Rechercher
Fermer ce champ de recherche.

Prédiction rapide de la résistance antimicrobienne à partir d’échantillons métagénomiques : données, modèles et méthodesPrédiction rapide de la résistance antimicrobienne à partir d’échantillons métagénomiques : données, modèles et méthodes

Facebook
Twitter
Email
LinkedIn

Résultat

Statut

Active

Concurrence

Concours 2015 en bio-informatique et en génématique

Centre(s) de génomique

GE3LS

No

Chef(s) de projet

Lancement du projet d'exercice financier

2016-2017

Description du projet

Les antimicrobiens (antibiotiques) sont des aspects fondamentaux de la lutte contre les maladies infectieuses depuis presque un siècle. Leur efficacité diminue cependant en raison de l’augmentation de la résistance antimicrobienne (RAM). Il est de plus en plus urgent d’en savoir plus sur la RAM afin de mieux comprendre ses conséquences et de surveiller sa présence dans l’environnement, dans l’industrie agroalimentaire, chez les patients et à l’échelle des populations. Il est indispensable de pouvoir analyser les génomes de microorganismes résistants, mais cette analyse coûte cher et prend beaucoup de temps. La métagénomique permet le profilage génétique des microbes en tant que communauté, mais les ensembles de données sont énormes et contiennent un grand nombre de données peu pertinentes. Il n’existe pas, à l’heure actuelle, de logiciel conçu spécifiquement pour prédire directement les profils RAM à partir de données métagénomiques, ce qui permettrait de profiler la RAM plus rapidement et faciliterait l’établissement des priorités entre des gènes candidats pour des recherches plus approfondies.

Robert Beiko, Ph. D., de l’Université Dalhousie, Andrew G. McArthur, Ph. D., de l’Université McMaster, et Fiona Brinkman, Ph. D., de l’Université Simon Fraser dirigent un projet qui vise à créer un nouveau logiciel et des outils de bases de données qui fourniront une image quasi instantanée des organismes de RAM dans un échantillon, ce qui facilitera la recherche sur la RAM et les interventions en réponse à des menaces de RAM qui se répercutent à la fois sur la production agroalimentaire et la santé publique.

 

 

Facebook
Twitter
Email
LinkedIn