Affrontare la resistenza ai farmaci: nuove intuizioni e strategie
Capire la resistenza ai farmaci è fondamentale per interventi sanitari efficaci.
― 6 leggere min
Indice
La Resistenza ai farmaci è un problema serio in tanti tipi di organismi, come virus, batteri, parassiti e funghi. Questo significa che questi organismi possono sopravvivere e prosperare anche quando esposti a farmaci pensati per eliminarli o controllarli. Alcuni esempi famosi sono il virus HIV, batteri come Staphylococcus aureus ed E. Coli, il parassita Plasmodium falciparum (che causa la malaria) e specie fungine come Candida. L'aumento di ceppi resistenti ai farmaci rappresenta una minaccia seria per la salute pubblica in tutto il mondo.
Come possiamo combattere la resistenza ai farmaci?
Per affrontare efficacemente il problema della resistenza ai farmaci, dobbiamo capire cosa la provoca. Comprendere i fattori che portano alla resistenza può aiutarci a creare strategie migliori per prevenirla. Se la resistenza è già alta, servono metodi per invertire questa tendenza. È fondamentale sviluppare modelli che possano spiegare come funziona la resistenza, prevedere i cambiamenti nel tempo e identificare azioni che possano ridurre il suo impatto.
Osservazioni sulla resistenza ai farmaci
Osservazioni recenti mettono in luce la natura complessa della resistenza ai farmaci:
Coesistenza stabile: In molti casi, quando la resistenza ai farmaci aumenta per la prima volta, segue un periodo in cui coesistono ceppi resistenti e sensibili a livelli stabili. Questo significa che la resistenza non continua a salire finché ogni organismo non diventa resistente.
Intensità del Trattamento: I dati mostrano un chiaro legame tra la forza del trattamento in una popolazione e i livelli di resistenza trovati. In generale, un uso più intensivo dei farmaci è correlato a tassi di resistenza più elevati.
Ceppi di resistenza multipli: È comune che diversi ceppi resistenti compaiano all'interno della stessa popolazione. Molti ceppi possono portare geni di resistenza contemporaneamente, e la resistenza può svilupparsi da più origini.
Queste osservazioni sollevano delle domande. Ad esempio, se i ceppi resistenti ai farmaci hanno un vantaggio, perché la resistenza non arriva al 100%? Inoltre, perché vediamo così tanti ceppi diversi resistenti tutti insieme?
Modello proposto per comprendere la resistenza
Per capire meglio queste complessità, è stato suggerito un nuovo modello chiamato "Modello di Acquisizione della Resistenza e Selezione Purificante" (RAPS). Questo modello mira a spiegare le tre osservazioni chiave menzionate prima.
Come funziona il modello RAPS
Il modello RAPS è ispirato a un principio consolidato noto come equilibrio mutazione-selezione, usato per spiegare come certi tratti rimangono stabili nelle popolazioni. Il modello presuppone che, mentre i ceppi resistenti possono avere alcuni vantaggi, portano anche svantaggi che possono limitarne la diffusione.
Resistenza e stabilità: Il modello RAPS suggerisce che la resistenza può coesistere in modo paradossale con la suscettibilità perché comporta un lieve costo in termini di fitness. Questo significa che, anche se i ceppi resistenti possono prosperare quando i farmaci vengono usati, potrebbero non fare altrettanto bene quando i farmaci non sono presenti.
Trattamento e resistenza: Il modello indica che livelli più elevati di uso di farmaci portano a più casi di resistenza. Più frequentemente vengono usati i farmaci, maggiore è la possibilità che emergano nuovi ceppi resistenti.
Ceppi multipli: Il modello riconosce che molti ceppi resistenti diversi possono esistere all'interno di una singola popolazione in qualsiasi momento. Questa capacità di resistenza di sorgere da varie fonti aiuta a creare una diversità di ceppi.
Verifica del modello RAPS
Per vedere se il modello RAPS ha senso, i ricercatori hanno analizzato dati sulla resistenza ai farmaci in un'area specifica. Ad esempio, i dati dalla Norvegia che tracciano la resistenza di E. coli per 16 anni hanno mostrato che la resistenza spesso emerge, ma la maggior parte dei ceppi resistenti non dura a lungo. Questo è in linea con le previsioni fatte dal modello RAPS.
Utilizzando dati da infezioni del sangue in Norvegia, i ricercatori hanno trovato che i modelli di resistenza corrispondevano alle previsioni del modello RAPS. Hanno identificato che la resistenza a un antibiotico comune si è verificata molte volte in contesti genetici diversi. Tuttavia, nonostante l'emergere di ceppi resistenti, la maggior parte non è durata a lungo abbastanza da diventare dominante.
Durata dei ceppi resistenti
La ricerca ha anche indicato che la maggior parte dei ceppi resistenti appare e scompare rapidamente. Il rapido ricambio di questi ceppi suggerisce che c'è una selezione continua contro di loro. Tuttavia, sono stati osservati alcuni ceppi resistenti a lunga vita, che non si adattano perfettamente al modello RAPS.
Importanza di comprendere la resistenza ai farmaci
Comprendere la resistenza ai farmaci è fondamentale per la salute pubblica. Utilizzando modelli semplici come RAPS, possiamo prevedere come i livelli di resistenza cambieranno con diverse strategie di trattamento. Questi modelli possono informare le politiche sanitarie e guidare le interventi per gestire efficacemente l'uso dei farmaci.
Strategie di trattamento: Il modello RAPS suggerisce che ridurre l'uso dei farmaci potrebbe portare a una rapida diminuzione dei livelli di resistenza. Le osservazioni provenienti da interventi che riducono l'uso di specifici antibiotici supportano questa idea.
Implicazioni a lungo termine: Monitorando le tendenze della resistenza e comprendendo come si evolvono i diversi ceppi, possiamo intraprendere azioni per mitigare futuri problemi di resistenza.
Machine Learning e resistenza: Man mano che i ricercatori sviluppano strumenti di machine learning per prevedere la resistenza ai farmaci dai dati genetici, sarà essenziale comprendere il dinamismo dei ceppi di resistenza. I ceppi prevalenti in un anno potrebbero non essere gli stessi l'anno dopo, sottolineando la necessità di aggiornamenti continui dei dati.
Limitazioni del modello RAPS
Sebbene il modello RAPS fornisca spunti preziosi, ha delle limitazioni. Ad esempio, si concentra principalmente sulla resistenza a un singolo farmaco e non tiene conto delle interazioni tra diversi farmaci. Nella realtà, gli organismi possono portare più geni di resistenza su plasmidi, complicando ulteriormente il quadro.
Inoltre, il modello non considera come i trattamenti possano ridurre la trasmissione di ceppi resistenti. Ad esempio, in alcuni casi, il trattamento può abbattere significativamente le possibilità di diffondere l'infezione, impattando i livelli di resistenza.
Conclusione
Affrontare la resistenza ai farmaci è una questione urgente di salute pubblica. Il modello RAPS offre un modo semplice per spiegare come i livelli di resistenza possano stabilizzarsi nonostante la pressione dei farmaci. Comprendendo la dinamica della resistenza, possiamo prevedere meglio e influenzare i suoi livelli in diversi patogeni, portando a interventi sanitari più efficaci.
Le intuizioni ottenute da modelli come RAPS possono aiutare i professionisti a prendere decisioni informate sull'uso dei farmaci. Con la ricerca continua e la raccolta di dati, possiamo rafforzare il nostro approccio per combattere la resistenza ai farmaci, proteggendo infine la salute pubblica e migliorando gli esiti per i pazienti.
Titolo: Explaining the stable coexistence of drug-resistant and -susceptible pathogens: the Resistance Acquisition Purifying Selection model
Estratto: Drug resistance is a problem in many pathogens, including viruses, bacteria, fungi and parasites (Murray et al. 2022). While overall, levels of resistance have risen in recent decades, there are many examples where after an initial rise, levels of resistance have stabilized (Krieger et al. 2020; Colijn et al. 2009; Diekema et al. 2019; Rhee et al. 2019; Rocheleau et al. 2018). The stable coexistence of resistance and susceptibility has proven hard to explain (Krieger et al. 2020; Colijn et al. 2009; Cobey et al. 2017; Kouyos, Klein, and Grenfell 2013; Blanquart et al. 2018). Here, we show that a simple stochastic model, mathematically akin to mutation-selection balance theory, can explain several key observations about drug resistance: (1) the stable coexistence of resistant and susceptible strains (2) at levels that depend on population-level drug usage and (3) with resistance often due to many different strains (resistance is present on many different genetic backgrounds). The model works for resistance due to both mutations or horizontal gene transfer (HGT). It predicts that new resistant strains should continuously appear (through mutation or HGT and positive selection within treated hosts) and disappear (due to the fitness cost of resistance). The result is that while resistance is stable, which strains carry resistance is constantly changing. We used data from a longitudinal genomic study on E. coli in Norway to test this prediction for resistance to five different drugs and found that, consistent with the model, most resistant strains indeed disappear quickly after they appear in the dataset. Significance statementIt is unclear why drug-resistant and drug-susceptible strains of pathogens can co-exist. Basic evolutionary models would predict that one or the other would have higher fitness and thus take over the population. Here we propose the Resistance Acquisition - Purifying Selection model that can explain how resistant strains appear (due to treatment) and disappear (due to a fitness cost of resistance). We show how E. coli data are mostly consistent with the model. A better understanding of the balance between resistant and susceptible strains can help design interventions to reduce resistance levels.
Autori: Pleuni S Pennings
Ultimo aggiornamento: 2024-06-02 00:00:00
Lingua: English
URL di origine: https://www.medrxiv.org/content/10.1101/2023.12.07.23299709
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.12.07.23299709.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.