遗传兼容性与生态连通性：驱动抗生素耐药基因传播的关键因素 —— 揭示耐药基因传播机制，助力应对耐药危机

在全球抗生素耐药危机下，为探究影响移动抗生素耐药基因（ARGs）水平转移的因素，研究人员分析近 100 万个细菌基因组及超 2 万个宏基因组，构建随机森林模型。结果发现遗传不相容性限制 ARGs 转移，生态连通性促进其传播。该研究为预测 ARGs 传播提供依据。

　　在现代医疗领域，抗生素曾是对抗细菌感染的 “神奇子弹”，但如今却遭遇了严峻挑战。随着抗生素的广泛使用，细菌的耐药性问题日益严重，耐药细菌不断涌现，使得许多原本有效的抗生素逐渐失去了作用。这不仅增加了治疗细菌感染性疾病的难度和成本，还对全球公共卫生构成了巨大威胁。据统计，每年因耐药菌感染导致的死亡人数不断攀升，若不加以控制，未来可能会出现更多难以治疗的感染性疾病，甚至回到 “抗生素前时代”。

在此背景下，探究抗生素耐药基因（ARGs）的传播机制迫在眉睫。目前，虽然知道细菌可通过水平基因转移（HGT）获得 ARGs 从而产生耐药性，但对于 ARGs 在不同细菌间的转移过程，尤其是从进化上距离较远的细菌转移到病原体的过程，人们了解得还非常有限。这导致难以制定有效的策略来控制 ARGs 的传播，限制了对抗生素耐药危机的应对能力。

为了解决这些问题，来自查尔姆斯理工大学和哥德堡大学等机构的研究人员开展了一项深入研究。他们通过整合近 100 万个细菌基因组和 20,000 多个宏基因组的数据，利用随机森林模型，来探究影响 ARGs 水平转移的遗传和生态因素。该研究成果发表在《Nature Communications》上，为理解 ARGs 的传播提供了新的视角，对制定防控策略具有重要意义 。

研究人员采用了多种关键技术方法。首先，从 NCBI Assembly 下载大量细菌基因组，经筛选后，使用 fARGene 软件筛选 ARGs。接着，通过构建系统发育树，识别水平转移的 ARGs。同时，计算基因与基因组间的遗传不相容性，从宏基因组数据中估计细菌的共现情况。最后，利用随机森林模型，以多因素作为输入进行训练，评估模型性能 。

研究结果如下：

1. 水平传播耐药基因的鉴定：研究人员对 867,318 个细菌基因组进行筛选，共发现 2,666,002 个匹配的 ARGs，涵盖 10 种耐药机制。通过系统发育树分析，鉴定出 6276 次 ARGs 的水平转移，其中涉及氨基糖苷磷酸转移酶（APHs）和 A、C、D 类 β - 内酰胺酶的转移最为常见。不同耐药基因转移时，其氨基酸序列相似性存在差异，部分基因相似性高，暗示转移时间较近 。
2. 随机森林可准确预测 ARGs 的水平转移：研究构建的随机森林模型能准确预测 ARGs 在细菌宿主间的水平转移。一般模型的受试者工作特征曲线下面积（AUROC）为 0.873，敏感性为 0.806，特异性为 0.785。各机制特异性模型表现相似，都能在保持低假阳性率的同时准确识别大多数转移。进一步分析发现，基因组间及基因与基因组间的核苷酸组成差异对转移可能性有显著负面影响；宿主细胞包膜差异（通过革兰氏染色体现）也影响水平转移；而在细菌群落中共同出现的宿主通常对水平转移有积极影响 。
3. 高遗传不相容性降低抗生素耐药基因的转移：通过生成偏依赖图分析发现，核苷酸组成差异的增加几乎单调地降低了 ARGs 的水平转移。宿主基因组间的遗传不相容性对水平转移可能性的影响在差异大于 0.025（5 - 聚体分布的欧几里得距离）时显著为负；基因 - 基因组不相容性也呈现类似模式，但曲线相对平缓。不同细菌门的宿主核苷酸组成差异较大，但也存在部分不同门宿主间核苷酸组成差异较小的情况 。
4. 人类和废水微生物群落中的共现增加抗生素耐药基因的转移：网络分析显示，参与 ARGs 水平转移的宿主对中，63.3% 至少在一种环境中共现，且共现模式具有环境特异性。人类微生物群落中共现宿主对的多样性最高，废水样本中宿主对共现比例总体更高但分类学上更受限。一些被认为是 ARGs 可能近期来源的物种，在人类和废水微生物群落中参与水平转移的连接数较多 。

在讨论部分，研究人员指出，遗传不相容性对 ARGs 的水平传播有重大影响。细菌基因组具有特定的密码子组成，与 tRNA 池结构相关。获得的基因若密码子组成不理想，可能会带来显著的适应性成本，除非有足够的抗生素选择压力，否则这些基因可能会随时间丢失。此外，成功获取基因通常需要将新的遗传物质整合到受体基因组中，基因组核苷酸组成相似的细菌更有可能成功整合 DNA。

同时，生态连通性也促进了 ARGs 的转移。人类肠道和废水环境中抗生素的存在提供了选择压力，促进了 ARGs 的增殖。许多共现宿主具有环境特异性，不同环境中微生物群落的分类组成差异很大，这在很大程度上影响了 ARGs 的转移。此外，虽然部分宿主对在当前宏基因组样本中很少或从未共现，但这可能是由于样本局限性或存在未被代表的中间宿主 。

综上所述，该研究表明遗传不相容性和生态连通性显著影响环境、共生和致病细菌中抗生素耐药性的进化过程。通过数据驱动和机器学习方法，能够准确分析 ARGs 在细菌宿主间的转移情况。预测模型在检测新兴耐药决定因素和评估其在人类病原体中定殖的风险方面具有重要作用，为制定更有效的防控策略提供了有力支持，有助于减缓抗生素耐药性的传播，保护公共健康 。