ReporType: ferramenta bioinformática flexível para pesquisa de locus e genotipagem de agentes infeciosos

Abstract

Esta dissertação apresenta o desenvolvimento da ReporType, um pipeline flexível para a pesquisa de locus e genotipagem de agentes infeciosos. Em resposta ao contexto epidemiológico atual, caracterizado pela necessidade de monitorização constante da emergência e circulação de agentes patogénicos, torna-se imperativo antecipar surtos futuros, analisar a evolução de diferentes linhagens e aprimorar estratégias preventivas. Para otimizar a análise bioinformática dos dados gerados pelas tecnologias de sequenciação contemporâneas, têm sido concebidas vários pipelines automatizados. A ReporType foi desenvolvida usando o gerenciador de fluxos de trabalho Snakemake, com implementações em Python e Shell para a preparação dos arquivos de entrada e pós-processamento dos resultados. A validação da eficácia e funcionalidade da ReporType foi conduzida por meio de uma prova de conceito abrangendo diversas espécies, como os vírus do sarampo (Measles), Hepatite C, Linfotrópico de Células T Humanas tipo 1, gripe (Influenza), Newcastle e Dengue, incluindo ainda as bactérias Chlamydia trachomatis e Legionella pneumophila. A execução bem-sucedida da ReporType demonstrou sua utilidade e eficiência, enquanto os resultados promissores obtidos na prova de conceito indicaram sua aplicabilidade não apenas para a genotipagem das espécies investigadas, mas também para outras variedades de agentes infeciosos, em particular vírus e bactérias. Além disso, a dissertação explora as contribuições da ReporType para o reforço da vigilância genómica de doenças infeciosas, oferecendo uma abordagem automatizada e abrangente para a análise genotípica. Por fim, este estudo sugere oportunidades para futuras melhorias na ReporType que vão desde a simplificação da sua execução até à integração de novas funcionalidades, como à exibição das posições de início e fim dos locus identificados.

This dissertation presents the development of ReporType, a flexible pipeline for targeted loci screening and typing of infectious agents. In response to the current epidemiological scenario, characterized by the need for constant monitoring of the emergence and circulation of pathogens, it is imperative to anticipate future outbreaks, analyse the evolution of different strains and improve preventive strategies. To optimize the bioinformatics analysis of the data generated by contemporary sequencing technologies, several automated pipelines have been designed. ReporType was developed using the Snakemake workflow manager, with implementations in Python and Shell for the preparation of the input files and post-processing of the results. The validation of the efficacy and functionality of ReporType was conducted through a proof of concept covering several pathogenic species, from viruses, including measles, the hepatitis C virus, Human T-Cell Lymphotropic virus type 1, influenza, Newcastle disease virus and dengue, to bacteria, namely Chlamydia trachomatis and Legionella pneumophila. The successful execution of ReporType demonstrated its usefulness and efficiency, while the promising results obtained in the proof of concept indicated its applicability not only to the genotyping of the investigated species, but also to other varieties of viruses and bacteria. In addition, the dissertation explores ReporType's contributions to the advancement of genomic surveillance by offering an automated and comprehensive approach to genotypic analysis. Finally, the research suggests opportunities for future improvements in ReporType ranging from simplifying its execution to integrating new features such as displaying the start and end positions of identified loci.