Within-host population structure, migration, and parallel adaptive evolution of Pseudomonas aeruginosa in cystic fibrosis lung disease

Este estudio analiza la estructura poblacional, la migración y la evolución adaptativa paralela de *Pseudomonas aeruginosa* en un paciente con fibrosis quística, revelando mediante el secuenciado de 450 aislados que, aunque coexisten linajes con diferentes tasas de evolución y mutaciones adaptativas compartidas, la compartimentación espacial en el pulmón es dinámica debido a la migración continua de bacterias entre lóbulos.

Lo esencial

Imagina que el pulmón de una persona con Fibrosis Quística no es un simple saco de aire, sino más bien una ciudad gigante y compleja, dividida en diferentes barrios (los lóbulos pulmonares: superior, medio e inferior).

En esta ciudad vive una "tribu" de bacterias llamada Pseudomonas aeruginosa. Normalmente, cuando pensamos en una infección, imaginamos que todas las bacterias son iguales y viven juntas en un solo lugar. Pero este estudio nos cuenta una historia muy diferente y fascinante: la ciudad está llena de diferentes "clanes" o familias de bacterias que viven, luchan y evolucionan de formas distintas en cada barrio.

Aquí te explico los hallazgos principales usando analogías sencillas:

1. La Ciudad no es Estática: ¡Los vecinos se mudan!

Los científicos tomaron muestras de los tres barrios del pulmón derecho de un paciente en tres momentos diferentes (durante casi un año y medio).

• Lo que pensábamos: Que una familia de bacterias se quedaba en el "barrio superior" y otra en el "barrio inferior", sin mezclarse nunca.
• Lo que descubrieron: ¡Es como si hubiera un sistema de transporte público! Las bacterias viajan constantemente entre los barrios. A veces, una familia que vivía abajo sube al barrio de arriba, y viceversa. Sin embargo, a veces se quedan aisladas por un tiempo, creando pequeñas "islas" de bacterias únicas en cada zona.

2. La Carrera de Mutaciones: Unos corren, otros caminan

Dentro de esta ciudad, las bacterias están cambiando su ADN (su "manual de instrucciones") para sobrevivir.

• El clan lento: Hay un grupo de bacterias que cambia muy poco, como si estuvieran durmiendo o caminando despacio. Son los "ancestros" originales que aún viven en el barrio superior.
• El clan rápido: Otros grupos están corriendo a toda velocidad, acumulando cambios genéticos rápidamente.
• La lección: No todas las bacterias evolucionan a la misma velocidad. Depende de dónde vivan y qué presiones (como medicamentos o falta de oxígeno) tengan en su barrio específico.

3. La "Capa de Protección" (Mucosidad)

Una de las cosas más famosas de estas bacterias es que se vuelven "mucosas" (pegajosas y cubiertas de un gel) para protegerse. Es como si se pusieran un traje de neopreno para sobrevivir.

• El problema: Todos los bacterias tenían un "defecto" en su gen mucA que las obligaba a usar ese traje de neopreno todo el tiempo.
• La solución creativa: Pero, ¡algunas bacterias encontraron la forma de quitarse el traje! En diferentes partes del pulmón, diferentes familias de bacterias encontraron formas distintas de "apagar" la producción de ese gel. Es como si en el barrio A aprendieran a desactivar el traje con una llave, y en el barrio B lo hicieran con un código secreto diferente. ¡Es una evolución paralela!

4. El Enigma de los Antibióticos: No todos son iguales

Este es quizás el punto más importante para la medicina.

• La analogía: Imagina que el médico prescribe un antibiótico (como un pesticida) pensando que matará a todas las bacterias por igual.
• La realidad: El estudio descubrió que, incluso dentro del mismo pulmón y en el mismo momento, hay bacterias que son super resistentes y otras que son muy sensibles al mismo medicamento.
• El giro: A veces, las bacterias tienen mutaciones en sus "bombas de expulsión" (sistemas que sacan el veneno del cuerpo) que deberían hacerlas resistentes, pero en la práctica, ¡no lo son! O viceversa. Esto significa que mirar solo una bacteria no nos dice la verdad sobre toda la infección. Si el médico cultiva solo una muestra, podría pensar que el paciente es resistente a un fármaco cuando en realidad hay otras bacterias sensibles que podrían ser tratadas, o viceversa.

¿Por qué es esto importante?

Este estudio nos enseña que tratar una infección crónica en el pulmón no es como apagar un incendio con una manguera. Es más como intentar gestionar una ciudad viva y cambiante.

• No es un solo enemigo: Es una mezcla de diferentes familias que se mueven, cambian y se adaptan.
• El tratamiento debe ser inteligente: Como hay tanta diversidad, tratar solo con un antibiótico podría fallar porque "olvidamos" a las bacterias que viven en otros barrios o que han cambiado de estrategia.
• El futuro: Los médicos necesitarán mirar la "ciudad completa" (muestrear más y con más frecuencia) para entender qué está pasando realmente y elegir el tratamiento correcto para cada "barrio" de la infección.

En resumen: El pulmón infectado es un ecosistema dinámico, no un desierto estático. Las bacterias son viajeros inteligentes que aprenden a sobrevivir en cada rincón, y para ganar la batalla, debemos entender sus mapas y sus movimientos.

Resumen técnico

Resumen Técnico: Estructura poblacional intra-hospedador, migración y evolución adaptativa paralela de Pseudomonas aeruginosa en la enfermedad pulmonar de fibrosis quística

1. El Problema

Las infecciones crónicas por Pseudomonas aeruginosa en pacientes con fibrosis quística (FQ) se caracterizan por poblaciones bacterianas heterogéneas que evolucionan dentro del pulmón. Aunque se sabe que estas poblaciones descienden de un ancestro común reciente, existen lagunas críticas en la comprensión de:

• La estructura espacial física de la infección dentro de los diferentes lóbulos pulmonares.
• La estabilidad temporal de esta estructura (¿permanecen las subpoblaciones aisladas en sus nichos o migran?).
• Si esta estructura física conduce a trayectorias evolutivas divergentes en diferentes ambientes adaptativos dentro del mismo individuo.
• La relación entre la genotipificación (mutaciones) y los fenotipos clínicos, específicamente la resistencia a antibióticos y la mucosidad (mucoidia).

2. Metodología

El estudio empleó un enfoque de genómica de alta resolución en un único sujeto humano para rastrear la evolución in vivo.

• Sujeto y Muestreo: Se analizaron muestras de lavado broncoalveolar (BAL) de un hombre adulto con FQ (30-35 años, función pulmonar moderada) en tres puntos temporales a lo largo de ~1.5 años (T1, T2 a 151 días, T3 a 353 días después de T2).
• Recogida de Datos: Se recolectaron muestras de los tres lóbulos del pulmón derecho (superior, medio e inferior). Se aislaron 527 cepas iniciales, de las cuales 450 pasaron los filtros de calidad para el análisis genómico.
• Secuenciación y Ensamblaje:
  • Se utilizó secuenciación de lectura corta (Illumina) para las 450 cepas.
  • Se generó un genoma de referencia interno de alta calidad (isolate T1_LL_B5) utilizando lecturas largas (Nanopore) corregidas con lecturas cortas (Illumina).
  • Todos los aislados pertenecían al tipo de secuencia multilocus (MLST) ST499, confirmando un origen clonal único.
• Análisis Bioinformático:
  • Identificación de SNPs (polimorfismos de un solo nucleótido) e indels mediante breseq.
  • Reconstrucción de filogenias utilizando árboles de uva (GrapeTree) y árboles filogenéticos enraizados.
  • Relojes moleculares: Se utilizó el modelo de reloj molecular relajado lognormal no correlacionado en BEAST2 para estimar tasas de evolución y fechas de ancestros comunes.
  • Modelado de Migración: Se aplicó un modelo de Markov de tiempo continuo para inferir eventos de migración entre lóbulos.
  • Análisis de Diferenciación: Cálculo del índice de fijación ($F_{ST}$) para evaluar la estructura espacial.
• Validación Fenotípica:
  • Cuantificación de la mucosidad (mucoidia) en placas.
  • Ensayos de resistencia a antibióticos (carbenicilina, ceftazidima, gentamicina, tobramicina) para medir $IC_{50}$ y MIC (Concentración Mínima Inhibitoria) en cepas seleccionadas de diferentes clústeres.

3. Contribuciones Clave

• Conjunto de datos sin precedentes: La secuenciación de 450 aislados de un solo paciente a lo largo del tiempo y espacio ofrece una resolución sinérgica de la dinámica de metapoblaciones intra-hospedador.
• Integración Espacio-Temporal: Demuestra que la estructura de la infección no es estática; combina análisis filogenético con datos clínicos de ubicación y tiempo para modelar la migración bacteriana.
• Disociación Genotipo-Fenotipo: Desafía la noción de que las mutaciones en bombas de eflujo predicen directamente la resistencia a antibióticos en el contexto clínico, revelando una complejidad mayor en los mecanismos de resistencia.

4. Resultados Principales

• Estructura Poblacional y Migración:

  • La población se resolvió en 5 linajes filogenéticos distintos (clústeres).
  • Se observó una heterogeneidad espacial: ciertos clústeres estaban enriquecidos en lóbulos específicos en un momento dado, pero la compartimentación estricta no se mantuvo.
  • Migración Dinámica: Se inferieron múltiples eventos de migración entre lóbulos. El patrón sugiere un movimiento cíclico (principalmente de lóbulo inferior a superior, luego al medio y de vuelta al superior).
  • Reestructuración Temporal: En T2, hubo una mezcla significativa (baja diferenciación $F_{ST}$) entre los lóbulos superior e inferior, seguida de una re-emergencia de la estructura espacial en T3. El clúster 1 (de evolución lenta) persistió y se reexpandió en el lóbulo superior tras este evento de mezcla.

• Tasas de Evolución Heterogéneas:

  • La tasa de evolución no fue uniforme. El clúster 1 mostró una evolución casi nula (sin aumento de divergencia genética) durante los 485 días, mientras que otros linajes evolucionaron más rápidamente.
  • La tasa global estimada fue de ~0.02 mutaciones por día.

• Evolución Adaptativa Paralela:

  • Genes Fijos: Todas las 450 cepas portaban mutaciones de pérdida de función en lasR (Q45*) y mucA (deleción de un nucleótido en la posición 143), indicando una adaptación temprana y fija a la infección crónica.
  • Mucoidia: A pesar de la mutación fija en mucA (que promueve la mucosidad), se observó una reversión a fenotipos no mucosos en linajes específicos debido a mutaciones paralelas en algU y algB. Esto demuestra una evolución convergente para suprimir la producción de alginato en diferentes linajes.
  • Resistencia a Antibióticos: Se encontraron múltiples mutaciones paralelas en genes de bombas de eflujo (mexAB, mexXY, mexS). Sin embargo, los ensayos fenotípicos mostraron que las cepas con mutaciones en mexA y mexY (Clúster 2) tenían menor resistencia a aminoglucósidos y una resistencia variable a $\beta$-lactámicos en comparación con otros clústeres, contradiciendo las expectativas basadas únicamente en el genotipo.

5. Significado e Implicaciones

• Dinámica de Metapoblaciones: El estudio valida que las infecciones crónicas en FQ son sistemas dinámicos donde la migración y la adaptación paralela moldean la diversidad genética. La compartimentación es episódica, no permanente.
• Complejidad de la Resistencia: Los resultados indican que la resistencia a antibióticos no puede predecirse únicamente por la presencia de mutaciones en bombas de eflujo. Otros mecanismos fisiológicos y el contexto genético del linaje juegan un papel crucial.
• Implicaciones Clínicas:
  • La heterogeneidad intra-pulmonar sugiere que el cultivo de una sola muestra o un solo aislado puede no representar la diversidad real de la infección, llevando a tratamientos subóptimos.
  • La coexistencia de linajes de evolución lenta y rápida, junto con la migración, complica la erradicación bacteriana.
  • Se requiere un enfoque de medicina personalizada que considere la diversidad de la comunidad bacteriana y su evolución espacial y temporal, en lugar de tratar la infección como un monoculturo estático.

En conclusión, este trabajo proporciona una visión detallada de cómo la estructura física del pulmón, combinada con la presión selectiva de los antibióticos y la competencia intra-específica, dirige la evolución de P. aeruginosa hacia una microheterogeneidad compleja que desafía los modelos tradicionales de tratamiento.