一个研究团队开发了一种计算工具Argo，旨在准确追踪环境样本中的抗生素抗性基因（ARGs），提供有关其传播及相关风险的见解。
抗生素抗性基因（ARGs）的全球扩散对基于抗生素的疾病治疗效果构成了重大威胁。有效监测ARGs在空间和时间维度上的分布对于理解其传播及实施预防措施至关重要。
由香港大学（HKU）工程学院土木工程系的张同教授领导的研究团队开发了一种计算工具Argo，旨在准确追踪环境样本中的ARGs，提供有关其传播及相关风险的见解。
张教授解释说：“短读长测序方法目前被用作一种高通量DNA测序技术，生成大量短DNA片段，通常为150个碱基对。然而，它常常无法提供有关ARG宿主的信息。没有详细的宿主信息，就很难准确评估ARG的风险并追踪其传播，从而障碍了我们对其对人类健康和环境影响的理解。”
Argo利用长读长测序，这种方法可以生成比150个碱基对显著更长的DNA片段，以快速识别和量化环境宏基因组中的ARGs。通过将分类标签分配给重叠读取簇（重叠的读取集合），Argo显著提高了ARG的检测分辨率。Argo与现有工具之间的关键区别在于其基于重叠的对DNA片段进行分组和分析的方法，标签分配给这些组而不是单个读取。Argo在宿主识别准确性上具有明显优势，提供了更全面的ARG概况。
张教授进一步阐述道：“这就像解谜。最初，我们根据共享特征如颜色对DNA片段进行分组，使得更容易识别和标记重叠或相似片段在组中的位置。我们的研究展示了Argo的读取重叠方法通过模拟相较于其他工具实现了最低的误分类率。对于一个10 Gbp（10^10碱基对）的宏基因组样本，Argo通常在20分钟内使用32个CPU线程完成分析。”
尽管长读长测序在实现高通量方面仍然成本高昂，团队认为这种新方法对于应对ARGs带来的日益严重的威胁至关重要。张教授总结说：“Argo有潜力规范ARG监测，并增强我们追踪ARG起源和传播路径的能力，为应对抗微生物耐药性（AMR）这一全球健康威胁贡献力量。”
