser-Liggett C.M., Knight R., Gordon J.I. The human microbiome project // Nature. 2007. Vol. 449, N 7164. Р. 804-810. DOI: https://doi.org/10.1038/nature06244

54. Nishijima S., Suda W., Oshima K., Kim S.-W., Hirose Y., Morita H. et al. The gut microbiome of healthy Japanese and its microbial and functional uniqueness // DNA Res. 2016. Vol. 23, N 2. Р. 125-133. DOI: https://doi.org/10.1093/dnares/dsw002

55. Huttenhower C., Gevers D., Knight R., Abubucker S. The Human Microbiome Project (HMP) consortium. Structure, function and diversity of the healthy human microbiome // Nature. 2012. Vol. 486.

P. 207-214. DOI: https://doi.org/10.1038/nature11234

56. Шевелева С.А., Куваева И.Б., Ефимочкина Н.Р., Маркова Ю.М., Просянников М.Ю. Микробиом кишечника: от эталона нормы к патологии // Вопросы питания. 2020. Т. 89, № 4. С. 35-51. DOI: https://doi.org/10.24411/0042-8833-2020-10040

57. Брагина Т.В., Елизарова Е.В., Шевелева С.А. Микробиота кишечника спортсменов // Вопросы питания. 2021. Т. 90, № 4. С. 36-52. DOI: https://doi.org/10.33029/0042-8833-2021-90-4-36-52

58. Ефимочкина Н.Р., Багрянцева О.В., Дюпуи Э.К., Хотимченко С.А., Пермяков Е.В., Шевелева С.А. и др. Новые международные инициативы в создании систем эффективного прогнозирования рисков и обеспечения безопасности пищевых продуктов // Вопросы питания. 2016. Т. 85, № 2. С. 92-103. DOI: https://doi.org/10.24411/0042-8833-2016-00027

59. Быкова И.Б., Булахов А.В. Анализ международных систем гигиенического мониторинга возбудителей пищевых токсикоинфекций // Вопросы питания. 2012. Т. 81, № 6. С. 12-18.

60. Jenkins C., Dallman T.J., Launders N., Willis C., Byrne L., Jorgensen F. et al. Public health investigation of two outbreaks of Shiga toxin-producing Escherichia coli O157 associated with consumption of watercress // Appl. Environ. Microbiol. 2015. Vol. 81. P. 3946-3952. DOI: https://doi.org/10.1128/AEM.04188-14

61. Turabelidze G., Lawrence S.J., Gao H., Sodergren E., Weinstock G.M. Abubucker S. et al. Precise dissection of an Escherichia coli O157:H7 outbreak by single nucleotide polymorphism analysis // J. Clin. Microbiol. 2013. Vol. 51. P. 3950-3954. DOI: https://doi.org/10.1128/JCM.01930-13

62. Holmes A., Allison L., Ward M., Dallman T.J., Clark R., Fawkes A. et al. Utility of whole-genome sequencing of Escherichia coli O157 for outbreak detection and epidemiological surveillance // J. Clin. Microbiol. 2015. Vol. 53. P. 3565-3573. DOI: https://doi.org/10.1128/JCM.01066-15

63. Schmid D., Allerberger F., Huhulescu S., Pietzka A., Amar C., Kleta S. et al. Whole genome sequencing as a tool to investigate a cluster of seven cases of listeriosis in Austria and Germany, 2011-2013 // Clin. Microbiol. Infect. 2014. Vol. 20. P. 431-436. DOI: https://doi.org/10.1111/1469-0691.12638

64. Octavia S., Wang Q., Tanaka M.M., Kaur S., Sintchenko V., Lan R. Delineating community outbreaks of Salmonella enterica serovar Typhimurium by use of whole-genome sequencing: insights into genomic variability within an outbreak // J. Clin. Microbiol. 2015. Vol. 53. P. 1063-1071. DOI: https://doi.org/10.1128/JCM.03235-14

65. Taylor A.J., Lappi V., Wolfgang W.J., Lapierre P., Palumbo M.J., Medus C. et al. Characterization of foodborne outbreaks of Salmonella enterica serovar Enteritidis with whole-genome sequencing single nucleotide polymorphism-based analysis for surveillance and outbreak detection //

J. Clin. Microbiol. 2015. Vol. 53. P. 3334-3340. DOI: https://doi.org/10.1128/JCM.01280-15

66. Ottesen A., Ramachandran P., Reed E., White J.R., Hasan N., Subramanian P. et al. Enrichment dynamics of Listeria monocytogenes and the associated microbiome from naturally contaminated ice cream linked to a listeriosis outbreak // BMC Microbiol. 2016. Vol. 16. P. 275. DOI: https://doi.org/10.1186/s12866-016-0894-1

67. Whitehouse C.A., Young S., Li C., Hsu C.H., Martin G., Zhao S. Use of whole-genome sequencing for Campylobacter surveillance from NARMS retail poultry in the United States in 2015 // Food Microbiol. 2018. Vol. 73. P. 122-128. DOI: https://doi.org/10.1016/j.fm.2018.01.018

68. Pornsukarom S., van Vliet A.H.M., Thakur S. Whole genome sequencing analysis of multiple Salmonella serovars provides insights into phylogenetic relatedness, antimicrobial resistance, and virulence markers across humans, food animals and agriculture environmental sources // BMC Genomics. 2018. Vol. 19, N 1. P. 801. DOI: https://doi.org/10.1186/s12864-018-5137-4

69. Allard M.W., Strain E., Melka D., Bunning K., Musser S.M., Brown E.W. et al. Practical value of food pathogen traceability through building a whole-genome sequencing network and database // J. Clin. Microbiol. 2016. Vol. 54, N 8. P. 1975-1983. DOI: https://doi.org/10.1128/JCM.00081-16

70. Кулешов К.В., Павлова А.С., Гоптарь И.А., Уткина А.В., Гусева А.Н., Рожнова С.Ш. и др. Стандартизация получения и анализа данных полногеномного секвенирования при субтипировании изолятов Salmonella enteritidis // Молекулярная диагностика 2018 : сборник трудов Международной научно-практической конференции. Минск, 2018. С. 296-297. ISBN 978-985-7091-99-7.

71. Кулешов К.В., Павлова А.С., Гоптарь И.А., Уткина А.В., Гусева А.Н., Подколзин А.Т. и др. Опыт применения полногеномного секвенирования как инструмента характеристики изолятов Sh. sonnei, выделенных при вспышках на территории РФ // Молекулярная диагностика 2018 : сборник трудов Международной научно-практической конференции. Минск, 2018. С. 297-298. ISBN 978-985-7091-99-7.

72. Павлова А.С., Кулешов К.В., Гоптарь И.А., Уткина А.В., Гусева А.Н., Рожнова С.Ш. и др. Первичные данные об изучении популяционной структуры доминантного PFGE-типа S. enteritidis JEGX01.0001 - JEGA26.0001 и возможности применения полногеномного секвенирования для определения связи между различными очагами заболеваемости // Молекулярная диагностика 2018 : сборник трудов Международной научно-практической конференции. Минск, 2018. С. 298-299. ISBN 978-985-7091-99-7.

73. Воронина О.Л., Кунда М.С., Рыжова Н.Н., Кутузова А.В., Аксенова Е.И., Карпова Т.И. и др. Роль генотипирования в эпидемическом расследовании случаев инвазивного листериоза // Молекулярная диагностика : сборник трудов X Юбилейной Международной научно-практической конференции. Москва, 2021. Т. 2. С. 119-120. ISBN 978-5-98407-041-6.

74. Егорова С.А., Кафтырева Л.А. Хромосомные механизмы устойчивости к хинолонам штаммов Salmonella различных сероваров // Молекулярная диагностика : сборник трудов X Юбилейной международной научно-практической конференции. Москва. 2021. Т. 2. С. 60-61. ISBN 978-5-98407-041-6.

All articles in our journal are distributed under the CC BY-NC-ND 4.0 (Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International)

© GEOTAR-Media Publishing Group. The use of textual and illustrative content from this publication for the training of any artificial intelligence systems - including machine learning models and neural networks - is strictly prohibited without the prior written consent of the copyright holder.