Разработан новый подход к генотипированию штаммов клостридии

Бактериальный патоген Clostridioides difficile — наиболее распространенная внутрибольничная инфекция. По консервативным оценкам Центров по контролю и профилактике заболеваний США (CDC), в Соединенных Штатах ежегодно регистрируется более 220 000 случаев госпитализации пациентов с C. difficile и почти 13 000 смертей. Ведущий фактор риска развития инфекции — это нарушение естественной микробиоты толстого кишечника после приема антибиотиков. Широко применяемые методы генотипирования C. difficile, такие как ПЦР-риботипирование и типирование на основе мультилокусных последовательностей (MLST), не позволяют различать близкородственные штаммы, что затрудняет изучение механизмов развития вспышек.

Чтобы лучше понять генетические особенности C. difficile и разработать модели, которые могут идентифицировать и предсказывать эволюцию патогена, исследователи из Медицинской школы Калифорнийского университета в Сан-Диего и коллабораторы применили такие подходы системной биологии, как высокопроизводительный фенотипический скрининг и метаболическое моделирование.

Полученные данные были использованы для построения пангенома (совокупности всех генов 451 штамма C. difficile). С его помощью авторы идентифицировали 9 924 генных кластера, из которых 2 899 были определены как основные (обнаружены почти у всех штаммов), 2 968 присутствовали у менее 1% штаммов, а оставшиеся 4 057 кластеров представляли вспомогательный геном.

С помощью нового метода типирования штаммов по вспомогательному геному (STAG), авторы идентифицировали 176 генетически разнородных групп штаммов. Алгоритм STAG использует вспомогательный геном для того, чтобы представить каждый штамм в виде бинарного профиля, который определяется наличием или отсутствием генов в каждом кластере. Такой подход позволяет обнаруживать недавно приобретенные гены в геномах патогенов, которые в противном случае могли бы остаться незамеченными.

Ученые профилировали 35 клинических штаммов, выделенных у госпитализированных взрослых пациентов, с использованием 95 различных источников питательных веществ. В результате они выявили 26 различных профилей роста. Затем авторы построили 451 метаболическую модель, что позволило им исследовать фенотипическое разнообразие в 28 864 уникальных условиях. Модели создают связь между наблюдаемыми фенотипами и генетическими различиями штаммов и демонстрируют способность правильно прогнозировать рост в 76% случаев. Авторы предлагают использовать эти модели для выявления генетических черт и фенотипов, которые могут привести к появлению новых опасных штаммов.