Beside practical implications, this

Beside practical implications, this case study also gives insight into
which basic statistical elements need to be considered before an association
can be a subject for further analysis. That is,
1. The power for analysis needs to be sufficient in order to be able to
detect an effect.
2. An optimal number of strains need to be established to get a representative
view of the whole (molecular) population.
3. One should correct for population structure before proceeding with
further molecular data analysis.
For now, the number of strain samples is very limited for GWAS
purposes, and the aim is to continue combining not outbreak biased
genotypic with phenotypic STEC O157 data to build a valid statistical
model.
Biological confirmation is an essential step before ‘significant’ SNPs
can be identified as the cause of hazardous strains. This process consists
of,
1. Deletion and complementation studies (according to the principle of
Koch's molecular postulates) to establish the causal relationships.
2. Quantification and calibration of how many differences (e.g. SNP
variants) between genomes will lead to treating them as separate
categories needs to be established.
3. Reproducibility of the analysis (both experimental and statistical) is a
prerequisite for assigning any SNP with a biological relevance. This
involves both biological and technical replicates to address variability
in the phenotypic response during the statistical analysis.
4. Linking epidemiological data to show the study how disease outcomes
following infection are determined by the pathogen or by
host factors. Human cases caused by any of the isolates with known
phenotype can be used to study the association between phenotype
(e.g. adherence to the gut epithelium, and growth rate) and disease
outcome in humans. The inclusion of outbreak strains facilitates this
construction.
Finally, applying the outcomes of statistical associations (confirmed
by reproducible data) to microbiological risk assessment, raises the
following issues:
1. Integration. A systems biology approach is probably the best way
forward to make a link from single scale in vitro testing to a multiple
scale interpretation of effects.
2. Anchoring. Translation of molecular investigations to human health
risk is still a challenge.
3. Communication. Current policy strategies (e.g. target setting) are
based on serovar/serotype level research. This will only change
when (statistically) validated model systems can be applied in the
domain of public health food safety.
4. Technology. Although not fully expressed in this study, there is a
need for development of ‘open data’ systems to support rapid progression.
The increasing generation of high throughput data on a
global scale needs a central (sentinel) organization to facilitate comparison
of risk relevant outputs from individual investigations.
6. Concluding remarks
The bottleneck in the application of molecular tools for microbiological
risk assessment has shifted from data acquisition (costs, time) to
data analysis and systems approaches. The inability to draw systematic
conclusions from this study to STEC in general, represents a bottleneck
in the flow of large volumes of WGS data into food safety knowledge.
This has, in more general terms, been described by Bromberg (2013).
The paradigm change involves the translation of multidimensional
information on genotype level (in the order of over 103 genes, 104
SNPs, etc.) via reduced information on phenotype level (in the order
of 101 biologically relevant characteristics for MRA, like growth rate,
survival, attachment to the gut epithelium, and acid tolerance) to a
single measure of risk, such as the number of human cases of illness.
Future computational assessments of genetic data should aim at solving
this mapping problem without losing biologically relevant information
for MRA. Not until then can risk assessors provide reliable answers
from WGS data to the posed health questions of a policy maker in an
accessible manner.
Acknowledgments
We are very grateful to Alex Bossers and Frank Harders (CVI,
Wageningen University, The Netherlands) and Jim Bono (U.S. Meat Animal
Research Center, USDA, USA) for performing the whole genome
sequencing of the human and animal E. coli O157 strains.
The authors thank Eric Evers for his valuable comments during the
preparation of this manuscript. This research is funded by the strategic
program of the RIVM (SPR) (S/114001). With this program RIVM is contributing
to the development of expertise and innovative research projects,
to prepare RIVM for questions that may arise in the future. Gary
Barker is supported by the Biotechnology and Biological Sciences
Research Council (BB/J004529/1), UK.

ผลลัพธ์ (ไทย) 1:

ข้างนัยจริง กรณีศึกษานี้ยังช่วยให้เข้าใจในการองค์สถิติพื้นฐานที่จำเป็นต้องพิจารณาก่อนการเชื่อมโยงได้เรื่องสำหรับการวิเคราะห์เพิ่มเติม นั่นก็คือ1. อำนาจในการวิเคราะห์ต้องเพียงพอเพื่อให้สามารถตรวจสอบผลการ2. หมายเลขสูงสุดของสายพันธุ์ต้องจัดตั้งตัวแทนไปดูทั้งหมด (โมเลกุล) ประชากร3. หนึ่งควรแก้ไขสำหรับประชากรโครงสร้างก่อนเพิ่มเติมข้อมูลโมเลกุลวิเคราะห์สำหรับตอนนี้ จำนวนตัวอย่างต้องใช้เป็นทำเลที่ดีสำหรับ GWASวัตถุประสงค์ จุดมุ่งหมายเป็นการรวมการระบาดไม่ลำเอียงจีโนไทป์ไทป์ STEC O157 ข้อมูลเพื่อสร้างความถูกต้องทางสถิติแบบจำลองยืนยันทางชีวภาพจะมีขั้นตอนสำคัญก่อน SNPs 'สำคัญ'สามารถระบุสาเหตุของสายพันธุ์อันตราย กระบวนการนี้ประกอบด้วยของ1. การลบและ complementation ศึกษา (ตามหลักสมมติฐานของคอโมเลกุลค) เพื่อสร้างความสัมพันธ์เชิงสาเหตุ2 การนับและเทียบความแตกต่างหลายวิธี (เช่น SNPตัวแปร) ระหว่าง genomes จะนำไปสู่การรักษานั้นเป็นแยกประเภทจำเป็นต้องสร้าง3. reproducibility ของการวิเคราะห์ (ทดลอง และสถิติ) คือการข้อกำหนดเบื้องต้นสำหรับการกำหนด SNP ใด ๆ ที่เกี่ยวข้องกับชีวภาพ นี้เกี่ยวข้องกับชีววิทยา และเทคนิคที่เหมือนกับให้ความแปรผันที่อยู่ในการตอบสนองที่ไทป์ในระหว่างการวิเคราะห์ทางสถิติ4. เชื่อมโยงข้อมูลความแสดงการศึกษาว่าผลของโรคต่อการติดเชื้อจะถูกกำหนด โดยการศึกษาปัจจัยโฮสต์ กรณีมนุษย์เกิดจากแยกกับรู้จักสามารถใช้ในการศึกษาความสัมพันธ์ระหว่าง phenotype phenotype(เช่นติด epithelium ของลำไส้ และอัตราการเติบโต) และโรคผลในมนุษย์ รวมสายพันธุ์ระบาดอำนวยความสะดวกนี้ก่อสร้างในที่สุด ใช้ผลลัพธ์ของความสัมพันธ์ทางสถิติ (ยืนยันจำลองข้อมูล) เพื่อประเมินความเสี่ยงทางจุลชีววิทยา ยกประเด็นต่อไปนี้:1. รวม วิธีการตั้งค่าระบบชีววิทยาอาจเป็นวิธีดีที่สุดไปข้างหน้าเพื่อให้การเชื่อมโยงจากมาตราส่วนเดียวในหลอดทดสอบคูณระดับการตีความผล2. anchoring คำแปลสืบสวนโมเลกุลต่อสุขภาพมนุษย์ความเสี่ยงยังคงเป็นความท้าทาย3. สื่อสาร มีกลยุทธ์นโยบายปัจจุบัน (เช่นเป้าหมายการตั้งค่า)ตามงานวิจัยระดับ serovar/serotype นี้จะเปลี่ยนเท่านั้นเมื่อสามารถใช้ระบบจำลอง (ทางสถิติ) ตรวจในการโดเมนของสาธารณสุขความปลอดภัยของอาหาร4. เทคโนโลยีการ แม้ว่าแสดงไม่ครบทั้งหมดในการศึกษานี้ มีการจำเป็นสำหรับการพัฒนาของระบบ 'เปิดข้อมูล' เพื่อสนับสนุนความก้าวหน้าอย่างรวดเร็วการสร้างข้อมูลอัตราความเร็วสูงเพิ่มขึ้นเป็นองค์กรขนาดกลาง (องครักษ์) เพื่อเปรียบเทียบความต้องการทั่วโลกความเสี่ยงที่เกี่ยวข้องแสดงผลจากการตรวจสอบแต่ละ6. สรุปข้อสังเกตติดขัดในการประยุกต์ใช้เครื่องมือระดับโมเลกุลในทางจุลชีววิทยาการประเมินความเสี่ยงได้จากจากข้อมูลการ (ต้นทุน เวลา)ข้อมูลการวิเคราะห์ระบบและวิธีการ ไม่สามารถวาดอย่างมีระบบบทสรุปจากการศึกษากับ STEC ทั่วไป หมายถึงคอขวดในขั้นตอนของ WGS ข้อมูลจำนวนมากเป็นความรู้ด้านความปลอดภัยอาหารนี้มี ในทั่วไป การอธิบาย โดย Bromberg (2013)การเปลี่ยนกระบวนทัศน์เกี่ยวข้องกับการแปลของหลายข้อมูลเกี่ยวกับลักษณะทางพันธุกรรมระดับ (ลำดับยีนกว่า 103, 104SNPs ฯลฯ) ผ่านข้อมูลลดลงในระดับ phenotype (ในใบสั่ง101 ชิ้นเกี่ยวข้องลักษณะสำหรับ MRA เช่นอัตราการเติบโตรอด แนบ epithelium ของลำไส้ และยอมรับกรด) ไปวัดเดียวความเสี่ยง เช่นจำนวนของมนุษย์กรณีเจ็บป่วยข้อมูลทางพันธุกรรมในอนาคตประเมินคำนวณควรมุ่งแก้ปัญหานี้แมปโดยไม่สูญเสียข้อมูลที่เกี่ยวข้องชิ้นสำหรับ MRA ไม่จนแล้ว สามารถประเมินความเสี่ยงให้คำตอบที่เชื่อถือได้จาก WGS ข้อมูลถามอึ้งสุขภาพของเครื่องชงนโยบายในการลักษณะที่สามารถเข้าถึงได้ตอบเราจะขอบคุณมาก Alex Bossers และ Frank Harders (CVIมหาวิทยาลัยอย่างไร Wageningen เนเธอร์แลนด์) และจิม Bono (สหรัฐฯ เนื้อสัตว์งานวิจัยศูนย์ จาก USA) สำหรับการดำเนินกลุ่มทั้งหมดลำดับเบสของที่มนุษย์ และสัตว์ E. coli สายพันธุ์ O157ผู้เขียนขอขอบคุณ Eric Evers สำหรับข้อคิดเห็นของเขามีคุณค่าในการเตรียมของฉบับนี้ งานวิจัยนี้ได้รับเงินทุน โดยการเชิงกลยุทธ์โปรแกรมของการ RIVM (คอฟฟี่ช็อป/) (S/114001) โปรแกรมนี้ สนับสนุน RIVMการพัฒนาความเชี่ยวชาญและนวัตกรรมวิจัยการเตรียม RIVM สำหรับคำถามที่อาจเกิดขึ้นในอนาคต Garyบาร์คเกอร์สนับสนุนเทคโนโลยีชีวภาพและวิทยาศาสตร์ชีวภาพวิจัยสภา (BB/J004529/1), สหราชอาณาจักร

ผลลัพธ์ (ไทย) 2:

นอกจากผลกระทบในทางปฏิบัติกรณีศึกษานี้ยังช่วยให้ความเข้าใจในองค์ประกอบทางสถิติขั้นพื้นฐานจะต้องมีการพิจารณาก่อนที่จะเชื่อมโยงสามารถจะเป็นเรื่องสำหรับการวิเคราะห์ต่อไป นั่นคือ1 อำนาจในการวิเคราะห์จะต้องเพียงพอเพื่อที่จะสามารถตรวจสอบผลกระทบ. 2 จำนวนที่ดีที่สุดของสายพันธุ์ที่จะต้องมีการจัดตั้งขึ้นที่จะได้รับเป็นตัวแทนมุมมองของทั้ง (โมเลกุล) ประชากร. 3 หนึ่งควรจะถูกต้องสำหรับโครงสร้างประชากรก่อนที่จะดำเนินการกับการวิเคราะห์ข้อมูลโมเลกุลต่อไป. สำหรับตอนนี้จำนวนตัวอย่างสายพันธุ์ที่มี จำกัด มากสำหรับ GWAS วัตถุประสงค์และจุดมุ่งหมายคือเพื่อดำเนินการต่อการรวมไม่ระบาดลำเอียงทางพันธุกรรมที่มีข้อมูล O157 STEC ฟีโนไทป์ในการสร้างที่ถูกต้องทางสถิติ รูปแบบ. ยืนยันทางชีวภาพเป็นขั้นตอนสำคัญก่อนที่จะ SNPs 'อย่างมีนัยสำคัญ' สามารถระบุได้ว่าเป็นสาเหตุของสายพันธุ์ที่เป็นอันตราย กระบวนการนี้จะประกอบด้วยของ1 การลบและการศึกษา complementation (ตามหลักการของpostulates โมเลกุลของ Koch) เพื่อสร้างความสัมพันธ์เชิงสาเหตุ. 2 ปริมาณและการสอบเทียบหลายวิธีที่แตกต่างกัน (เช่น SNP สายพันธุ์) ระหว่างจีโนมจะนำไปสู่การรักษาพวกเขาแยกประเภทจะต้องมีการจัดตั้งขึ้น. 3 การทำสำเนาของการวิเคราะห์ (ทั้งทดลองและสถิติ) เป็นสิ่งที่จำเป็นสำหรับการกำหนดSNP ใด ๆ ที่มีความเกี่ยวข้องทางชีวภาพ นี้เกี่ยวข้องกับการซ้ำทั้งทางชีวภาพและทางเทคนิคเพื่อแก้ไขความแปรปรวนในการตอบสนองต่อฟีโนไทป์ในช่วงการวิเคราะห์ทางสถิติ. 4 การเชื่อมโยงข้อมูลทางระบาดวิทยาในการแสดงผลการศึกษาว่าโรคติดเชื้อต่อไปนี้จะถูกกำหนดโดยเชื้อโรคหรือโดยปัจจัยโฮสต์ กรณีของมนุษย์ที่เกิดจากการใด ๆ ของสายพันธุ์กับที่รู้จักกันฟีโนไทป์สามารถนำมาใช้ในการศึกษาความสัมพันธ์ระหว่างฟีโนไทป์(เช่นการยึดมั่นกับเยื่อบุผิวลำไส้และอัตราการเจริญเติบโต) และโรคผลในมนุษย์ รวมของสายพันธุ์ที่ระบาดนี้อำนวยความสะดวกในการก่อสร้าง. ในที่สุดผลของการใช้ความสัมพันธ์ทางสถิติ (ได้รับการยืนยันโดยการทำซ้ำข้อมูล) เพื่อประเมินความเสี่ยงทางจุลชีววิทยา, ยกประเด็นต่อไปนี้: 1 บูรณาการ วิธีการทางชีววิทยาระบบน่าจะเป็นวิธีที่ดีที่สุดไปข้างหน้าเพื่อให้การเชื่อมโยงจากระดับเดียวในการทดสอบในหลอดทดลองไปหลายตีความขนาดของผลกระทบ. 2 ยึด แปลโมเลกุลของการสืบสวนต่อสุขภาพของมนุษย์ที่มีความเสี่ยงยังคงเป็นความท้าทาย. 3 การสื่อสาร กลยุทธ์นโยบายปัจจุบัน (การตั้งค่าเป้าหมายเช่น) จะขึ้นอยู่กับserovar / serotype วิจัยระดับ นี้จะมีการเปลี่ยนแปลงเมื่อ (สถิติ) การตรวจสอบรูปแบบระบบสามารถนำมาใช้ในโดเมนความปลอดภัยของอาหารสุขภาพของประชาชน. 4 เทคโนโลยี แม้ว่าจะไม่ได้แสดงออกอย่างเต็มที่ในการศึกษานี้มีความจำเป็นในการพัฒนาระบบข้อมูลการเปิดให้การสนับสนุนความก้าวหน้าอย่างรวดเร็ว. รุ่นที่เพิ่มขึ้นของข้อมูลอัตราความเร็วสูงในระดับโลกต้องการกลาง (แมวมอง) องค์กรเพื่อความสะดวกในการเปรียบเทียบของผลความเสี่ยงที่เกี่ยวข้องจากการตรวจสอบของแต่ละบุคคล. 6 หมายเหตุสรุปคอขวดในการประยุกต์ใช้เครื่องมือโมเลกุลทางจุลชีววิทยาการประเมินความเสี่ยงได้เปลี่ยนจากการเก็บข้อมูล(ค่าใช้จ่ายและเวลา) ในการวิเคราะห์ข้อมูลและวิธีการระบบ ไม่สามารถที่จะวาดเป็นระบบข้อสรุปจากการศึกษาเพื่อ STEC โดยทั่วไปนี้แสดงให้เห็นถึงคอขวดในการไหลของปริมาณข้อมูลขนาดใหญ่สักคนเป็นความรู้ความปลอดภัยของอาหาร. นี้ได้ในแง่ทั่วไปมากขึ้นรับการอธิบายโดย Bromberg (2013). การเปลี่ยนแปลงกระบวนทัศน์ ที่เกี่ยวข้องกับการแปลหลายมิติข้อมูลเกี่ยวกับระดับจีโนไทป์(ในการสั่งซื้อกว่า 103 ยีน 104 SNPs ฯลฯ ) ผ่านข้อมูลลดลงในระดับต้น (ในลำดับที่101 ลักษณะทางชีวภาพที่เกี่ยวข้องสำหรับ MRA เช่นอัตราการเจริญเติบโต, การอยู่รอดสิ่งที่แนบไป เยื่อบุผิวลำไส้และความทนทานต่อกรด) ไปยังวัดเดียวของความเสี่ยงเช่นจำนวนของมนุษย์กรณีของการเจ็บป่วย. การประเมินผลการคำนวณอนาคตของข้อมูลทางพันธุกรรมควรมุ่งที่การแก้ปัญหาการทำแผนที่นี้โดยไม่สูญเสียข้อมูลที่เกี่ยวข้องทางชีวภาพสำหรับMRA ไม่ได้จนกว่าจะสามารถมีความเสี่ยงที่ประเมินให้คำตอบที่น่าเชื่อถือจากข้อมูล WGS คำถามสุขภาพโพสต์ของผู้ผลิตนโยบายในลักษณะที่สามารถเข้าถึงได้. กิตติกรรมประกาศเราขอขอบคุณอเล็กซ์ Bossers และแฟรงก์ Harders (CVI, Wageningen University, เนเธอร์แลนด์) และจิมโบโน่ ( สหรัฐเนื้อสัตว์ศูนย์วิจัยUSDA สหรัฐอเมริกา) สำหรับการดำเนินการทั้งจีโนมลำดับของมนุษย์และสัตว์เชื้อE. coli สายพันธุ์ O157. ผู้เขียนขอขอบคุณเอริค Evers สำหรับความคิดเห็นที่มีคุณค่าของเขาในระหว่างการจัดทำต้นฉบับนี้ งานวิจัยนี้ได้รับทุนจากยุทธศาสตร์โปรแกรมของ RIVM (SPR) (S / 114001) ด้วยโปรแกรมนี้ RIVM เป็นที่เอื้อต่อการพัฒนาของความเชี่ยวชาญและโครงการวิจัยนวัตกรรมเพื่อเตรียมความพร้อมสำหรับRIVM คำถามที่อาจเกิดขึ้นในอนาคต แกรี่บาร์คเกอร์ได้รับการสนับสนุนโดยเทคโนโลยีชีวภาพและวิทยาศาสตร์ชีวภาพสภาวิจัย(BB / J004529 / 1), สหราชอาณาจักร

ผลลัพธ์ (ไทย) 3:

นอกจากผลปฏิบัติ กรณีศึกษานี้ยังให้ข้อมูลเชิงลึกใน
ซึ่งองค์ประกอบทางสถิติเบื้องต้นต้องพิจารณาก่อนสมาคม
ได้เรื่องสำหรับการวิเคราะห์ต่อไป คือ ,
1 พลังการวิเคราะห์ความต้องการให้เพียงพอ เพื่อที่จะสามารถตรวจสอบผล

.
2 เป็นจำนวนที่เหมาะสมของสายพันธุ์ที่ต้องให้ตัวแทน
ตั้งขึ้นมุมมองของประชากรทั้งหมด ( โมเลกุล ) .
3 ควรแก้ไขโครงสร้างประชากรก่อนที่จะดำเนินการต่อไประดับโมเลกุลการวิเคราะห์ข้อมูล
.
ตอนนี้ จำนวนกลุ่มตัวอย่างที่เมื่อยมาก จำกัด เพื่อวัตถุประสงค์ gwas
และจุดมุ่งหมายคือการระบาดต่อไปไม่ลำเอียง
การทดสอบกับข้อมูล STEC เป็นสมาชิกฟีโนไทป์ที่จะสร้างสถิติ

ถูกต้องแบบยืนยันทางชีวภาพเป็นการสรุปขั้นตอนก่อนที่ snps
' สำคัญ ' สามารถระบุสาเหตุของสายพันธุ์ที่อันตราย กระบวนการนี้ประกอบด้วย
,
1 การลบ Complementation Studies ( ตามหลักของโมเลกุล
โคช์สสมมุติฐาน ) เพื่อสร้างความสัมพันธ์เชิงสาเหตุ .
2 ปริมาณและการสอบเทียบกี่ความแตกต่าง SNP
( เช่นตัวแปร ) ระหว่างจีโนมจะนำไปสู่การรักษาพวกเขาเป็นประเภทแยก
ต้องก่อตั้ง .
3 ตรวจสอบการวิเคราะห์ ( การวิจัยและสถิติ ) เป็นเบื้องต้นสำหรับการใด ๆ
SNP ที่มีความเกี่ยวข้องทางชีวภาพ นี้เกี่ยวข้องกับทั้งทางชีวภาพและเทคนิคซ้ำ

อยู่ที่ความแปรปรวนในการตอบสนองของเซลล์ในระหว่างการวิเคราะห์ทางสถิติ .
4การเชื่อมโยงข้อมูลทางระบาดวิทยาเพื่อแสดงผลการศึกษาว่าโรคการติดเชื้อ
ต่อไปนี้จะถูกกำหนดโดยเชื้อโรค หรือโดย
ปัจจัยเป็นเจ้าภาพ กรณีมนุษย์ที่เกิดจากการใด ๆของสายพันธุ์ด้วยกัน
+ สามารถใช้ในการศึกษาความสัมพันธ์ระหว่างฟีโนไทป์
( เช่นในอุทร เยื่อบุผิว และอัตราการเจริญเติบโต และโรค
ผลในมนุษย์ การระบาดในสายพันธุ์นี้
การก่อสร้าง
ในที่สุด การใช้ผลของสมาคมสถิติ ( ยืนยัน
โดยข้อมูลจำลอง ) การประเมินความเสี่ยงทางจุลชีววิทยา , ยกประเด็นต่อไปนี้ :

1 การบูรณาการ เป็นระบบชีววิทยาแบบอาจเป็นวิธีที่ดีที่สุด
ข้างหน้าเพื่อให้เชื่อมโยงจากระดับเดียวในการทดสอบหลอดทดลองกับหลายระดับการตีความผล
.
2 ทอดสมอ .แปลภาษาตรวจสอบโมเลกุลเพื่อความเสี่ยงต่อสุขภาพมนุษย์ยังคงท้าทาย
.
3 การสื่อสาร กลยุทธ์นโยบายในปัจจุบัน ( เช่นการตั้งค่าเป้าหมาย )
ตามซีโรวาร์ / หรือการวิจัยระดับ นี้จะเปลี่ยน
เมื่อ ( สถิติ ) ตรวจสอบรูปแบบระบบสามารถใช้ใน
โดเมนความปลอดภัยของอาหารสาธารณสุข .
4 เทคโนโลยี แม้ว่าจะไม่ได้แสดงความสามารถอย่างเต็มที่ในการศึกษานี้มี
ความต้องการการพัฒนาของ ' เปิด ' ข้อมูลระบบจะสนับสนุนก้าวหน้าอย่างรวดเร็ว .
เพิ่มการผลิตสูง throughput ข้อมูลบน
ระดับโลกต้องการกลาง ( Sentinel ) องค์กรเพื่ออำนวยความสะดวกการเปรียบเทียบผลผลิตที่เกี่ยวข้อง ความเสี่ยงจากการสอบสวน
บุคคล .
6 สรุปข้อสังเกต
คอขวดในการใช้เครื่องมือทางจุลชีววิทยาระดับโมเลกุลสำหรับ
การประเมินความเสี่ยง ได้เปลี่ยนจากการแสวงหาข้อมูล ( เวลาค่าใช้จ่าย )
การวิเคราะห์ข้อมูลและวิธีระบบ ไม่สามารถที่จะหาข้อสรุปได้อย่างเป็นระบบ
จากการศึกษานี้ STEC โดยทั่วไปเป็นคอขวด
ในการไหลของข้อมูลในไดรฟ์ข้อมูลขนาดใหญ่ของ wgs ความรู้ความปลอดภัยด้านอาหาร
นี้ได้ ในแง่ทั่วไปมากขึ้นได้รับการอธิบายโดยแบรมเบิร์ก
( 2013 )การเปลี่ยนกระบวนทัศน์เกี่ยวกับการแปลของข้อมูลหลายมิติ
ในระดับพันธุกรรม ( ในลำดับของยีนกว่า 103 , 104
snps ฯลฯ ) ผ่านทางข้อมูลการลดระดับ ( ในทางชีววิทยาที่เกี่ยวข้องเพื่อ
101 ประกอบด้วยคุณลักษณะ เช่น อัตราการเจริญเติบโต ,
รอดตาย ยึดติดกับเยื่อบุผิวของกระเพาะ และกรด ความอดทน ) เป็นวัดเดียว
ของความเสี่ยงเช่น จำนวนของกรณีของการเจ็บป่วย
ในอนาคตการคำนวณการประเมินข้อมูลพันธุกรรมควรมุ่งแก้ไขปัญหาแมปนี้โดยไม่สูญเสียชีวภาพ

สำหรับข้อมูลที่เกี่ยวข้อง MRA ไม่จนแล้วยังเสี่ยงชดใช้ให้
คำตอบที่เชื่อถือได้จากข้อมูล wgs การวางสุขภาพคำถามนโยบายในลักษณะเครื่อง


ขอบคุณที่สามารถเข้าถึงได้เราขอบคุณ อเล็กซ์ bossers และแฟรงค์ harders ( ระบบ
, มหาวิทยาลัย , เนเธอร์แลนด์ ) และจิม โบโน ( สหรัฐอเมริกา
เนื้อสัตว์ ศูนย์วิจัย , USDA , USA ) แสดงลำดับจีโนมทั้งหมดของมนุษย์ และสัตว์

เป็นสมาชิก E . coli สายพันธุ์ ผู้เขียนขอขอบคุณ อีริค เอเวอร์สำหรับความคิดเห็นของเขาที่มีคุณค่าในระหว่าง
การเตรียมต้นฉบับนี้ งานวิจัยนี้ได้รับทุนสนับสนุนจากยุทธศาสตร์
โปรแกรมของ rivm ( SPR ) ( S / 114001 ) ด้วยโปรแกรมนี้ rivm จะเกิด
ที่จะพัฒนาความเชี่ยวชาญและโครงการวิจัยนวัตกรรม ,
เตรียม rivm สำหรับคำถามที่อาจจะเกิดขึ้นในอนาคต แกรี่
บาร์เกอร์ได้รับการสนับสนุนโดยเทคโนโลยีชีวภาพและวิทยาศาสตร์ชีวภาพ
สภาวิจัย ( BB / j004529 / 1 ) , สหราชอาณาจักร