接收器官移植的患者長期處于免疫缺陷狀態，因容易發生包括侵襲性真菌感染在內的各種重癥感染，需要通過持續使用抗細菌、抗真菌等藥物來預防感染發生。但即便有藥物保護，臨床上也時常觀察到患者在用藥期間發生突破性感染，且引發感染的微生物對所用藥物并未呈現經典的抗藥性（antimicrobial resistance）。目前由于對這類感染的發生機制尚不明確，難以快速找到有效的用藥方案，導致一旦發生此類情況，患者面臨很高的死亡率。因此，亟需通過高質量的臨床數據和實驗數據解析其病因，開發新型檢測手段，以應對這一棘手的醫療難題。
8月2日，中國科學院深圳先進技術研究院合成生物學研究所翟冰課題組，聯合紀念斯隆凱特琳癌癥中心廖辰博士、Tobias Hohl課題組，以及埃默里大學David Weiss課題組在Nature Medicine上發表了題為“Antifungal heteroresistance causes?prophylaxis failure and facilitates?breakthrough Candida parapsilosis?infections”的最新研究成果。
文章上線截圖
該研究發現，在導致突破性真菌血流感染的近平滑念珠菌（Candida parapsilosis）臨床菌株中，很多菌株對抗真菌藥物米卡芬凈存在一種有別于經典耐藥的表型——異質性耐藥（heteroresistance），腸道定植有異質性耐藥菌株的患者發生突破性血流感染的風險顯著高于僅有敏感菌株定植的患者。翟冰課題組聯合中國真菌病監測網（CHIF-NET）和北美、歐洲的多個課題組，發現這一具有重要臨床意義的特殊藥敏表型在各國菌株中普遍存在。由于現有臨床藥敏檢測手段將異質性耐藥菌株全部鑒定為敏感菌株，會誤導抗真菌藥物的選擇。該研究運用機器學習模型算法，通過不超過10個基因組特征（genomic features）可對異質性耐藥表型做出較準確的預測。該研究明確了異質性耐藥的臨床重要性，并為開發有效快速藥敏檢測提供了新的策略。
抗微生物耐藥性（antimicrobial resistance）導致每年全球超過一百萬人死亡，是嚴重的公共衛生挑戰。異質性耐藥有別于經典耐藥表型，描述同一菌株內少數耐藥細胞（有時比例僅百萬分之一甚至更低）與大多數敏感細胞共存的現象，在較高藥物濃度下，絕大部分敏感細胞會被殺死，而耐藥細胞還能存活并繼續增殖。由于耐藥細胞頻率低，異質性耐藥表型不能通過常規臨床藥敏檢測方法鑒定。重癥感染的實際治療過程常常會同時使用多種抗生素，因此無法直接將臨床結局和單一藥物的藥敏表型聯系起來，進而明確異質性耐藥在真實世界的重要性。相比之下，免疫缺陷患者的預防性用藥通常使用單一抗菌藥物，更有助于研究藥敏表型的臨床意意義。
異質性耐藥菌株的耐藥細胞比例受藥物暴露情況影響而變化
作者首先回溯分析了2016–2020年間在紀念斯隆凱特琳癌癥中心（MSKCC）接受造血干細胞移植的952名患者中發生的突破性真菌血流感染病例，發現其中近半數由近平滑念珠菌（Candida parapsilosis）造成。這些病人移植期間均使用米卡芬凈（一種棘白菌素類藥物，靶向真菌細胞壁合成）預防真菌感染。值得注意的是，引起突破性感染的近平滑念珠菌都被鑒定為米卡芬凈敏感菌。因此，研究者對這些菌株進行了更精確的菌落譜型分析（Population Analysis Profiling，PAP），發現其中多數對米卡芬凈發生了異質性耐藥。
MSKCC突破性真菌血流感染病例多由異質性耐藥菌株（橙色）造成
在前期的系列工作中，翟冰課題組基于同一臨床隊列發現近平滑念珠菌在腸道中定植是發生真菌血流感染的必要條件 (Nature Medicine?2020)，但移植期間出現腸道近平滑念珠菌定植的患者僅有部分會發生真菌感染 (Nature Microbiology?2021)。在本研究中作者通過綜合分析200多例移植病人的臨床信息、腸道菌群信息和腸道/血液近平滑念珠菌菌株的藥敏表型，發現在29名移植期間出現近平滑念珠菌腸道定植的患者中，定植有異質性耐藥菌株的患者發生突破性血流感染的風險顯著高于僅有敏感菌株腸道定植的患者。
異質性耐藥菌株在腸道定植顯著增加移植患者發生突破性血流感染的風險
為了探索臨床菌株中出現米卡芬凈異質性耐藥的普遍性，作者檢測了來自美國、中國、法國、德國不同醫療機構的共219株近平滑念珠菌對米卡芬凈的藥敏表型，并對所有菌株都進行了深度全基因組測序。結果顯示，各國的臨床菌株中均發現了對米卡芬凈異質性耐藥的菌株，預示著這一具有重要臨床意義的藥敏表型可能在更廣泛的地域范圍中影響棘白菌素類藥物預防/治療真菌感染的效力。
異質性耐藥表型在不同國家來源的臨床菌株中普遍存在
為了精確表征近平滑念珠菌的基因組特征（genomic feature）并分析其與異質性耐藥表型的相關性，本文共同第一作者廖辰博士開發了基于開放閱讀框（ORF）完整性和拷貝數的雙參數拷貝數變異（CNV）表征法。通過整合219株臨床菌株的藥敏表型與SNV/CNV信息，作者構建了一個基于不超過10個基因組特征預測異質性耐藥表型的機器學習模型算法，并進行了概念驗證，為未來開發可應用于臨床的異質性耐藥快速檢測法提供了基礎。
通過機器學習策略開發異質性耐藥檢測方法
翟冰研究員和Tobias Hohl教授、David Weiss教授為本文的共同通訊作者。翟冰、廖辰博士、Siddharth Jaggavarapu博士、深圳先進技術研究院唐媛媛博士為共同第一作者。本工作獲得了國家科技部重點研發計劃的經費支持。
附件下載：