The honey bee (Apis mellifera) is important both ecologically, as a generalist pollinator, and economically by pollinating our crops and producing honey. Honey bees use plants for foraging for pollen and nectar, which together constitute their entire diet. Yet, as flowering times of plants vary during the summer, so do the floral resources available. Honey bees are known to be selective for their food sources. Thus, their specificity in plant choices could vary according to the availability of flower sources, showing a differing usage of plant diversity in different timepoints. Alternatively, the honey bees selectivity to fulfill their nutrient needs could lead to a constant usage of diversity. The taxonomic origin of the plant DNA found in honey can be identified and used to investigate the plant taxa the bees have collected nectar and pollen from. This study asks whether the diversity of plants which honey bees use varies during summer (June, July, and August). I used two diversity indices as response variables: 1) the Shannon-Wiener diversity index and 2) the number of plant genera identified in the DNA in the honey. I used data gathered from 41 hives from 14 Finnish beekeepers. An ANOVA test revealed no significant difference among the three timepoints in either response variable, indicating honey bees select a constant diversity of plants throughout the season. The result suggest that different plants can fulfill honey bees’ requirements at different parts of the summer. Honey bees are generalists, but selective, producing a relatively constant usage of plants throughout the season.

Yes / Aeromonas hydrophila is a well-known waterborne pathogen that recently was found to infect humans. Here, we report the draft genome of a freshwater isolate from a Malaysian waterfall, A. hydrophila strain M023, which portrays N-acylhomoserine lactone-dependent quorum sensing. / University of Malaya via High Impact Research Grants (UM C/625/1/HIR/MOHE/CHAN/01, A-000001-50001, and UM C/625/1/HIR/MOHE/CHAN/14/1, H-50001-A000027)

Yes / Pantoea stewartii strain M073a is a Gram-negative bacterium isolated from a tropical waterfall. This strain exhibits quorum-sensing activity. Here, the assembly and annotation of its genome are presented. / High Impact Research Grants from the University of Malaya (UM.C/625/1/HIR/MOHE/CHAN/01, grant no. A-000001-50001 and UM-MOHE HIR Grant UM.C/625/1/HIR/MOHE/ CHAN/14/1, no. H-50001-A000027)

No / Background: Phylogenetic studies of bacteria have been based so far either on a single gene (usually the 16SrRNA) or on concatenated housekeeping genes. For what concerns the genus Mycobacterium these approaches support the separation of rapidly and slowly growing species and the clustering of most species in well-defined phylogenetic groups. The advent of high-throughput shotgun sequencing leads us to revise conventional tax-onomy of mycobacteria on the light of genomic data. For this purpose we investigated 88 newly sequenced species in addition to 60 retrieved from GenBank and used the Average Nucleotide Identity pairwise scores to reconstruct phylogenetic relationships within this genus.Results:Our analysis confirmed the separation of slow and rapid growers and the intermediate position occupied by the M. terrae complex. Among the rapid growers, the species of the M. chelonae-abscessus complex belonged to the most ancestral cluster. Other major clades of rapid growers included the species related to M. fortuitum and M. smegmatis and a large grouping containing mostly environmental species rarely isolated from humans. The members of the M. terrae complex appeared as the most ancestral slow growers. Among slow growers two deep branches led to the clusters of species related to M. celatum and M. xenopi and to a large group harboring most of the species more frequently responsible of disease in humans, including the major pathogenic mycobacteria (M.tuberculosis,M. leprae,M. ulcerans). The species previously grouped in the M. simiae complex were allocated in a number of sub-clades; of them, only the one including the species M. simiae identified the real members of this complex. The other clades included also species previously not considered related to M. simiae. The ANI analysis,in most cases supported by Genome to Genome Distance and by Genomic Signature-Delta Difference, showed that a number of species with standing in literature were indeed synonymous.Conclusions:Genomic data revealed to be much more informative in comparison with phenotype. We believe that the genomic revolution enabled by high-throughput shotgun sequencing should now be considered in order to revise the conservative approaches still informing taxonomic sciences.

Yes / Understanding the circulating Mycobacterium tuberculosis resistance mutations is vital for better TB control strategies, especially to inform a new MDR-TB treatment programme. We complemented the phenotypic drug susceptibility testing (DST) based drug resistance surveys (DRSs) conducted in Uganda between 2008 and 2011 with Whole Genome Sequencing (WGS) of 90 Mycobacterium tuberculosis isolates phenotypically resistant to rifampicin and/or isoniazid to better understand the extent of drug resistance. A total of 31 (34.4 %) patients had MDR-TB, 5 (5.6 %) mono-rifampicin resistance and 54 (60.0 %) mono-isoniazid resistance by phenotypic DST. Pyrazinamide resistance mutations were identified in 32.3% of the MDR-TB patients. Resistance to injectable agents was detected in 4/90 (4.4%), and none to fluoroquinolones or novel drugs. Compensatory mutations in rpoC were identified in two patients. The sensitivity and specificity of drug resistance mutations compared to phenotypic DST were for rpoB 88.6% and 98.1%, katG 60.0% and 100%, fabG1 16.5% and 100%, katG and/or fabG1 71.8% and 100%, embCAB 63.0% and 82.5%, rrs 11.4% and 100%, rpsL 20.5% and 95.7% and rrs and/or rpsL 31.8% and 95.7%. Phylogenetic analysis showed dispersed MDR-TB isolate, with only one cluster of three Beijing family from South West Uganda. Among tuberculosis patients in Uganda, resistance beyond first-line drugs as well as compensatory mutations remain low, and MDR-TB isolates did not arise from a dominant clone. Our findings show the potential use of sequencing for complementing DRSs or surveillance in this setting, with good specificity compared to phenotypic DST. The reported high confidence mutations can be included in molecular assays, and population-based studies can track transmission of MDR-TB including the Beijing family strains in the South West of the country. / Erasmus Mundus Joint Doctorate Program of the European Union through a training grant to WS and the European Research Council-INTERRUPTB starting grant (nr.311725) to BdJ.

Yes / Whole genome sequencing (WGS) is increasingly used for Mycobacterium tuberculosis (Mtb) research. Countries with the highest tuberculosis (TB) burden face important challenges to integrate WGS into surveillance and research. We assessed the global status of Mtb WGS and developed a 3-week training course coupled with long-term mentoring and WGS infrastructure building. Training focused on genome sequencing, bioinformatics and development of a locally relevant WGS research project. The aim of the long-term mentoring was to support trainees in project implementation and funding acquisition. The focus of WGS infrastructure building was on the DNA extraction process and bioinformatics. Compared to their TB burden, Asia and Africa are grossly underrepresented in Mtb WGS research. Challenges faced resulted in adaptations to the training, mentoring and infrastructure building. Out-of-date laptop hardware and operating systems were overcome by using online tools and a Galaxy WGS analysis pipeline. A case studies approach created a safe atmosphere for students to formulate and defend opinions. Because quality DNA extraction is paramount for WGS, a biosafety level 3 and general laboratory skill training session were added, use of commercial DNA extraction kits was introduced and a 2-week training in a highly equipped laboratory was combined with a 1-week training in the local setting. By developing and sharing the components of and experiences with a sequencing and bioinformatics training program, we hope to stimulate capacity building programs for Mtb WGS and empower high-burden countries to play an important role in WGS-based TB surveillance and research. / Vlaamse Interuniversitaire Raad-secretariaat voor universitaire ontwikkelingssamenwerking (ET2018JOI008A10); the Research Foundation Flanders under FWO Odysseus (grant G0F8316N); the South African Research Chairs Initiative of the Department of Science and Technology and National Research Foundation of South Africa (64751); the South African Medical Research Council.

No / The role of mutations in genes associated with phenotypic resistance to bedaquiline (BDQ) and delamanid (DLM) in Mycobacterium tuberculosis complex (MTBc) strains is poorly characterized. A clear understanding of the genetic variants' role is crucial to guide the development of molecular-based drug susceptibility testing (DST). In this work, we analyzed all mutations in candidate genomic regions associated with BDQ- and DLM-resistant phenotypes using a whole-genome sequencing (WGS) data set from a collection of 4,795 MTBc clinical isolates from six countries with a high burden of tuberculosis (TB). From WGS analysis, we identified 61 and 163 unique mutations in genomic regions potentially involved in BDQ- and DLM-resistant phenotypes, respectively. Importantly, all strains were isolated from patients who likely have never been exposed to these medicines. To characterize the role of mutations, we calculated the free energy variation upon mutations in the available protein structures of Ddn (DLM), Fgd1 (DLM), and Rv0678 (BDQ) and performed MIC assays on a subset of MTBc strains carrying mutations to assess their phenotypic effect. The combination of structural and phenotypic data allowed for cataloguing the mutations clearly associated with resistance to BDQ (n = 4) and DLM (n = 35), only two of which were previously described, as well as about a hundred genetic variants without any correlation with resistance. Significantly, these results show that both BDQ and DLM resistance-related mutations are diverse and distributed across the entire region of each gene target, which is of critical importance for the development of comprehensive molecular diagnostic tools.

Methoden zur genomischen Vorhersage basierend auf Genotypinformationen von Single Nucleotide Polymorphism (SNP)-Arrays mit unterschiedlicher Markeranzahl sind mittlerweile in vielen Zuchtprogrammen für Nutztiere fest implementiert. Mit der zunehmenden Verfügbarkeit von vollständigen Genomsequenzdaten, die auch kausale Mutationen enthalten, werden mehr und mehr Studien veröffentlicht, bei denen genomische Vorhersagen beruhend auf Sequenzdaten durchgeführt werden. Das Hauptziel dieser Arbeit war zu untersuchen, inwieweit SNP-Array-Daten mit statistischen Verfahren bis zum Sequenzlevel ergänzt werden können (sogenanntes „Imputing“) (Kapitel 2) und ob die genomische Vorhersage mit imputeten Sequenzdaten und zusätzlicher Information über die genetische Architektur eines Merkmals verbessert werden kann (Kapitel 3). Um die Genauigkeit der genomischen Vorhersage besser verstehen und eine neue Methode zur Approximation dieser Genauigkeit ableiten zu können, wurde außerdem eine Simulationsstudie durchgeführt, die den Grad der Überschätzung der Genauigkeit der genomischen Vorhersage verschiedener bereits bekannter Ansätze überprüfte (Kapitel 4). Der technische Fortschritt im letzten Jahrzehnt hat es ermöglicht, in relativ kurzer Zeit Millionen von DNA-Abschnitten zu sequenzieren. Mehrere auf unterschiedlichen Algorithmen basierende Software-Programme zur Auffindung von Sequenzvarianten (sogenanntes „Variant Calling“) haben sich etabliert und es möglich gemacht, SNPs in den vollständigen Genomsequenzdaten zu detektieren detektieren. Oft werden nur wenige Individuen einer Population vollständig sequenziert und die Genotypen der anderen Individuen, die mit einem SNP-Array an einer Teilmenge dieser SNPs typisiert wurden, imputet. In Kapitel 2 wurden deshalb anhand von 50 vollständig sequenzierten Weiß- und Braunleger-Individuen die mit drei unterschiedlichen Variant-Calling-Programmen (GATK, freebayes and SAMtools) detektierten Genomvarianten verglichen und die Qualität der Genotypen überprüft. Auf den untersuchten Chromosomen 3,6 und 26 wurden 1.741.573 SNPs von allen drei Variant Callers detektiert was 71,6% (81,6%, 88,0%) der Anzahl der von GATK (SAMtools, freebayes) detektierten Varianten entspricht. Die Kenngröße der Konkordanz der Genotypen („genotype concordance“), die durch den Anteil der Individuen definiert ist, deren Array-basierte Genotypen mit den Sequenz-basierten Genotypen an allen auch auf dem Array vorhandenen SNPs übereinstimmt, betrug 0,98 mit GATK, 0,98 mit SAMtools und 0,97 mit freebayes (Werte gemittelt über SNPs auf den untersuchten Chromosomen). Des Weiteren wiesen bei Nutzung von GATK (SAMtools, freebayes) 90% (88 %, 75%) der Varianten hohe Werte (>0.9) anderer Qualitätsmaße (non-reference sensitivity, non-reference genotype concordance und precision) auf. Die Leistung aller untersuchten Variant-Calling-Programme war im Allgemeinen sehr gut, besonders die von GATK und SAMtools. In dieser Studie wurde außerdem in einem Datensatz von ungefähr 1000 Individuen aus 6 Generationen die Güte des Imputings von einem hochdichten SNP-Array zum Sequenzlevel untersucht. Die Güte des Imputings wurde mit Hilfe der Korrelationen zwischen imputeten und wahren Genotypen pro SNP oder pro Individuum und der Anzahl an Mendelschen Konflikten bei Vater-Nachkommen-Paaren beschrieben. Drei unterschiedliche Imputing-Programme (Minimac, FImpute und IMPUTE2) wurden in unterschiedlichen Szenarien validiert. Bei allen Imputing-Programmen betrug die Korrelation zwischen wahren und imputeten Genotypen bei 1000 Array-SNPs, die zufällig ausgewählt und deren Genotypen im Imputing-Prozess als unbekannt angenommen wurden, durchschnittlich mehr als 0.95 sowie mehr als 0.85 bei einer Leave-One-Out-Kreuzvalidierung, die mit den sequenzierten Individuen durchgeführt wurde. Hinsichtlich der Genotypenkorrelation zeigten Minimac und IMPUTE2 etwas bessere Ergebnisse als FImpute. Dies galt besonders für SNPs mit niedriger Frequenz des selteneren Allels. FImpute wies jedoch die kleinste Anzahl von Mendelschen Konflikten in verfügbaren Vater-Nachkommen-Paaren auf. Die Korrelation zwischen wahren und imputeten Genotypen blieb auf hohem Niveau, auch wenn die Individuen, deren Genotypen imputet wurden, einige Generationen jünger waren als die sequenzierten Individuen. Zusammenfassend zeigte in dieser Studie GATK die beste Leistung unter den getesteten Variant-Calling-Programmen, während Minimac sich unter den untersuchten Imputing-Programmen als das beste erwies. Aufbauend auf den Ergebnissen aus Kapitel 2 wurden in Kapitel 3 Studien zur genomischen Vorhersage mit imputeten Sequenzdaten durchgeführt. Daten von 892 Individuen aus 6 Generationen einer kommerziellen Braunlegerlinie standen hierfür zur Verfügung. Diese Tiere waren alle mit einem hochdichten SNP-Array genotypisiert. Unter der Nutzung der Daten von 25 vollständig sequenzierten Individuen wurden jene Tiere ausgehend von den Array-Genotypen bis zum Sequenzlevel hin imputet. Das Imputing wurde mit Minimac3 durchgeführt, das bereits haplotypisierte Daten (in dieser Studie mit Beagle4 erzeugt) als Input benötigt. Die Genauigkeit der genomischen Vorhersage wurde durch die Korrelation zwischen de-regressierten konventionellen Zuchtwerten und direkt genomischen Zuchtwerten für die Merkmale Bruchfestigkeit, Futteraufnahme und Legerate gemessen. Neben dem Vergleich der Genauigkeit der auf SNP-Array-Daten und Sequenzdaten basierenden genomischen Vorhersage wurde in dieser Studie auch untersucht, wie sich die Verwendung verschiedener genomischer Verwandtschaftsmatrizen, die die genetische Architektur berücksichtigen, auf die Vorhersagegenauigkeit auswirkt. Hierbei wurden neben dem Basisszenario mit gleichgewichteten SNPs auch Szenarien mit Gewichtungsfaktoren, nämlich den -(〖log〗_10 P)-Werten eines t-Tests basierend auf einer genomweiten Assoziationsstudie und den quadrierten geschätzten SNP-Effekten aus einem Random Regression-BLUP-Modell, sowie die Methode BLUP|GA („best linear unbiased prediction given genetic architecture“) überprüft. Das Szenario GBLUP mit gleichgewichteten SNPs wurde sowohl mit einer Verwandtschaftsmatrix aus allen verfügbaren SNPs oder nur derer in Genregionen, jeweils ausgehend von der Grundmenge aller imputeten SNPs in der Sequenz oder der Array-SNPs, getestet. Gemittelt über alle untersuchten Merkmale war die Vorhersagegenauigkeit mit SNPs aus Genregionen, die aus den imputeten Sequenzdaten extrahiert wurden, mit 0,366 ± 0,075 am höchsten. Den zweithöchsten Wert erreichte die genomische Vorhersage mit SNPs aus Genregionen, die im SNP-Array erhalten sind (0,361 ± 0,072). Weder die Verwendung gewichteter genomischer Verwandtschaftsmatrizen noch die Anwendung von BLUP|GA führten im Vergleich zum normalen GBLUP-Ansatz zu höheren Vorhersagegenauigkeiten. Diese Beobachtung war unabhängig davon, ob SNP-Array- oder imputete Sequenzdaten verwendet wurden. Die Ergebnisse dieser Studie zeigten, dass kaum oder kein Zusatznutzen durch die Verwendung von imputeten Sequenzdaten generiert werden kann. Eine Erhöhung der Vorhersagegenauigkeit konnte jedoch erreicht werden, wenn die Verwandschaftsmatrix nur aus den SNPs in Genregionen gebildet wurde, die aus den Sequenzdaten extrahiert wurden. Die Auswahl der Selektionskandidaten erfolgt in genomischen Selektionsprogrammen mit Hilfe der geschätzten genomischen Zuchtwerte (GBVs). Die Genauigkeit des GBV ist hierbei ein relevanter Parameter, weil sie die Stabilität der geschätzten Zuchtwerte beschreibt und zeigen kann, wie sich der GBV verändern kann, wenn mehr Informationen verfügbar werden. Des Weiteren ist sie einer der entscheidenden Faktoren beim erwarteten Zuchtfortschritt (auch als so genannte „Züchtergleichung“ beschrieben). Diese Genauigkeit der genomischen Vorhersage ist jedoch in realen Daten schwer zu quantifizieren, da die wahren Zuchtwerte (TBV) nicht verfügbar sind. In früheren Studien wurden mehrere Methoden vorgeschlagen, die es ermöglichen, die Genauigkeit von GBV durch Populations- und Merkmalsparameter (z.B. effektive Populationsgröße, Sicherheit der verwendeten Quasi-Phänotypen, Anzahl der unabhängigen Chromosomen-Segmente) zu approximieren. Weiterhin kann die Genauigkeit bei Verwendung von gemischten Modellen mit Hilfe der Varianz des Vorhersagefehlers abgeleitet werden. In der Praxis wiesen die meisten dieser Ansätze eine Überschätzung der Genauigkeit der Vorhersage auf. Deshalb wurden in Kapitel 4 mehrere methodische Ansätze aus früheren Arbeiten in simulierten Daten mit unterschiedlichen Parametern, mit Hilfe derer verschiedene Tierzuchtprogramme (neben einem Basisszenario ein Rinder- und ein Schweinezuchtschema) abgebildet wurden, überprüft und die Höhe der Überschätzung gemessen. Außerdem wurde in diesem Kapitel eine neue und leicht rechenbare Methode zur Approximation der Genauigkeit vorgestellt Die Ergebnisse des Vergleichs der methodischen Ansätze in Kapitel 4 zeigten, dass die Genauigkeit der GBV durch den neuen Ansatz besser vorhergesagt werden kann. Der vorgestellte Ansatz besitzt immer noch einen unbekannten Parameter, für den jedoch eine Approximation möglich ist, wenn in einem geeigneten Datensatz Ergebnisse von Zuchtwertschätzungen zu zwei verschiedenen Zeitpunkten vorliegen. Zusammenfassend kann gesagt werden, dass diese neue Methode die Approximation der Genauigkeit des GBV in vielen Fällen verbessert.

Clostridium difficile is a leading healthcare-associated infection, which causes diarrhoea, and is almost exclusively precipitated by antibiotic exposure. Traditionally C. difficile infection (CDI) has been considered predominantly transmitted within hospitals. However, endemic spread hampers identification of the source of infections, and therefore control and prevention of disease. A cohort of consecutive hospital and community CDI cases in Oxfordshire from September 2007 to March 2011 was investigated. For each case hospital admission, ward movement and demographic data were available allowing contact events between cases to be reconstructed. Initially 944 cases to March 2010 underwent multilocus sequence typing (MLST), subdividing the endemic cases into 69 distinct lineages and demonstrating unexpectedly that ward-based contact with known symptomatic CDI cases only accounts for <25% of disease. To better determine the extent of transmission arising from symptomatic patients, irrespective of the route transmission, isolates from 1223 cases to March 2011 underwent whole genome sequencing. Serially sampled patients with recurrent or on-going disease were used to estimate rates of C. difficile evolution and within-host diversity and to show 0-2 single nucleotide variants (SNVs) are expected between transmitted isolates obtained <124 days apart (95% prediction interval). Mixed infection with more than one strain was investigated, but probably plays only a minor role in onward transmission. In the Oxfordshire CDI cohort, 333/957 (35%) CDI from April 2008 – March 2011 were within 2 SNVs of ≥1 previous case since September 2007 (consistent with transmission). 428/957 (45%) were >10SNVs from all previous cases: these distinct subtypes continued to be identified consistently throughout the study, suggesting cases arise from a considerable reservoir of C. difficile. Surprisingly, declines in the incidence of genetically-related CDI were similar to those in genetically distinct CDI suggesting interventions not just targeting symptomatic individuals, e.g. antimicrobial stewardship, have played a significant role in recent CDI declines. Finally, the feasibility of studying asymptomatic inpatients as potential source of the unexplained transmission was investigated. This thesis provides convincing evidence, in a setting with typical CDI incidence and infection control practice, that only the minority of CDI arises from other symptomatic cases. It demonstrates that much CDI arises from genetically diverse reservoirs, with each exposure resulting in relatively few secondary cases. Future control strategies therefore need to focus on identifying these reservoirs, one of which is plausibly asymptomatic inpatients, and also on interventions that prevent the transition from exposure and colonisation to disease, such as antimicrobial stewardship.

Whole genome sequencing (WGS) has transformed molecular infectious diseases epidemiology in the last five years, and represents a high resolution means by which to catalogue the genetic content and variation in bacterial pathogens. This thesis utilises WGS to enhance our understanding of antimicrobial resistance in two clinically important members of the Enterobacteriaceae family of bacteria, namely Escherichia coli and Klebsiella pneumoniae. These organisms cause a range of clinical infections globally, and are increasing in incidence. The rapid emergence of multi-drug resistance in association with infections caused by them represents a major threat to the effective management of a range of clinical conditions. The reliability of sequencing and bioinformatic methods in the analysis of E. coli and K. pneumoniae sequence data is assessed in chapter 4, and provides a context for the subsequent study chapters, investigating resistance genotype prediction, outbreak epidemiology in two different contexts, and population structure of an important global drug-resistant E. coli lineage, ST131 (5-8). In these, the advantages (and limitations) of short-read, high-throughput, WGS in defining resistance gene content, associated mobile genetic elements and host bacterial strains, and the relationships between them, are discussed. The overarching conclusion is that the dynamic between all the components of the genetic hierarchy involved in the transmission of important antimicrobial resistance elements is extremely complicated, and encompasses almost every imaginable scenario. Complete/near-complete assessment of the genetic content of both chromosomal and episomal components will be a prerequisite to understanding the evolution and spread of antimicrobial resistance in these organisms.