Rapid whole genome- and annotation-based multilocus sequence typing of the fungal pathogen Histoplasma capsulatum

Pilze sind überall: Sie leben im Boden, auf Pflanzen und sogar in unserem Körper, aber die meisten von ihnen sind harmlos. Einige jedoch sind gefährliche Eindringlinge, die schwere Krankheiten verursachen können, insbesondere bei Menschen mit einem geschwächten Immunsystem. Einer dieser Pilze ist Histoplasma capsulatum, ein mikroskopisch kleiner Organismus, der in Erde gedeiht, die mit Vogel- oder Fledermauskotex kontaminiert ist. Wenn seine winzigen Sporen eingeatmet werden, können sie sich in der Lunge verwandeln und sich im gesamten Körper ausbreiten, was eine Krankheit namens Histoplasmose verursacht. Da dieser Erreger so weit verbreitet und gefährlich ist, haben Gesundheitsorganisationen ihn als hohe Priorität für die weltweite Aufmerksamkeit eingestuft. Um ihn zu stoppen, müssen Wissenschaftler genau verstehen, wie verschiedene Versionen des Pilzes untereinander verwandt sind. Lange Zeit identifizierten Forscher diese Pilzstämme, indem sie einige spezifische Gene betrachteten, ganz so, als würde man nur ein paar Buchstaben in einem langen Buch prüfen, um die Geschichte zu erraten. Diese Methode funktionierte zwar, war aber langsam und ließ oft die Detailtiefe vermissen, die nötig wäre, um Ausbrüche zu verfolgen oder die globale Ausbreitung des Pilzes zu verstehen.

Eine neue Studie von Arnoud H.M. van Vliet verändert die Spielregeln, indem sie ein viel leistungsfähigeres Werkzeug auf dieses uralte Problem anwendet. Anstatt nur nach wenigen Genen zu suchen, nutzte der Forscher den gesamten genetischen Code des Pilzes, um eine hochauflösende Karte seines Stammbaums zu erstellen. Die Studie begann mit einer massiven Sammlung genetischer Daten, die bereits in öffentlichen Datenbanken vorhanden waren. Obwohl es hunderte Proben an rohem genetischem Code gab, existierten nur sehr wenige vollständige, zusammengesetzte Versionen des Genoms des Pilzes, die bereit für die Analyse waren. Um dies zu beheben, setzte van Vliet 406 Sätze an rohen genetischen Daten zusammen und fügte sie zu 406 vollständigen Genomen zusammen. Dieser Prozess ist vergleichbar damit, tausende von zerschnittenen Seiten aus verschiedenen Büchern zu nehmen und sie wieder zu vollständigen Bänden zusammenzusetzen, damit die Geschichte von Anfang bis Ende gelesen werden kann. Die daraus resultierende Sammlung war so groß und detailliert, dass sie einen direkten Vergleich jeder bedeutenden Gruppe dieses Pilzes ermöglichte, die auf der ganzen Welt gefunden wird.

Mit diesen neuen Genomen zur Hand entwickelte der Forscher eine neue Art, den Pilz zu sortieren und zu identifizieren, das sogenannte Whole-Genome Multilocus Sequence Typing. Vereinfacht ausgedrückt behandelt diese Methode den gesamten genetischen Code wie einen langen Barcode. Anstatt nur einige wenige Stellen zu lesen, scannt der Computer tausende spezifische Abschnitte über das gesamte Genom hinweg, um jedem Stamm eine eindeutige Nummer zuzuweisen. Die Studie testete drei verschiedene Wege, dies zu tun: einen, der den rohen genetischen Code betrachtete, einen, der vorhandene computergenerierte Gen-Labels verwendete, und einen, der neue Labels mithilfe einer speziellen Software erstellte, die für Pilze entwickelt wurde. Alle drei Methoden funktionierten bemerkenswert gut und trennten den Pilz erfolgreich in sieben Hauptlinien und sechs kleinere Untergruppen. Diese Gruppen entsprechen verschiedenen geografischen Regionen, wie Nordamerika, Südamerika, Afrika und Indien. Die neue Methode erwies sich als ebenso genau wie die komplexesten, rechenintensiven Techniken, die derzeit verwendet werden, konnte aber auf Standardcomputern ausgeführt werden, ohne dass Supercomputer benötigt wurden.

Die Analyse enthüllte auch einige überraschende physische Unterschiede zwischen den Gruppen. Während die meisten Pilzlinien Genome einer ähnlichen Größe hatten, waren die afrikanische Linie und eine nordamerikanische Gruppe namens Ohiense signifikant größer und enthielten etwa 39 Millionen Bausteine des genetischen Codes. Im Gegensatz dazu hatten die meisten anderen Gruppen, einschließlich derer aus Südamerika und Indien, kleinere Genome, die zwischen 30 und 33 Millionen Blöcken lagen. Dieser Größenunterschied war beständig genug, dass er Wissenschaftlern helfen konnte, schnell zu identifizieren, zu welcher Gruppe eine Probe gehört, indem sie einfach die gesamte genetische Länge maß. Darüber hinaus bestätigte die Studie, dass der in Pferden vorkommende Pilz, bekannt als H. farciminosum, genetisch sehr ähnlich zu einer spezifischen Untergruppe der südamerikanischen Linie ist, was darauf hindeutet, dass sie eng miteinander verwandt sind.

Die Stärke dieses neuen Ansatzes liegt in seiner Fähigkeit, die Bewegung und den Ursprung des Pilzes mit beispielloser Klarheit zu verfolgen. Durch die Kartierung der genetischen Daten gegen den Fundort der Proben zeigte die Studie, dass die meisten Linien eng mit bestimmten Kontinenten verknüpft sind. Beispielsweise wurden die nordamerikanischen Gruppen fast ausschließlich in Nordamerika gefunden, während die afrikanische Gruppe in Afrika gefunden wurde. Es gab einige Ausnahmen, wie zum Beispiel eine südamerikanische Untergruppe, die in Nordamerika, Europa und Asien auftauchte, was darauf hindeutet, wie der Pilz mit Menschen und Tieren reist. Die Studie stellte auch fest, dass die meisten Proben von menschlichen Patienten stammten, was das Bild wahrscheinlich verzerrt, da der Pilz auch in der Erde und in Tieren lebt. Jedoch gruppierten sich die wenigen gefundenen Tierproben, wie etwa von Katzen und Hunden, mit spezifischen Linien, was einen Einblick bietet, wie sich die Krankheit zwischen den Arten ausbreitet.

Diese Arbeit dient als Proof of Concept und demonstriert, dass komplexe Pilzpathogene mit denselben neuen genomischen Werkzeugen mit der gleichen Geschwindigkeit und Präzision wie Bakterien untersucht werden können. Indem sie die genetischen Blaupausen und die Sortierungsmethoden anderen Wissenschaftlern frei zugänglich macht, bietet die Studie eine Grundlage für eine schnellere Diagnose und eine bessere Verfolgung von Ausbrüchen. Sie zeigt, dass Forscher selbst ohne lange, teure Sequenzierungsmaschinen hochwertige genetische Karten aus Standarddaten zusammenstellen können. Die Ergebnisse legen nahe, dass Wissenschaftler in Zukunft nicht nur die Art eines Pilzes, sondern auch seinen exakten Familienzweig und wahrscheinlichen Ursprung identifizieren können – und zwar innerhalb eines Zeitrahmens, der für die Reaktionen der öffentlichen Gesundheit nützlich ist. Diese Detailtiefe transformiert unser Verständnis über die Ausbreitung von Pilzkrankheiten, weg von vagen Vermutungen hin zu präzisen, datengesteuerten Erkenntnissen.