Optimization of sequential therapies to maximize extinction of resistant bacteria through collateral sensitivity

問題提起
抗菌薬耐性（AMR）は、新たな抗菌薬の開発が耐性の進化に追いついていないため、世界の健康に対する重大な脅威となっています。併用療法（複数の薬剤を同時に投与すること）は一般的な戦略ですが、毒性のリスクを伴い、場合によっては耐性を加速させる可能性があります。一方、抗菌薬を順次投与する逐次療法は、**付随感受性（CS）**という現象に基づき、有望な代替手段を提供します。CS とは、ある抗菌薬に対する細菌の耐性が増加すると、別の抗菌薬に対する感受性が高まる現象です。CS に基づく逐次レジメンの可能性にもかかわらず、特に耐性進化が重大な懸念となる亜抑制濃度の抗菌薬条件下において、細菌絶滅を最大化するための薬剤切り替えタイミングを最適化する定量的設計原理は欠如しています。

手法
著者らは、2 種類の静菌性抗菌薬（A と B）下での宿主内進化動態をシミュレートする4 遺伝子型確率出生・死亡モデルを開発しました。このモデルは、以下の 4 つの細菌集団を追跡します。

• $x_0$: 野生型（両方に感受性あり）。
• $x_1$: A に耐性あり、B に感受性あり。
• $x_2$: B に耐性あり、A に感受性あり。
• $x_3$: 二重耐性（両方に耐性あり）。

モデルの主要な特徴は以下の通りです。

• 確率動態: 系は、耐性の獲得（$\mu_1$）と喪失（$\mu_2$）の事象をシミュレートするために、タウ・リーピングアルゴリズムを使用して出生、死亡、突然変異をシミュレートします。
• 逐次切り替え: シミュレーションは抗菌薬 A から開始されます。切り替え期間 $\tau$ の後、抗菌薬は B に切り替わり、その後 A に戻り、以下同様に、固定された総治療期間 $T$ まで続きます。
• 絶滅基準: 集団が $0.05\gamma^{-1}$（約 5 個体）の閾値以下に減少した場合、その集団は絶滅したとみなされます。ここで $\gamma$ は環境収容力に関連します。
• パラメータ: この研究は、亜抑制濃度（IC50 を表す $k=0.5$）と強い相互付随感受性（$k_{CS}=0.05$）に焦点を当てています。

主な貢献と結果

1. 切り替え期間への非線形依存性:
   細菌絶滅の確率は、切り替え期間 $\tau$ に対して非線形に依存します。

   • 高速切り替え（$\tau \to 0$）: 耐性変異体が進化して支配的になるのに十分な時間がなかったため、絶滅は起こりません。
   • 最適切り替え: 絶滅確率は $\tau$ とともに増加し、離散的な切り替え事象（例：1 回から 2 回への切り替え増加）に沿って段階的なジャンプを示します。
   • メカニズム: 絶滅事象は切り替え直後に発生します。絶滅が起こるためには、集団がまず単一耐性遺伝子型（例：薬剤 A 下の $x_1$）に支配されるまで進化する必要があります。薬剤が B に切り替わると、この支配的な集団（現在感受性あり）は崩壊します。集団に他の遺伝子型（野生型または二重耐性）が相当数含まれている場合、絶滅の可能性は低くなります。

2. 幾何分布フレームワーク:
   著者らは、絶滅を各切り替えにおけるベルヌーイ試行（コイン投げ）の系列としてモデル化することを提案しています。

   • 彼らは累積絶滅確率を階層的幾何分布、$P_{ext} = 1 - (1 - p)^n$ に適合させます。ここで、$p$ は切り替えごとの絶滅確率、$n$ は切り替え回数です。
   • 切り替えごとの確率 $p$ は一定ではなく、切り替え期間 $\tau$ とともに増加し、切り替え回数 $n$ に依存します。$p = \alpha\tau + \beta n$ という形の適合は、累積絶滅確率を正確に予測します。

3. ヒューリスティック近似:
   著者らは、3 つの主要な時間分布に基づいて $p(\tau)$ の解析的ヒューリスティックを導出しました。

   • 単一耐性変異体が集団を支配するまでの時間。
   • 切り替え後の絶滅までの時間。
   • 単一耐性変異体による支配が生じない確率。
     得られた式 $p(\tau) = p_d(\tau)[1 - p_r(\tau)]$（ここで $p_d$ は減衰確率、$p_r$ は非支配確率）は、シミュレーションデータを成功裏に再現します。

4. パラメータへの感受性:

   • 付随感受性（CS）: 強い相互 CS は、亜抑制用量での絶滅に不可欠な条件です。CS が弱まる（$k_{CS}$ が増加する）につれて、絶滅確率はほぼゼロまで低下します。
   • 抗菌薬用量: 用量と絶滅の関係は単峰性です。非常に高い用量（MIC 付近）では、切り替えに関係なく絶滅が起こります。中間的な亜抑制用量では、絶滅を最大化する最適用量が存在します。非常に低い用量では、耐性変異体の流入が遅くなるため、絶滅確率は低下します。
   • 突然変異率: 用量と同様に、絶滅確率は突然変異率に対して単峰性の依存性を示します。高い突然変異率は、二重耐性株（$x_3$）の出現をもたらし、絶滅の有効性を低下させる可能性があります。

5. 最適療法のパレートフロンティア:
   絶滅を最大化することと、二重耐性変異体の出現を最小化することの間にはトレードオフが存在します。

   • 治療期間が長い（切り替え回数が多い）場合、絶滅確率は高まりますが、集団が生存した場合に $x_3$ が出現する可能性も高まります。
   • 著者らは、最適切り替え期間のパレートフロンティアを特定しました。研究されたパラメータでは、切り替え期間 $\tau \approx 42$ がこのフロンティア上に存在する可能性が最も高く、臨床医が切り替え回数 $n$ を調整することで、絶滅の最大化と耐性の最小化のいずれかを選択することを可能にします。

意義と主張
本論文は、in vitro および臨床的な逐次抗菌薬療法のための定量的設計原理を提供すると主張しています。単剤療法が失敗する亜抑制濃度であっても、強い CS が細菌の根絶をもたらすことを実証することで、この研究は CS に基づくレジメンが耐性進化を抑制する可能性を強調しています。

著者らは、絶滅を直接予測できない従来の決定論的モデルとは異なり、彼らの確率フレームワークが絶滅動態を直接捉えていることを強調しています。彼らによれば、成功の鍵は CS の存在そのものではなく、切り替えのタイミングにあります。単一耐性変異体が集団を支配するまで十分に待つ必要がありますが、二重耐性が出現するほど長く待ってはいけません。パレートフロンティアの特定は、感染症の根絶とパン耐性の進化の防止という二つの目標をバランスさせるための実用的な枠組みを提供します。

本研究は、モデルが最小限（2 種類の薬剤、4 つの遺伝子型）であるにもかかわらず、CS に基づく切り替えの中核メカニズムを分離し、逐次療法が抗菌薬危機に対処するための豊かな機会を表していることを示唆しています。また、がん治療や疫学的規模への拡張の可能性も示唆しています。