Nat Commun︱钱海丰课题组建立抗生素耐药基因风险评估新框架

Original 张振炎，钱海丰岚翰生命科学 2023-03-10

收录于合集 #抗生素 2个

撰文︱张振炎，钱海丰

责编︱王思珍

抗生素耐药性正日益威胁着全球人类健康和疾病的临床治疗。如果不积极应对，到2050年全球每年死于抗生素耐药性感染的将有1000万人，超过癌症死亡率[1]。抗生素耐药基因（antibiotic resistance genes，ARGs）在过去的十年中已经在自然、工程和临床等多个环境中被广泛检测到。人类活动，尤其是抗生素的临床使用，被广泛认为是ARGs传播的主要驱动因素。

然而，ARGs并不完全是抗生素时代的产物，科学家在3万年前的永久冻土[2]和古人类的粪便[3]中均检测到其存在。某些ARGs具有一系列特殊的环境功能，比如从磷酸盐中释放磷[4]。这一现象暗示着，不同ARGs所表现出的人类健康风险截然不同，在评估过程中应该分门别类、“区别对待”。但是，目前环境耐药风险研究都聚集在单一的丰度检测上，如何全面完善地从多角度评估ARGs的健康风险对遏制耐药细菌的进化至关重要。

2022年3月23日，浙江工业大学的钱海丰教授课题组联合浙江省微生物技术与生物信息研究重点实验室、浙江天科高新技术发展有限公司王庭璋研究员团队于Nature Communications发表了题为“Assessment of global health risk of antibiotic resistance genes”的文章，提出全面完善的环境耐药风险评估新框架。作者分析了土壤、水体、城市建筑以及人体等多个生境中耐药基因的丰度及相关宿主菌株，并综合人类可接触性、移动性、致病性和临床有效性全面定量每个ARG的人类健康风险。研究结果表明，23.78%的ARGs具有健康风险，能够干扰临床治疗。结合机器学习，研究团队首次成功绘制了全球海洋中抗生素耐药风险形势，预测准确率超过75%。

一、全球ARG分布式

本次研究中，团队首先分析了全球4大主要生境4572个样本中ARGs的分布情况，数据初步显示人体肠道、皮肤以及人类主要活动场所——建筑环境中的ARG远高于其它环境（图1 a-c）进一步分析表明人类活动密集的环境相比于人类活动稀少的环境具有更高的ARG总丰度（图1 d）。但与此同时也能观察到: 有34个ARG仅在人类活动稀少的环境中检测到，1102个ARG在不同人类活动强度下并未受到影响（图1 f）。此外，部分ARG能表现出与碳、氮、磷、硫元素循环相关的特殊生态功能。该结果进一步表明：不同ARG的风险是不同的，有些ARG是自然界中本身就存在、能够执行特定生态功能，并且不会受到人类活动干扰。相反的，有些ARG在人体内广泛检出、具有较强的转移能力及致病性。因此，目前主流的基于单一丰度的环境ARG风险评估框架是不够完善的，需要进行适当的修订。

图1全球不同生境中ARG分布模式以及耐药基因环境——人体共享模式

（图源：Zhang, et al., Nat Commun, 2022）

二、ARG移动性与宿主致病性

ARG的移动性与宿主致病性分别表明了其在不同细菌中的转移能力，以及宿主细菌对人体的致病能力。简单来说，如果某一个ARG不具备转移到人类致病菌中的能力，其风险应小于在人类致病菌中广泛检出的ARG。团队首先分析了不同环境中ARG的移动性以及宿主的组成，发现人类活动密集的环境相比于人类活动稀少的环境拥有更多的移动元件、更多的多耐药细菌，进一步证明人类活动能够加速ARG的产生与传播（图2 a-g）。但是仅仅4572个样本是不足以准确评估ARG的移动性与宿主致病性的。为更充分地检测不同ARG的这两个属性，团队从公开数据库中获取了近3万个细菌参考基因组，其中16889个属于人类致病菌（图2 h, i）。通过该数据，研究团队定量了每个ARG的移动性与宿主致病性（图2 j, k）。

图2 ARG宿主的分布模式、ARG移动性与宿主致病性

（图源：Zhang, et al., Nat Commun, 2022）

三、ARG风险评估新框架

在以上结果的基础上，团队结合耐药基因的人类可接触性、移动性、宿主致病性以及临床有效性建立了耐药基因人类健康风险评估新框架，确定了每个耐药基因的风险值。结果表明，23.78%的耐药基因具有人类健康风险，尤其是多耐药基因（图3 a-e）。该评估方法强调了耐药基因风险亦有差异，风险管控中应分门别类、“区别对待”。对高风险值的耐药基因建立响应的快速检测手段、监管机制能够有效地减少抗生素耐药及“超级细菌”的出现。致病菌的基因组中高风险耐药基因的比例远高于低风险耐药基因，并且自然环境相比于人体耐药基因总风险也更低（图3 f, e），进一步证明了本研究中提出的风险评估框架的有效性、合理性。

图3 ARG人类健康风险评估新框架及其验证

（图源：Zhang, et al., Nat Commun, 2022）

四、全球海洋ARG风险预测

根据团队的研究成果，通过ARG的风险值和丰度就能够定量地计算出每个样本中的耐药风险总值，这一计算方法相比于常规的基于丰度的风险评估模式更加系统、全面。研究团队利用700多个海洋样本对该评估方法做了初步尝试，依靠机器学习精确预测了人类活动影响下全球海洋的耐药风险形势（图4）。同时，研究团队还强调全球化背景下公开数据的整合统一、样本信息的完善监管以及广泛的合作共享是进一步细化完善耐药风险预测模型的关键。

图4 结合机器学习精准预测人类活动影响下全球海洋耐药风险形势

（图源：Zhang, et al., Nat Commun, 2022）

文章结论与讨论，启发与展望

本研究构建了一个量化环境抗生素耐药风险的全新框架，综合考虑抗生素耐药基因（ARGs）的人类可接触性、移动性、致病性以及临床有效性，而不单单是丰度比较。本研究为全球范围内多生境中耐药风险全面评估提供了基础保障。新框架给出了详细的耐药基因风险值清单，这为开发设计相应的检测手段、监管机制与治疗方案提供了极大便利。比如，设计并制作高风险值耐药基因的快速检测芯片，而不是针对所有基因进行测序，这将大大降低检测成本，从而为实时、频繁的常规检测提供保障。此外，还能以该清单为依据建立耐药基因监管名录，指导相应政策、指南的制定。针对高风险值的多耐药基因，开发疫苗可能比常规抗生素治疗能够更加有效。

然而，本研究还是受限于样本数量与信息的完整性。比如，由于样本信息缺失和高度异质性，团队未能利用机器学习准确预测全球土壤、工程环境以及人体耐药风险。同时，海洋样本中耐药风险所占比例较小，会对预测模型的构建产生一定影响。因此，为了更全面、准确地预测全球多生境耐药风险形势，仍需要公开数据的整合统一、样本信息的完善监管以及广泛的合作共享。

原文链接： https://doi.org/10.1038/s41467-022-29283-8

第一作者张振炎（后排左三）；共同第一作者张琦（后排左一）；通讯作者钱海丰（后排左五）

（照片提供钱海丰教授团队）

浙江工业大学钱海丰教授为论文通讯作者，张振炎博士研究生，张琦博士研究生和王庭璋研究员为论文共同第一作者。巴塞罗那自治大学Josep Penuelas教授、澳大利亚麦考瑞大学Michael Gillings教授也参与了该项工作。上述研究工作得到国家自然科学基金(21976161，21777144和41907210)资助。浙江工业大学钱海丰教授团队长期致力于研究环境污染物对抗生素耐药基因传播转移的影响机制及其人类健康风险等。取得了一系列具有重要科学价值和广阔应用前景的原创性成果。研究成果发表在Nat Commun、ISME J、Microbiome、Environ Microbiol、Appl Environ Microbiol等国际著名期刊。