H3Africa is developing capacity for health-related genomics research in Africa

Abstract At a time when effective tools for monitoring malaria control and eradication efforts are crucial, the increasing availability of molecular data motivates their application to epidemiology. The multiplicity of infection (MOI), defined as the number of genetically distinct parasite strains co-infecting a host, is one key epidemiological parameter for evaluating malaria interventions. Estimating MOI remains a challenge for high-transmission settings where individuals typically carry multiple co-occurring infections. Several quantitative approaches have been developed to estimate MOI, including two cost-effective ones relying on molecular data: i) THE REAL McCOIL method is based on putatively neutral single nucleotide polymorphism loci, and ii) the var coding method is a fingerprinting approach that relies on the diversity and limited repertoire overlap of the var multigene family encoding the major Plasmodium falciparum blood-stage antigen PfEMP1 and is therefore under selection. In this study, we assess the robustness of the MOI estimates generated with these two approaches by simulating P. falciparum malaria dynamics under three transmission conditions using an extension of a previously developed stochastic agent-based model. We demonstrate that these approaches are complementary and best considered across distinct transmission intensities. While var coding can underestimate MOI, it allows robust estimation, especially under high-transmission where repertoire overlap is extremely limited from frequency-dependent selection. In contrast, THE REAL McCOIL often considerably overestimates MOI, but still provides reasonable estimates for low- and moderate-transmission. As many countries pursue malaria elimination targets, defining the most suitable approach to estimate MOI based on sample size and local transmission intensity is highly recommended for monitoring the impact of intervention programs. Author Summary Despite control and elimination efforts, malaria continues to be a serious public health threat especially in high-transmission regions. Molecular tools for evaluating these efforts include those seeking to estimate multiplicity (or complexity) of infection (MOI), the number of genetically distinct parasite strains co-infecting a host, a key epidemiological parameter. MOI estimation remains challenging in high-transmission regions where hosts typically carry multiple co-infections by Plasmodium falciparum . THE REAL McCOIL and the var coding are two cost-effective methods relying on distinct parts of the parasite genome, those respectively under neutrality and selection. The more recent var coding approach relies on the var multigene family encoding for the major blood-stage antigen and contributing to a complex immune evasion strategy of the parasite. We compare the performance of the two methods by simulating disease dynamics under different transmission intensities with a stochastic agent-based model tracking infection by different parasite genomes and immune memory in individual hosts, then sampling resulting infections to estimate MOI. Although THE REAL McCOIL provides reasonable estimates for low- and moderate-transmission, var coding allows more robust estimates especially under high-transmission. Defining the most suitable approach to estimate MOI based on local transmission intensity is highly recommended for hyper-diverse pathogens such as malaria.

ABSTRACT The population structure of the malaria parasite Plasmodium falciparum can reveal underlying demographic and adaptive evolutionary processes. Here, we analyse population structure in 4,376 P. falciparum genomes from 21 countries across Africa. We identified a strongly differentiated cluster of parasites, comprising ∼1.2% of samples analysed, geographically distributed over 13 countries across the continent. Members of this cluster, named AF1, carry a genetic background consisting of a large number of highly differentiated variants, rarely observed outside this cluster, at a multitude of genomic loci distributed across most chromosomes. At these loci, the AF1 haplotypes appear to have common ancestry, irrespective of the sampling location; outside the shared loci, however, AF1 members are genetically similar to their sympatric parasites. AF1 parasites sharing up to 23 genomic co-inherited regions were found in all major regions of Africa, at locations over 7,000 km apart. We coined the term cryptotype to describe a complex common background which is geographically widespread, but concealed by genomic regions of local origin. Most AF1 differentiated variants are functionally related, comprising structural variations and single nucleotide polymorphisms in components of the MSP1 complex and several other genes involved in interactions with red blood cells, including invasion and erythrocyte antigen export. We propose that AF1 parasites have adapted to some as yet unidentified evolutionary niche, by acquiring a complex compendium of interacting variants that rarely circulate separately in Africa. As the cryptotype spread across the continent, it appears to have been maintained mostly intact in spite of recombination events, suggesting a selective advantage. It is possible that other cryptotypes circulate in Africa, and new analysis methods may be needed to identify them.

Background: Malaria control efforts are stifled by the emergence and dispersal of parasite strains resistant to available anti-malarials. Amino acid changes in specific positions of proteins encoded by Plasmodium falciparum genes pfcrt, dhps, dhfr, and pfmdr1 are used as molecular markers of resistance to antimalarials such as chloroquine, sulphadoxine-pyrimethamine, as well as artemisinin derivatives. However, a challenge to the detection of single nucleotide polymorphisms (SNPs) in codons responsible for these amino acid changes, in several samples, is the scarcity of automated computational pipelines for molecular biologists to; rapidly analyze ABI (Applied Biosystems) Sanger sequencing data spanning the codons of interest in order to characterize these codons and detect these molecular markers of drug resistance. The pipeline described here is an attempt to address this need. Method: This pipeline is a combination of existing tools, notably SAMtools and Burrows Wheeler Aligner (BWA), as well as custom Python and BASH scripts. It is designed to run on the UNIX shell, a command line interpreter. To characterize the codons associated with anti-malarial drug resistance (ADR) in a particular gene using this pipeline, the following options are required; a path to reference coding sequence of the gene in FASTA format, gene symbol (pfcrt, pfmdr1, dhps or dhfr), and a path to the directory of ABI sequencing trace files for the samples. With these inputs, the pipeline performs base calling and trimming, sequence alignment, and alignment parsing. Results: The output of the pipeline is a CSV (Comma-separated values) file of sample names, codons and their corresponding encoded amino acids. The data generated can be readily analyzed using widely available statistical or spreadsheet software, to determine the frequency of molecular markers of resistance to anti-malarials such as chloroquine, sulphadoxine-pyrimethamine and artemisinin derivatives. Conclusions: ADRes is a quick and effective pipeline for detecting common molecular markers of anti-malarial drug resistance, and could be a useful tool for surveillance. The code, description, and instructions for using this pipeline are publicly available at http://setfelix.github.io/ADRes.

Abstract Unravelling the genetic diversity of Plasmodium falciparum malaria parasite provides critical information on how populations are affected by interventions and the environment, especially the evolution of molecular markers associated with parasite fitness and adaptation to drugs and vaccines. This study expands previous studies based on small sets of microsatellite loci, which often showed limited substructure in African populations of P. falciparum . Combining several short tandem repeat detection algorithms, we genotyped and analysed 2329 polymorphic microsatellite loci from next-generation sequences of 992 low-complexity P . falciparum isolates from 15 sub-Saharan African countries. Based on pairwise relatedness, we identified seven subpopulations and gene flow between the Central and Eastern African populations. The most divergent subpopulation was from Ethiopia, while unexpected unique subpopulations from Gabon and Malawi were resolved. Isolates from the Democratic Republic of Congo shared ancestry with multiple regional populations, suggesting a possible founder population of P. falciparum from the Congo basin, where there was stronger geneflow eastwards to Tanzania, and Kenya. and Malawi. The most differentiated microsatellite loci were those around the P. falciparum dihydropteroate synthase ( Pfdhps ) gene associated with sulphadoxine resistance. Haplotypes around the Pfdhps gene separated the West, Central, and East Africa parasite populations into distinct clusters, suggesting independent local evolution of Pfdhps -associated sulphadoxine resistance alleles in each African region. Overall, this study presents genome-wide microsatellites as markers for resolving P. falciparum population diversity, structure, and evolution in populations like Africa, where there is high gene flow.

Translating genomic technologies into healthcare applications for the malaria parasite Plasmodium falciparum has been limited by the technical and logistical difficulties of obtaining high quality clinical samples from the field. Sampling by dried blood spot (DBS) finger-pricks can be performed safely and efficiently with minimal resource and storage requirements compared with venous blood (VB). Here, we evaluate the use of selective whole genome amplification (sWGA) to sequence the P. falciparum genome from clinical DBS samples, and compare the results to current methods using leucodepleted VB. Parasite DNA with high (> 95%) human DNA contamination was selectively amplified by Phi29 polymerase using short oligonucleotide probes of 8-12 mers as primers. These primers were selected on the basis of their differential frequency of binding the desired (P. falciparum DNA) and contaminating (human) genomes. Using sWGA method, we sequenced clinical samples from 156 malaria patients, including 120 paired samples for head-to-head comparison of DBS and leucodepleted VB. Greater than 18-fold enrichment of P. falciparum DNA was achieved from DBS extracts. The parasitaemia threshold to achieve >5x coverage for 50% of the genome was 0.03% (40 parasites per 200 white blood cells). Over 99% SNP concordance between VB and DBS samples was achieved after excluding missing calls. The sWGA methods described here provide a reliable and scalable way of generating P. falciparum genome sequence data from DBS samples. Our data indicate that it will be possible to get good quality sequence data on most if not all drug resistance loci from the majority of symptomatic malaria patients. This technique overcomes a major limiting factor in P. falciparum genome sequencing from field samples, and paves the way for large-scale epidemiological applications.

The Democratic Republic of the Congo (DRC) harbors 11% of global malaria cases, yet little is known about the spatial and genetic structure of the parasite population in that country. We sequenced 2537 Plasmodium falciparum infections, including a nationally representative population sample from DRC and samples from surrounding countries, using molecular inversion probes - a novel high-throughput genotyping tool. We identified an east-west divide in haplotypes known to confer resistance to chloroquine and sulfadoxine-pyrimethamine. Furthermore, we identified highly related parasites over large geographic distances, indicative of gene flow and migration. Our results were consistent with a background of isolation by distance combined with the effects of selection for antimalarial drug resistance. This study provides a high-resolution view of parasite genetic structure across a large country in Africa and provides a baseline to study how implementation programs may impact parasite populations.