2019
Advanced DNA fingerprint genotyping based on a model developed from real chip electrophoresis data
SKUTKOVA, Helena, Martin VITEK, Matěj BEZDÍČEK, Eva BRHELOVÁ, Martina LENGEROVÁ et. al.Základní údaje
Originální název
Advanced DNA fingerprint genotyping based on a model developed from real chip electrophoresis data
Autoři
SKUTKOVA, Helena (203 Česká republika, garant), Martin VITEK (203 Česká republika), Matěj BEZDÍČEK (203 Česká republika, domácí), Eva BRHELOVÁ (203 Česká republika, domácí) a Martina LENGEROVÁ (203 Česká republika, domácí)
Vydání
JOURNAL OF ADVANCED RESEARCH, AMSTERDAM, ELSEVIER SCIENCE BV, 2019, 2090-1232
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
21100 2.11 Other engineering and technologies
Stát vydavatele
Nizozemské království
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Impakt faktor
Impact factor: 6.992
Kód RIV
RIV/00216224:14110/19:00110574
Organizační jednotka
Lékařská fakulta
UT WoS
000471218900002
Klíčová slova anglicky
DNA fingerprinting; Automated chip capillary electrophores; Genotyping; Band matching; Gel sample distortion; Pattern recognition
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 4. 9. 2019 13:57, Mgr. Tereza Miškechová
Anotace
V originále
Large-scale comparative studies of DNA fingerprints prefer automated chip capillary electrophoresis over conventional gel planar electrophoresis due to the higher precision of the digitalization process. However, the determination of band sizes is still limited by the device resolution and sizing accuracy. Band matching, therefore, remains the key step in DNA fingerprint analysis. Most current methods evaluate only the pairwise similarity of the samples, using heuristically determined constant thresholds to evaluate the maximum allowed band size deviation; unfortunately, that approach significantly reduces the ability to distinguish between closely related samples. This study presents a new approach based on global multiple alignments of bands of all samples, with an adaptive threshold derived from the detailed migration analysis of a large number of real samples. The proposed approach allows the accurate automated analysis of DNA fingerprint similarities for extensive epidemiological studies of bacterial strains, thereby helping to prevent the spread of dangerous microbial infections. (C) 2019 The Authors. Published by Elsevier B.V. on behalf of Cairo University.