PhageCocktail: An R package to design phage cocktails from experimental phage-bacteria infection networks

Abstract

Background and objective: Phage therapy is a resurgent strategy used in medicine and the food industry to lyse bacteria that cause damage to health or spoil a food product. Frequently, phage-bacteria infection networks have a large size, making it impossible to manually study all possible phage cocktails. Thus, this article presents an R package called PhageCocktail to automatically design efficient phage cocktails from phage-bacteria infection networks. Methods: This R package includes four different methods for designing phage cocktails: ExhaustiveSearch, ExhaustivePhi, ClusteringSearch, and ClusteringPhi. These four methods are explained in detail and are evaluated using 13 empirical phage-bacteria infection networks. More specifically, runtime and expected success (fraction of lysed bacteria) are analyzed. Results: The four methods have variations in terms of runtime and quality of the results. ExhaustiveSearch always provides the best possible phage cocktail, but its runtime could be long. ExhaustivePhi only focuses on one cocktail size, the one estimated as the best; thus, its runtime is less than ExhaustiveSearch, but it can produce cocktails with more phages than necessary. ClusteringSearch and ClusteringPhi are very fast (generally, less than one millisecond), providing always immediate results due to clustering techniques, but their accuracies can be lower, yielding cocktails with lower expected successes. Conclusions: The larger the phage-bacteria infection network is, the more complex its analysis is. Thus, this tool eases this task for scientists and other users while designing phage cocktails of good quality. This R package includes four different methods; therefore, users may choose among them, considering their preferences in speed and accuracy of results.

Antecedentes y objetivo: La fagoterapia es una estrategia resurgente utilizada en la medicina y la industria alimentaria para lisar bacterias que causan daño a la salud o estropean un producto alimenticio. Con frecuencia, las redes de infección de fagos y bacterias tienen un gran tamaño, lo que hace imposible estudiar manualmente todos los posibles cócteles de fagos. Por lo tanto, este artículo presenta un paquete R llamado PhageCocktail para diseñar automáticamente cócteles de fagos eficientes a partir de redes de infección de fagos y bacterias. Métodos: este paquete R incluye cuatro métodos diferentes para diseñar cócteles de fagos: ExhaustiveSearch, ExhaustivePhi, ClusteringSearch y ClusteringPhi. Estos cuatro métodos se explican en detalle y se evalúan utilizando 13 redes empíricas de infección por fagos y bacterias. Más específicamente, se analizan el tiempo de ejecución y el éxito esperado (fracción de bacterias lisadas). Resultados: Los cuatro métodos tienen variaciones en términos de tiempo de ejecución y calidad de los resultados. ExhaustiveSearch siempre proporciona el mejor cóctel de fagos posible, pero su tiempo de ejecución puede ser largo. ExhaustivePhi solo se enfoca en un tamaño de cóctel, el estimado como el mejor; por lo tanto, su tiempo de ejecución es menor que el de ExhaustiveSearch, pero puede producir cócteles con más fagos de los necesarios. ClusteringSearch y ClusteringPhi son muy rápidos (generalmente, menos de un milisegundo) y proporcionan resultados siempre inmediatos debido a las técnicas de agrupación, pero sus precisiones pueden ser menores, lo que produce cócteles con menos éxitos esperados. Conclusiones: Cuanto más grande es la red de infección fago-bacteria, más complejo es su análisis. Por lo tanto, esta herramienta facilita esta tarea a los científicos y otros usuarios mientras diseña cócteles de fagos de buena calidad. Este paquete R incluye cuatro métodos diferentes; por lo tanto, los usuarios pueden elegir entre ellos, considerando sus preferencias en cuanto a rapidez y precisión de los resultados.