We report unbiased metagenomic detection of chikungunya virus (CHIKV), Ebola virus (EBOV), and hepatitis C virus (HCV) from four human blood samples by MinION nanopore sequencing coupled to a newly developed, web-based pipeline for real-time bioinformatics analysis on a computational server or laptop (MetaPORE). At titers ranging from 107–108 copies per milliliter, reads to EBOV from two patients with acute hemorrhagic fever and CHIKV from an asymptomatic blood donor were detected within 4 to 10 min of data acquisition, while lower titer HCV virus (1 × 105 copies per milliliter) was detected within 40 min. Analysis of mapped nanopore reads alone, despite an average individual error rate of 24 % (range 8–49 %), permitted identification of the correct viral strain in all four isolates, and 90 % of the genome of CHIKV was recovered with 97–99 % accuracy. Using nanopore sequencing, metagenomic detection of viral pathogens directly from clinical samples was performed within an unprecedented <6 hr sample-to-answer turnaround time, and in a timeframe amenable to actionable clinical and public health diagnostics.

Unbiased next-generation sequencing (NGS) approaches enable comprehensive pathogen detection in the clinical microbiology laboratory and have numerous applications for public health surveillance, outbreak investigation, and the diagnosis of infectious diseases. However, practical deployment of the technology is hindered by the bioinformatics challenge of analyzing results accurately and in a clinically relevant timeframe. Here we describe SURPI (“sequence-based ultrarapid pathogen identification”), a computational pipeline for pathogen identification from complex metagenomic NGS data generated from clinical samples, and demonstrate use of the pipeline in the analysis of 237 clinical samples comprising more than 1.1 billion sequences. Deployable on both cloud-based and standalone servers, SURPI leverages two state-of-the-art aligners for accelerated analyses, SNAP and RAPSearch, which are as accurate as existing bioinformatics tools but orders of magnitude faster in performance. In fast mode, SURPI detects viruses and bacteria by scanning data sets of 7–500 million reads in 11 min to 5 h, while in comprehensive mode, all known microorganisms are identified, followed by de novo assembly and protein homology searches for divergent viruses in 50 min to 16 h. SURPI has also directly contributed to real-time microbial diagnosis in acutely ill patients, underscoring its potential key role in the development of unbiased NGS-based clinical assays in infectious diseases that demand rapid turnaround times.

Abstract Monkeypox virus is a zoonotic virus endemic to Central Africa. Although active disease surveillance has assessed monkeypox disease prevalence and geographic range, information about virus diversity is lacking. We therefore assessed genome diversity of viruses in 60 samples obtained from humans with primary and secondary cases of infection from 2005 through 2007. We detected 4 distinct lineages and a deletion that resulted in gene loss in 10 (16.7%) samples and that seemed to correlate with human-to-human transmission (p = 0.0544). The data suggest a high frequency of spillover events from the pool of viruses in nonhuman animals, active selection through genomic destabilization and gene loss, and increased disease transmissibility and severity. The potential for accelerated adaptation to humans should be monitored through improved surveillance. Download MP3 Length: 1:11

Abstract Zoonotic spillover of animal viruses into human populations is a continuous and increasing public health risk. SARS-CoV-2 highlights the global impact emergence events can have. Considering the history and diversity of coronaviruses (CoVs), especially in bats, SARS-CoV-2 will likely not be the last to spillover from animals into human populations. We sampled and tested wildlife in the central African country Cameroon to determine which CoVs are circulating and how they relate to previously detected human and animal CoVs. We collected animal and ecological data at sampling locations and used family-level consensus PCR combined with amplicon sequencing for virus detection. Between 2003 and 2018, samples were collected from 6,580 animals of several different orders. CoV RNA was detected in 175 bats, a civet, and a shrew. The CoV RNAs detected in the bats represented 17 different genetic clusters, coinciding with alpha (n=8) and beta (n=9) CoVs. Sequences resembling human CoV-229E (HCoV-229E) were found in 40 Hipposideridae bats. Phylogenetic analyses place the human derived HCoV-229E isolates closest to those from camels in terms of the S and N genes, but closest to isolates from bats for the E, M, and RdRp genes. The CoV RNA positivity rate in bats varied significantly (p<0.001) between the wet (8.2%) and dry season (4.5%). Most sampled species accordingly had a wet season high and dry season low, while for some the opposite was found. Eight of the suspected CoV species of which we detected RNA appear to be entirely novel CoV species, which suggests that CoV diversity in African wildlife is still rather poorly understood. The detection of multiple different variants of HCoV-229E-like viruses supports the bat reservoir hypothesis for this virus, with the phylogenetic results casting some doubt on camels as an intermediate host. The findings also support the previously proposed influence of ecological factors on CoV circulation, indicating a high level of underlying complexity to the viral ecology. These results indicate the importance of investing in surveillance activities among wild animals to detect all potential threats as well as sentinel surveillance among exposed humans to determine emerging threats.

Abstract Coronaviruses play an important role as pathogens of humans and animals, and the emergence of epidemics like SARS, MERS and COVID-19 is closely linked to zoonotic transmission events primarily from wild animals. Bats have been found to be an important source of coronaviruses with some of them having the potential to infect humans, with other animals serving as intermediate or alternate hosts or reservoirs. Host diversity may be an important contributor to viral diversity and thus the potential for zoonotic events. To date, limited research has been done in Africa on this topic, in particular in the Congo Basin despite frequent contact between humans and wildlife in this region. We sampled and, using consensus coronavirus PCR-primers, tested 3,561 wild animals for coronavirus RNA. The focus was on bats (38%), rodents (38%), and primates (23%) that posed an elevated risk for contact with people, and we found coronavirus RNA in 121 animals, of which all but two were bats. Depending on the taxonomic family, bats were significantly more likely to be coronavirus RNA-positive when sampled either in the wet ( Pteropodidae and Rhinolophidae ) or dry season ( Hipposideridae, Miniopteridae, Molossidae , and Vespertilionidae ). The detected RNA sequences correspond to 15 Alpha- and 6 Beta-coronaviruses, with some of them being very similar (>95% nucleotide identities) to known coronaviruses and others being more unique and potentially representing novel viruses. In seven of the bats, we detected RNA most closely related to sequences of the human common cold coronaviruses 229E or NL63 (>80% nucleotide identities). The findings highlight the potential for coronavirus spillover, especially in regions with a high diversity of bats and close human contact, and reinforces the need for ongoing surveillance.

We report unbiased metagenomic detection of chikungunya virus (CHIKV), Ebola virus (EBOV), and hepatitis C virus (HCV) from four human blood samples by MinION nanopore sequencing coupled to a newly developed, web-based pipeline for real-time bioinformatics analysis on a computational server or laptop(MetaPORE). At titers ranging from 107-108 copies per milliliter, reads to EBOV from two patients with acute hemorrhagic fever and CHIKV from an asymptomatic blood donor were detected within 4 to 10 minutes of data acquisition, while lower titer HCV virus (1x105 copies per milliliter) was detected within 40 minutes. Analysis of mapped nanopore reads alone, despite an average individual error rate of 24% [range 8-49%], permitted identification of the correct viral strain in all 4 isolates, and 90% of the genome of CHIKV was recovered with >98% accuracy. Using nanopore sequencing, metagenomic detection of viral pathogens directly from clinical samples was performed within an unprecedented <6 hours sample-to-answer turnaround time and in a timeframe amenable for actionable clinical and public health diagnostics.