Pathotypr: harmonised MTBC lineage assignment and resistance-associated variant detection for genomic surveillance

El estudio presenta y valida Pathotypr, una herramienta de genómica alineación libre que permite la asignación armonizada de linajes y la detección de variantes asociadas a resistencia en *Mycobacterium tuberculosis* con alta precisión y velocidad, facilitando así la vigilancia global de la tuberculosis en tiempo casi real.

Lo esencial

Imagina que la tuberculosis (TB) es como una gran familia de ladrones que roban la salud de las personas. Durante mucho tiempo, los científicos pensaron que todos estos ladrones eran casi idénticos, pero ahora sabemos que la familia es enorme y muy diversa: hay diferentes "clanes" o linajes (algunos adaptados a humanos, otros a animales) y cada uno tiene sus propias costumbres y, lo más peligroso, diferentes formas de resistir a los medicamentos que intentamos usar para detenerlos.

El problema es que, hasta ahora, identificar a qué clan pertenece un ladrón y saber contra qué medicinas es inmune era como intentar adivinar el nombre de un extraño mirando solo una foto borrosa y tardando horas en hacerlo. Además, cada laboratorio usaba un sistema de nombres diferente, lo que hacía muy difícil que los países se entendieran entre sí para rastrear brotes.

Aquí es donde entra Pathotypr, la nueva herramienta presentada en este artículo.

¿Qué es Pathotypr? (El "Detective Genético" Super Rápido)

Piensa en Pathotypr como un detective genético superpoderoso que trabaja en tiempo real. Su misión es dos veces:

1. Identificar al ladrón: Decirte exactamente de qué clan (linaje) es la bacteria.
2. Revelar sus debilidades: Decirte qué medicamentos no le harán ningún efecto (resistencia).

Lo más genial es que no necesita "leer" todo el libro de instrucciones de la bacteria (lo que sería lento y costoso). En su lugar, usa un truco inteligente: busca "huellas digitales" cortas y específicas (llamadas k-mers) que son únicas para cada clan. Es como si, en lugar de leer todo un libro para saber quién es un autor, solo miraras tres palabras clave que solo ese autor usa siempre.

¿Por qué es tan especial? (Las Analogías)

1. El Traductor Universal:
   Antes, si un laboratorio en Alemania llamaba a un grupo "Clan A" y otro en Italia lo llamaba "Grupo B", nadie sabía que eran lo mismo. Pathotypr actúa como un traductor universal. Ha creado un sistema de nombres estandarizado para todos los 14 clanes conocidos (incluyendo los más raros y nuevos que otros sistemas ignoraban). Ahora, todos los países pueden hablar el mismo idioma sobre la TB.

2. El Filtro de Velocidad:
   Imagina que tienes que revisar 88.000 documentos para encontrar ladrones. Las herramientas antiguas tardarían meses (como un caracol). Pathotypr es como un tren de alta velocidad: revisa esos 88.000 documentos en solo 24 horas. ¡Puede analizar una muestra en apenas 1 segundo! Esto significa que los médicos pueden saber qué tratamiento usar mucho más rápido, antes de que la enfermedad se propague.

3. El Mapa de "Vecinos":
   Cuando intentas comparar una bacteria nueva con las que ya conocemos, a veces usamos un "vecino" que está muy lejos en el árbol familiar, lo que genera errores. Pathotypr tiene un módulo especial que busca el vecino más cercano en su base de datos. Es como si, en lugar de comparar tu casa con una en otro continente, la compararas con la de tu vecino de al lado. Esto hace que los resultados sean mucho más precisos y evita confusiones.

4. El Radar de Resistencia:
   Pathotypr no solo identifica al ladrón, sino que revisa su "maleta" de armas. Si la bacteria tiene mutaciones que la hacen inmune a la Isoniazida o la Rifampicina (las armas principales contra la TB), Pathotypr lo grita inmediatamente. En pruebas con miles de casos, acertó en el 95% de los casos más importantes.

¿Qué descubrieron con esta herramienta?

Los autores usaron Pathotypr para analizar miles de casos reales en Europa. Descubrieron algo muy interesante:

• Muchos casos de tuberculosis en Alemania, Italia y Ucrania no eran brotes locales, sino importaciones de otros países.
• Peor aún, los ladrones que cruzaban las fronteras traían consigo armas más peligrosas (resistencia a múltiples fármacos). De hecho, un tercio de las bacterias importadas eran de los tipos más difíciles de tratar.

En resumen

Pathotypr es como un GPS y un escáner de seguridad combinados para la tuberculosis.

• Es rápido (como un rayo).
• Es preciso (no se confunde con los clanes raros).
• Es universal (todos los países pueden usarlo y entenderse).
• Es accesible (funciona en ordenadores normales, no necesita supercomputadoras).

Gracias a esta herramienta, los sistemas de salud pueden dejar de adivinar y empezar a actuar con rapidez, sabiendo exactamente contra quién están luchando y qué armas usar para ganar la batalla contra la tuberculosis.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Pathotypr

1. El Problema
La vigilancia genómica de la tuberculosis (TB) enfrenta desafíos críticos debido a la falta de herramientas interoperables y rápidas para la asignación de linajes del complejo Mycobacterium tuberculosis (MTBC) y la detección simultánea de variantes asociadas a resistencia.

• Inconsistencia en la nomenclatura: Existe una confusión entre la nomenclatura basada en especies y la basada en linajes (L1-L10 para humanos, A1-A4 para animales), lo que dificulta la comparación de datos entre laboratorios y bases de datos.
• Limitaciones de las herramientas actuales: Herramientas existentes como TB-Profiler o KvarQ a menudo no cubren todos los linajes reconocidos (especialmente los nuevos como L10 o los clados animales A1-A2), dependen de la alineación a un genoma de referencia (lo que introduce sesgos y cuellos de botella computacionales) o carecen de actualizaciones rápidas ante la expansión filogenética.
• Necesidad de velocidad: La vigilancia en tiempo real requiere análisis rápidos que permitan la detección de brotes y la identificación de resistencia antes de que se propague, algo que las herramientas actuales no siempre garantizan a gran escala.

2. Metodología
Los autores desarrollaron Pathotypr, una herramienta de código abierto diseñada para ser "libre de alineación" (alignment-free). El desarrollo se basó en cuatro etapas principales:

• Reconstrucción Filogenética: Se construyó una filogenia de máxima verosimilitud utilizando 26,813 genomas del MTBC y 609,003 sitios polimórficos. Se eliminaron sitios problemáticos y asociados a resistencia recurrente para evitar artefactos.
• Derivación de Marcadores: Se identificaron 2,145 SNPs definitorios de linajes ubicados en las ramas troncales de cada linaje monofilético (L1-L10, A1-A4). Se filtraron variantes homoplásicas y missense para asegurar marcadores evolutivos estables.
• Implementación del Software (Rust): La herramienta se escribió en Rust y consta de cinco módulos:
  • Train: Entrena un clasificador de Random Forest utilizando vectores de k-mers (hashing de características) a partir de ensamblajes etiquetados.
  • Predict: Asigna linajes a nuevos ensamblajes sin alineación.
  • Classify: Escanea ensamblajes en busca de los marcadores SNP definitorios.
  • Split-FASTQ: Realiza genotipado directo desde lecturas crudas (FASTQ) sin alineación, llamando variantes en marcadores de resistencia basados en el catálogo de la OMS (grados de confianza 1 y 2).
  • Match: Identifica el genoma de referencia más cercano para mejorar la precisión de la llamada de variantes en lecturas.
• Validación: Se evaluó en múltiples conjuntos de datos: 498 genomas completos de RefSeq, 254 ensamblajes independientes, 88,071 muestras de UShER-TB, 162 conjuntos de lecturas clínicas y 7,148 aislados del consorcio CRyPTIC con datos fenotípicos de susceptibilidad a fármacos (pDST).

3. Contribuciones Clave

• Cobertura Universal: Es la primera herramienta que soporta los 14 linajes reconocidos actualmente (L1-L10 y A1-A4), incluyendo linajes recientemente descritos (L10) y clados animales a menudo ignorados.
• Velocidad y Eficiencia: Al ser libre de alineación y estar escrita en Rust, es extremadamente rápida (~1 segundo por muestra), permitiendo procesar decenas de miles de muestras en horas en hardware estándar.
• Interoperabilidad y Nomenclatura Armonizada: Proporciona una asignación de linajes consistente que resuelve las discrepancias de nomenclatura (ej. unificando M. bovis y M. caprae bajo A4).
• Doble Funcionalidad: Ofrece tanto asignación de linajes como genotipado de resistencia en un solo flujo de trabajo, y puede funcionar tanto con ensamblajes como con lecturas crudas.
• Selección de Referencia Óptima: Incluye un módulo para seleccionar el genoma de referencia más cercano, mejorando significativamente la cobertura y reduciendo el ruido en la llamada de variantes.

4. Resultados

• Precisión en la Asignación de Linajes:
  • Concordancia del 100% entre los métodos basados en marcadores y el modelo de Random Forest en 498 genomas completos.
  • En el conjunto de 88,071 muestras de UShER-TB, la concordancia con TB-Profiler fue del 100% para los linajes compartidos.
  • Pathotypr identificó correctamente linajes que TB-Profiler no podía clasificar (L10, A1, A2), asignando 2, 6 y 23 muestras respectivamente a estos grupos.
• Rendimiento de Resistencia:
  • Concordancia genotipo-fenotipo global del 85.0% en el conjunto CRyPTIC.
  • Alto rendimiento para Rifampicina (95.8% sensibilidad, 95.0% especificidad) e Isoniacida (93.0% sensibilidad, 97.9% especificidad), los fármacos clave para la TB-MDR.
  • El rendimiento fue menor para fármacos sin marcadores de alta confianza en el catálogo de la OMS (ej. amikacina, linezolid), lo cual se atribuye a la restricción conservadora de los marcadores utilizados.
• Eficiencia Computacional:
  • Procesó 88,071 muestras en ~24 horas (4 hilos), frente a una estimación de 636 días para TB-Profiler bajo condiciones equivalentes.
  • Consumo de memoria bajo (<8 GB RAM), ejecutable en hardware de escritorio.
• Aplicación en Vigilancia (Estudio de Caso):
  • En el análisis de 7,148 aislados, Pathotypr reconstruyó 135 eventos de introducción independientes en Alemania, Italia y Ucrania.
  • Se observó que el 33.7% de los aislados asociados a introducciones portaban genotipos MDR/pre-XDR, en comparación con el 5.5% de los aislados autóctonos europeos, destacando el valor de la herramienta para priorizar brotes importados.

5. Significancia
Pathotypr representa un avance significativo para la vigilancia genómica de la tuberculosis, especialmente en contextos de salud pública transfronteriza (como la UE/EEE).

• Harmonización: Resuelve el problema de la comparabilidad de datos al estandarizar la asignación de linajes en todos los grupos conocidos, facilitando la colaboración internacional.
• Escalabilidad: Su velocidad y bajo requerimiento computacional permiten la implementación de vigilancia genómica en tiempo real en laboratorios con recursos limitados, superando las barreras de las herramientas basadas en alineación.
• Toma de Decisiones: Al integrar linaje, resistencia y contexto filogeográfico, permite a los epidemiólogos identificar rápidamente introducciones de cepas resistentes y priorizar intervenciones de control.
• Accesibilidad: Al estar disponible como herramienta de línea de comandos y aplicación de escritorio (GUI), democratiza el acceso a análisis genómicos avanzados para una amplia gama de usuarios.

En conclusión, Pathotypr es una solución robusta, rápida y completa que cierra la brecha entre la secuenciación masiva y la acción de salud pública inmediata en la lucha contra la tuberculosis.