Fungi are vital microbes present throughout the biosphere. Many species are essential decomposers in the ecosystem, breaking down organic materials and nourishing other lives. Moreover, some have directly influenced human civilization by providing beneficial products, such as edible mushrooms, brewer's yeast, baker's yeast, and antibiotics. However, it's important to note that this group of organisms can also have a "dark side". Each year, fungal pathogens cause approximately 150 million severe infections and 1.7 million deaths. The high rate of infection is compounded by the limited availability of antifungal drugs and the increasing prevalence of antifungal resistance. In response to the global burden of fungal diseases, the World Health Organization published a list of priority fungal pathogens in 2022 and highlighted strategies such as surveillance, sustainable research investments, and public health interventions to combat the increasing fungal threats. My PhD research has focused on surveillance and genomic analyses of several human fungal pathogens, particularly Candida auris. Candida auris is an emerging multidrug-resistant yeast that causes systemic infections with high mortality rates. While initially recognized as a nosocomial pathogen, our genomic analyses of strains isolated from clinical environments, tropical wetlands, fruit surfaces, and dog ears revealed potential transmission routes between diverse environments and patients, including a potential driver for the prevalence of antifungal resistance. Furthermore, our research indicated limited genetic exchange within and between lineages of Candida auris. Through genome-wide association analyses of global Candida auris strains, several known and novel genomic variants were identified associated with susceptibility to azoles, echinocandins, and amphotericin B. Overall, our studies underscore the importance of continuous surveillance to understand potential routes of Candida auris transmission and the urgent need for innovative approaches to treat multidrug-resistant Candida auris infections. / Thesis / Doctor of Philosophy (PhD)

No description available.

No description available.

Understanding others is a deeply human urge basic in our existential quest. It requires knowing where someone has come from and where they sit amongst peers. Phylogenetic analysis and genome wide association studies seek to tell us where we’ve come from and where we are relative to one another through evolutionary history and genetic makeup. Current methods do not address the computational complexity caused by new forms of genomic data, namely long-read DNA sequencing and increased abundances of assembled genomes, that are becoming evermore abundant. To address this, we explore specialized data structures for storing and comparing genomic information. This work resulted in the creation of novel data structures for storing multiple genomes that can be used for identifying structural variations and other types of polymorphisms. Using these methods we illuminate the genetic history of organisms in our efforts to understand the world around us.

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.

During the last decade high throughput DNA sequencing of single cells has evolved from an idea to one of the most high profile fields of research. Much of this development has been possible due to the dramatic reduction in costs for massively parallel sequencing. The four papers included in this thesis describe or evaluate technological advancements for high throughput DNA sequencing of single cells and single molecules. As the sequencing technologies improve, more samples are analyzed in parallel. In paper 1, an automated procedure for preparation of samples prior to massively parallel sequencing is presented. The method has been applied to several projects and further development by others has enabled even higher sample throughputs. Amplification of single cell genomes is a prerequisite for sequence analysis. Paper 2 evaluates four commercially available kits for whole genome amplification of single cells. The results show that coverage of the genome differs significantly among the protocols and as expected this has impact on the downstream analysis. In Paper 3, single cell genotyping by exome sequencing is used to confirm the presence of fat cells derived from donated bone marrow within the recipients’ fat tissue. Close to hundred single cells were exome sequenced and a subset was validated by whole genome sequencing. In the last paper, a new method for phasing (i.e. determining the physical connection of variant alleles) is presented. The method barcodes amplicons from single molecules in emulsion droplets. The barcodes can then be used to determine which variants were present on the same original DNA molecule. The method is applied to two variable regions in the bacterial 16S gene in a metagenomic sample. Thus, two of the papers (1 and 4) present development of new methods for increasing the throughput and information content of data from massively parallel sequencing. Paper 2 evaluates and compares currently available methods and in paper 3, a biological question is answered using some of these tools. / <p>QC 20160127</p>

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.

This study characterized Salmonella enterica serovar Heidelberg from human, abattoir poultry and retail poultry isolates to examine the molecular relationships of cefoxitin resistance between these groups. A total of 147 S. Heidelberg (70 cefoxitin-resistant and 77 cefoxitin-susceptible) isolates were studied. All cefoxitin-resistant isolates were also resistant to amoxicillin-clavulanic acid, ampicillin, ceftiofur and ceftriaxone, and all contained the CMY-2 gene. Pulsed-field gel electrophoresis typing illustrated that 93.9% isolates clustered together with ≥ 90% similarity. Core genome analysis using whole genome sequencing identified 12 clusters of isolates with zero to four single nucleotide variations. These clusters consisted of cefoxitin-resistant and susceptible human, abattoir poultry and retail poultry isolates. Analysis of CMY-2 plasmids from cefoxitin-resistant isolates revealed all belonged to incompatibility group I1. Analysis of plasmid sequences using WGS revealed high identity (95-99%) to a previously described plasmid (pCVM29188_101) found in Salmonella Kentucky. When compared to pCVM29188_101, all sequenced cefoxitin-resistant isolates were found to carry one of ten possible variant plasmids. The discovery of several clusters of isolates from different sources with zero to four SNVs suggests that transmission between human, abattoir poultry and retail poultry sources may be occurring. The classification of newly sequenced plasmids into one of ten sequence variant types suggests transmission of a common CMY-2 plasmid amongst S. Heidelberg with variable genetic backgrounds. / October 2016

Norovirus is the commonest cause of viral gastroenteritis, affecting all age groups worldwide. Outbreaks frequently occur in semi-closed communities such as schools, cruise ships, prisons and hospitals. Within the healthcare environment, the economic and logistical burdens and the inconvenience caused by norovirus is significant, since ward closure remains central to infection control. The aim of this study was to investigate norovirus transmission dynamics during hospital outbreaks. The ultimate goal was to provide information that could, in future, lead to the development of novel, less disruptive approaches to curtailing the spread of infection. The study explored the application of 'next generation' high throughput DNA sequencing technologies to the determination of large numbers of norovirus genomes. Whole genome sequences provide the highest possible level of discrimination among viruses, information which is essential to the identification of linked and independent cases of infection. The approach exploits the high norovirus mutation rate, which is typical of RNA viruses. Consequently, viruses within a single ward which differ by more than a few SNVs can be considered to represent independent introductions, rather than a single outbreak. Whole genome sequence data (determined for noroviruses collected between 2009 and 2013) were combined with epidemiological data, providing further insights into transmission dynamics. These data identified multiple independent virus introductions during single ward outbreaks. The possible origin of such outbreaks in Oxfordshire hospitals were investigated using viruses originating in the local community, and in other healthcare environments distributed throughout the UK. Whole genome sequences of noroviruses from consecutive years were genetically divergent, confirming the rapid evolution of the virus over time and excluding the possibility of prolonged environmental contamination as a reservoir of infection. Such detailed information on norovirus transmission within the healthcare environment could inform alternative future approaches to optimising infection control within the healthcare setting.