Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Maladies infectieuses (sauf VIH/SIDA)

S'attaquer à la résistance aux antibiotiques dans Pseudomonas aeruginosa

Une nouvelle base de données et des outils améliorent la détection de la résistance aux antibiotiques.

― 9 min lire


Lutte contre laLutte contre larésistance de Pseudomonasantibiotiques.contre les infections résistantes auxDe nouveaux outils visent à lutter
Table des matières

La Résistance aux antibiotiques est un sérieux problème à l’échelle mondiale. La surconsommation et le mauvais usage des antibiotiques ont entraîné l'émergence de germes qui ne réagissent plus à ces médicaments. Cette situation pourrait nous plonger dans une période où des infections courantes pourraient devenir ingérables. Si on ne fait rien, on estime que 10 millions de personnes pourraient mourir d'infections résistantes aux antibiotiques d'ici 2050, coûtant à l'économie mondiale un incroyable 100 trillions de dollars chaque année.

Parmi les différents germes résistants, Pseudomonas Aeruginosa se distingue comme une menace majeure. Ce germe est connu pour sa capacité à résister à de nombreux antibiotiques, et il peut causer des infections chez une large gamme de patients. Malheureusement, c'est aussi l'une des principales causes de décès dus à des infections causées par des germes résistants.

Le défi de la détection de la résistance

Identifier et prédire à quel point Pseudomonas aeruginosa est résistant aux antibiotiques est vraiment difficile. Les méthodes actuelles, y compris des technologies avancées comme l'apprentissage automatique, n'ont pas été très efficaces. Certaines méthodes ne sont précises qu'à moitié, c'est un peu comme deviner. Cette difficulté est en partie due au fait que les outils existants se concentrent surtout sur l'identification de certains gènes de résistance connus et ne tiennent pas compte des autres façons dont le germe peut devenir résistant, comme les modifications de son ADN qui peuvent affecter son interaction avec les antibiotiques.

Pseudomonas aeruginosa peut facilement changer de manière à contribuer à sa résistance. Ces changements peuvent survenir par diverses Mutations génétiques, souvent négligées par les outils d'identification de la résistance actuels. Le résultat est une capacité limitée à détecter la résistance, surtout dans les souches avec des modèles de résistance complexes.

Une nouvelle base de données pour les variants de résistance

Pour améliorer la situation, des chercheurs ont créé une nouvelle base de données détaillée spécifiquement pour Pseudomonas aeruginosa. Cette base de données collecte tous les changements génétiques connus qui mènent à la résistance aux antibiotiques chez ce germe. En utilisant cette base de données avec un nouveau logiciel de détection appelé Antimicrobial Resistance Detection and Prediction (ARDaP), il est possible de faire des prédictions plus précises sur la résistance de Pseudomonas aeruginosa.

La base de données a été développée en utilisant des informations provenant d'un grand nombre de souches de Pseudomonas aeruginosa collectées dans le monde entier. Les chercheurs ont exploré la littérature scientifique publiée pour rassembler des données sur les variants de résistance des dernières décennies.

Structure de la base de données

La nouvelle base de données de Pseudomonas aeruginosa comprend trois tables principales :

  1. Antibiotiques : Cette table liste dix antibiotiques importants, indiquant s'ils sont des traitements de première, deuxième ou troisième ligne, avec leurs classes.
  2. Variants : Cette table inclut une liste des changements génétiques liés à la résistance aux antibiotiques, détaillant comment ces changements peuvent mener à une perte de fonction dans des gènes cruciaux.
  3. Couverture : Cette table fournit des informations sur l'ensemble des changements génétiques liés à la résistance, incluant des mécanismes comme l'altération de la perméabilité de la membrane externe du germe ou l'impact sur la façon dont les antibiotiques ciblent le germe.

De plus, les chercheurs ont soigneusement examiné les gènes de résistance connus et inclus diverses mutations qui peuvent contribuer à la résistance.

Évaluation de la performance de la base de données

Pour s'assurer de la fiabilité de la base de données, elle a été testée sur deux groupes de souches de Pseudomonas aeruginosa. Le premier groupe comprenait 1 877 souches collectées dans diverses régions, tandis que le deuxième groupe était constitué de 102 nouvelles souches qui n'avaient pas été analysées auparavant.

Les résultats ont montré que le logiciel ARDaP utilisant la nouvelle base de données performait beaucoup mieux que les outils de prédiction existants. Cette performance améliorée indique que la nouvelle base de données pourrait jouer un rôle clé dans les milieux cliniques, aidant les médecins à prendre de meilleures décisions sur le traitement des infections.

Importance de la prédiction précise

La capacité de prédire avec précision la résistance aux antibiotiques chez Pseudomonas aeruginosa a des implications considérables. Une prédiction précise peut guider de meilleurs choix de traitement, réduisant le risque d'utiliser des antibiotiques inefficaces. C'est crucial pour gérer les infections, surtout chez les patients qui pourraient déjà être vulnérables à cause d'autres problèmes de santé.

En utilisant la nouvelle base de données, les professionnels de santé peuvent obtenir des informations plus claires sur les antibiotiques susceptibles de fonctionner contre des souches spécifiques de Pseudomonas aeruginosa. L'espoir est que l'amélioration des méthodes de détection et de prédiction mènera à de meilleurs résultats pour les patients et contribuera à lutter contre la montée de la résistance aux antibiotiques.

Comprendre les mécanismes de résistance

Pseudomonas aeruginosa peut développer une résistance par de nombreux mécanismes. Une façon est à travers des mutations génétiques qui affectent la façon dont la couche externe du germe interagit avec les antibiotiques. Il peut aussi développer des pompes d’efflux, qui sont comme de petites pompes dans le germe qui expulsent les antibiotiques avant qu'ils puissent agir.

Certaines mutations entraînent des changements dans les enzymes qui dégradent les antibiotiques, les rendant inefficaces. Chaque souche de Pseudomonas aeruginosa peut utiliser différentes combinaisons de ces mécanismes, rendant crucial d'avoir une compréhension détaillée des variants génétiques impliqués.

Le rôle des pompes d’efflux

Les pompes d’efflux sont essentielles dans le développement de la résistance. Elles permettent à Pseudomonas aeruginosa d'expulser les antibiotiques, diminuant leur efficacité. En identifiant les mutations dans les gènes régulateurs qui contrôlent ces pompes, les chercheurs peuvent obtenir des informations sur pourquoi certaines souches sont plus résistantes que d'autres.

La base de données comprend des détails sur ces mutations, offrant une meilleure compréhension du fonctionnement des mécanismes de résistance. Ces informations sont essentielles pour développer des thérapies ciblées qui peuvent contourner ou inhiber ces pompes.

Comparaison des outils de prédiction

Lors des tests du nouvel outil ARDaP et de la base de données, des comparaisons ont été faites avec plusieurs outils de prédiction existants. Les résultats ont montré qu'ARDaP surpassait les autres outils sur plusieurs antibiotiques. Cela était particulièrement évident dans la capacité à prédire la résistance avec précision.

Les performances des autres outils étaient souvent en deçà des attentes, entraînant des problèmes tels que l'identification erronée de souches sensibles comme résistantes. De telles inexactitudes peuvent conduire à des traitements inappropriés, mettant davantage les patients en danger.

Défis dans la prédiction de la résistance

Bien que la nouvelle base de données et le logiciel ARDaP montrent du potentiel, des défis subsistent. Prédire comment Pseudomonas aeruginosa va réagir aux antibiotiques est complexe à cause de la multitude de facteurs pouvant influencer la résistance. Cela inclut des signaux environnementaux qui peuvent déclencher des changements génétiques, ainsi que la présence d'autres bactéries qui peuvent contribuer à la résistance.

De plus, beaucoup de méthodes existantes reposent fortement sur des données génétiques, qui peuvent ne pas prendre en compte tous les facteurs. Certains mécanismes de résistance peuvent ne pas être directement liés à des changements génétiques spécifiques, rendant difficile la prédiction de la résistance uniquement par une analyse génétique.

Directions futures

Pour renforcer la lutte contre la résistance aux antibiotiques, la recherche et le développement continus sont cruciaux. Les efforts se concentreront sur l'élargissement de la base de connaissances sur les mécanismes de résistance et le perfectionnement des outils de prédiction. Cela impliquera de rassembler plus de données provenant de diverses zones géographiques et contextes cliniques pour mieux comprendre comment la résistance évolue dans différents milieux.

De plus, combiner des données génomiques avec d'autres types d'informations, comme des données transcriptomiques, pourrait mener à des prévisions encore meilleures. Comprendre comment les gènes sont exprimés peut fournir des idées sur la nature dynamique de la résistance et aider au développement de traitements plus efficaces.

Conclusion

La montée de la résistance aux antibiotiques, en particulier chez Pseudomonas aeruginosa, est une préoccupation majeure de santé publique. Le développement d'une base de données complète et d'outils de prédiction améliorés comme ARDaP offre de l'espoir pour une gestion plus efficace des infections. En identifiant avec précision les schémas de résistance, les professionnels de santé peuvent prendre des décisions plus éclairées et finalement améliorer les résultats pour les patients.

Il est essentiel de continuer à investir dans la recherche et l'innovation pour s'attaquer à ce problème. À mesure que notre compréhension de la résistance aux antibiotiques s'approfondit, nous devons travailler ensemble pour nous assurer que des traitements efficaces restent disponibles pour ceux qui en ont besoin. La collaboration entre scientifiques, professionnels de santé et le public sera cruciale pour surmonter les défis posés par les infections résistantes.

Source originale

Titre: Keeping up with the pathogens: Improved antimicrobial resistance detection and prediction in Pseudomonas aeruginosa

Résumé: BackgroundAntimicrobial resistance (AMR) is an intensifying threat that requires urgent mitigation to avoid a post-antibiotic era. The ESKAPE pathogen, Pseudomonas aeruginosa, represents one of the greatest AMR concerns due to increasing multi- and pan-drug resistance rates. Shotgun sequencing is quickly gaining traction for in silico AMR profiling due to its unambiguity and transferability; however, accurate and comprehensive AMR prediction from P. aeruginosa genomes remains an unsolved problem. MethodsWe first curated the most comprehensive database yet of known P. aeruginosa AMR variants. Next, we performed comparative genomics and microbial genome-wide association study analysis across a Global isolate Dataset (n=1877) with paired antimicrobial phenotype and genomic data to identify novel AMR variants. Finally, the performance of our P. aeruginosa AMR database, implemented in our ARDaP software, was compared with three previously published in silico AMR gene detection or phenotype prediction tools - abritAMR, AMRFinderPlus, ResFinder - across both the Global Dataset and an analysis-naive Validation Dataset (n=102). ResultsOur AMR database comprises 3639 mobile AMR genes and 733 AMR-conferring chromosomal variants, including 75 chromosomal variants not previously reported, and 284 chromosomal variants that we show are unlikely to confer AMR. Our pipeline achieved a genotype-phenotype balanced accuracy (bACC) of 85% and 81% across 10 clinically relevant antibiotics when tested against the Global and Validation Datasets, respectively, vs. just 56% and 54% with abritAMR, 58% and 54% with AMRFinderPlus, and 60% and 53% with ResFinder. ConclusionsOur ARDaP software and associated AMR variant database provides the most accurate tool yet for predicting AMR phenotypes in P. aeruginosa, far surpassing the performance of current tools. Implementation of our ARDaP-compatible database for routine AMR prediction from P. aeruginosa genomes and metagenomes will improve AMR identification, addressing a critical facet in combatting this treatment-refractory pathogen. However, knowledge gaps remain in our understanding of the P. aeruginosa resistome, particularly the basis of colistin AMR.

Auteurs: Derek S. Sarovich, D. E. Madden, T. Baird, S. C. Bell, K. L. McCarthy, E. P. Price

Dernière mise à jour: 2023-10-31 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2022.08.11.22278689

Source PDF: https://www.medrxiv.org/content/10.1101/2022.08.11.22278689.full.pdf

Licence: https://creativecommons.org/licenses/by-nc/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires