编辑推荐：
结核病是重大公共卫生问题，结核杆菌（MTB）耐药情况复杂。研究人员分析 BV - BRC 中 27000 多株 MTB 基因组，用 MTB++ 预测耐药性。结果显示不同药物耐药率不同，还发现多种耐药机制。这为精准治疗和防控 MTB 耐药提供重要依据。
在人类与结核病漫长的斗争中，结核杆菌（Mycobacterium tuberculosis，MTB）始终是一个棘手的对手。据世界卫生组织 2024 年报告，MTB 疾病死亡率高得惊人，若不治疗，接近 50% 的患者会死亡。尽管药物敏感型 MTB 的治疗成功率可达 88%，但多药耐药结核病（MDR - TB）和利福平耐药结核病（RR - TB）的治疗成功率在 2022 年升至 68%，这一数据警示着 MTB 耐药问题的严峻性。准确识别抗菌药物耐药性（AMR）对于患者治疗管理、抗生素合理使用以及耐药菌株的控制至关重要。然而，目前在 MTB 耐药研究方面存在诸多难题。比如，新药物和重新利用药物（NRDs）的全面抗生素敏感性测试（AST）数据稀缺；交叉耐药（对一种抗生素的耐药会导致对另一种抗生素的耐药）和代偿性进化（细菌获得突变以减轻耐药的适应性成本）的机制尚未完全明晰；将基因组数据转化为有效的临床治疗策略也困难重重，而且随着结核病治疗的发展，耐药机制不断变化，新的突变和耐药机制层出不穷，现有检测和预测方法难以跟上。
为了解决这些问题，美国佛罗里达大学（University of Florida）的研究人员 Mohammadali Serajian、Conrad Testagrose、Mattia Prosperi 和 Christina Boucher 开展了一项大规模研究。他们利用细菌和病毒生物信息学资源中心（BV - BRC）的海量数据，对超过 27000 株 MTB 基因组菌株进行分析，全面探究了 AMR 的流行情况和耐药模式。研究成果发表在《Scientific Reports》上，为 MTB 耐药研究带来了新的曙光。
研究人员运用了多种关键技术方法。首先，从 BV - BRC 数据库检索 MTB 菌株数据，经过筛选最终纳入 26709 株进行研究。然后，使用 MTB++ 这一先进的基于人工智能的 MTB 耐药性分析工具预测耐药性。MTB++ 是利用来自综合耐药预测结核病国际联盟（CRyPTIC）数据库的 6224 株 MTB 分离株开发的，通过提取寡核苷酸序列（k - mers，大小为 31）并结合逻辑回归（LR）和随机森林（RF）机器学习模型构建而成。此外，通过计算贾卡德指数（Jaccard index）分析交叉耐药模式，将特征与 MTB 参考基因组（H37Rv）进行比对以确定耐药相关基因，还运用 2 - 比例 Z 检验比较不同数据库和研究中的耐药流行率。
下面来看看具体的研究结果。
- 不同数据库耐药流行率比较：研究发现，BV - BRC 数据集的耐药流行率低于 CRyPTIC 数据集。在 BV - BRC 的 26709 株 MTB 分离株中，一线抗生素药物（如异烟肼、利福平、乙胺丁醇）的耐药率较高，分别为 33.90%、28.00%、25.26%，但仍低于 CRyPTIC 中的相应数据（异烟肼 49.42%、利福平 41.96%、乙胺丁醇 34.72%）。二线抗生素药物（如乙硫异烟胺、左氧氟沙星等）耐药率比一线药物低至少 15.00%，其中利福布汀耐药率为 27.07%，较为特殊。NRDs（如氯法齐明、德拉马尼、贝达喹啉、利奈唑胺）耐药率最低，不到 1%。而且，在 BV - BRC 分离株中，抗生素超家族的耐药流行率高于其单个成分。
- 交叉耐药模式：一线抗生素药物间存在高交叉耐药模式，如乙胺丁醇和利福平的交叉耐药率达 84.85%。二线抗生素药物交叉耐药率较低，但同一家族内药物（如利福布汀和利福平、阿米卡星和卡那霉素等）交叉耐药率较高，超过 75%。NRDs 之间以及与其他抗生素之间的交叉耐药极少。根据 WHO 定义，BV - BRC 分离株中高度耐药结核病（HR - TB）、MDR - TB 和广泛耐药结核病（XDR - TB）的比例分别为 6.46%、27.44%、8.39% ，不同大洲的流行率差异显著，如北美洲 MDR - TB 流行率最低（2.75%），大洋洲最高（65.38%）。
- 耐药相关基因分析：通过将 k - mer 特征与 MTB 参考基因组比对，发现许多与 CRyPTIC 数据集相同的耐药基因，如 rpoB 基因与一线和二线抗生素药物耐药相关。还发现了一些新的基因关联，如 embB 基因与阿米卡星和卡那霉素耐药的关联，拓宽了对该基因耐药机制的认识。此外，还识别出一些可能的新耐药机制相关基因，如 PPE 家族基因、esxO 等，但这些基因的具体作用还需进一步研究。
- 模型预测差异：MTB++ 的 LR 和 RF 模型在预测一线和二线抗生素药物耐药性时一致性较高，但在预测 NRDs 耐药性时一致性极低。分析特征使用情况发现，预测 NRDs 耐药性时，模型使用的特征较少且分布稀疏，这表明需要更多高质量的 MTB AST 数据来改进模型性能。
研究结论和讨论部分指出，该研究揭示了 MTB 抗生素耐药的复杂情况。不同数据集耐药流行率存在差异，强调了综合分析多种数据来源的重要性。交叉耐药模式的发现对结核病治疗策略制定意义重大，医生可据此避免使用易产生交叉耐药的药物组合，开发更有效的联合治疗方案。新耐药机制相关基因的发现为研究 MTB 耐药提供了新方向，有助于开发更精准的诊断工具和个性化治疗方法。此外，研究还强调了加强全球监测、数据收集和国际合作的必要性，特别是针对 NRDs 的研究，以应对日益严重的 MTB 耐药问题。这些发现不仅为临床医生治疗结核病提供了更科学的依据，还为公共卫生政策制定者提供了决策参考，对全球结核病防控具有重要的指导意义。
