CdMEC-A: An Automated Python Framework for Spatial Mobilome Profiling and Antimicrobial Resistance Risk Stratification in Clostridioides difficile

技術要約: CdMEC-A

問題提起
現在の薬剤耐性（AMR）に関するゲノム監視は、主に薬剤耐性遺伝子（ARG）の有無（バイナリ）のプロファイリングに限定されている。CARDやAMRFinderPlusといったツールは耐性決定因子を効果的にカタログ化しているが、これらの遺伝子の移動能（mobilization potential）を判断するために必要な空間解像度は提供できていない。具体的には、既存のパイプラインは、安定して垂直伝播する染色体上の耐性と、プラスミド、トランスポゾン、挿入配列などの可動遺伝因子（MGE）内に埋め込まれた、あるいは隣接する耐性遺伝子を区別できない。この空間的コンテキストの欠如は、Clostridioides difficileのような病原体において、MGEが耐性の拡散を駆動しているという事実を踏まえた、生態学的ニッチ間での水平伝播（HGT）のリスク評価を妨げる要因となっている。

手法
これに対処するため、著者はARGとMGE間の物理的な塩基対距離を定量化するために設計された、オープンソースの自動化されたPythonフレームワークであるCdMEC-Aを開発した。このパイプラインは、以下の4つのコア機能モジュールで構成される：

1. 相同性検索と特徴量発見（Homology Search and Feature Discovery）: システムはFASTAアセンブリを取り込み、並列的な相同性検索を実行する。ARGはCARDに対するBLASTXを用いて特定され、MGEはC. difficile特異的な可動要素（Tn916、Tn5397、Tn6194ファミリー、および各種挿入配列を含む）の精査されたデータベースに対するBLASTNを通じて検出される。
2. 空間マッピングと距離計算（Spatial Mapping and Distance Calculation）: アルゴリズムは、同一コンティグ上の特定されたARGを反復的に走査し、1ベース起点の包含座標系を用いて、上流および下流のMGEへの正確な遺伝子間距離を算出する。
3. 近接閾値と分類（Proximity Thresholds and Categorization）: 標準的な10,000 bp（10 kbp）のスキャニングウィンドウを使用し、パイプラインは移動能の潜在的リスクを以下の3つの実行可能なティアに分類する：
   • クリティカル・リスク（Critical-Risk）: ARGがMGEの境界内に直接埋め込まれている（距離0 bp）。
   • ハイ・リスク（High-Risk）: ARGがMGEの上流または下流10 kbp以内に位置している。
   • 安定（Stable）: ARGがMGEから10 kbp以上離れている、あるいは連結されていない染色体コンテキストに位置している。
4. レポート生成と可視化（Reporting and Visualization）: フレームワークは、構造化されたJSON/TSVレポートおよび、線形ゲノムマップや頻度分布プロットを含む可視化データを生成する。

パイプラインは多層的なアプローチを用いて検証された：

• リファレンス検証: 専門的なアノテーションに対するマッピング精度を検証するため、C. difficile 630参照ゲノム（AM180355.1）を用いたベンチマークを実施した。
• クロスプラットフォーム比較: 25の異なる分離株を用い、RGI (v6.08) および NCBI AMRFinderPlus (V3.12) との結果を比較した。
• データベースの精査: MGEリファレンスデータベースは、断片化または劣化した可動要素にも対応しつつ、Pfamドメインに対するpHMM検証によって特異性を維持するため、厳格なフィルタリング（一致率≥70%、カバレッジ≥30%）が行われた。

主な結果

• 精度: C. difficile 630参照ゲノムにおいて、CdMEC-Aは>99.5%の特徴量マッピング精度を達成し、Tn5398トランスポゾン内の*erm(B)*のアイソジェニックなコピーを正しく特定した。また、AMRFinderPlusとの高い座標一致性を示し、データベースの精査の違いによりRGIで見逃された4つの「パイプライン固有（Pipeline Unique）」の遺伝子座（例：cfr(B), clbA）を正常に回収した。
• 大規模解析: 495の完全なC. difficile RefSeqゲノムに適用した結果、パイプラインは3,154件のARG-MGE関連性を特定した。解析の結果、ARGの10.9%がMGEの境界内に直接埋め込まれており（クリティカル・リスク）、83.2%が安定した非連結の染色体コンテキストに存在していることが明らかになった。
• 性能とスケーラビリティ: コンピュータ性能のベンチマークでは、CdMEC-Aがプロセスレベルにおいてほぼ完全な線形スケーリングを達成することが示された。単一のゲノムプロセス内でのスレッド数を増やすタスクレベルのスレッディングは、内部オーバーヘッドのため劇的な速度向上は見られなかったが、複数のゲノムを並列で実行するプロセスレベルのスケーリングは非常に効率的であった。16コアのシステムにおいて、パイプラインは495のゲノムを約60分で処理し、99.32%のハードウェア効率で、1日あたり11,800以上の完全なゲノムを処理できるスループットを達成した。

意義と主張
本論文は、CdMEC-Aを、静的な遺伝子インベントリ生成から、予測的かつモビロームを考慮したリスク評価へとパラダイムを転換させる、AMR監視における必然的な進化として位置づけている。著者は、本フレームワークが以下を提供すると主張している：

• 標準化されたリスク層別化: 生のゲノムアセンブリを、生物学的に意味のあるリスクティア（Stable, High-Risk, Critical-Risk）へと変換する再現可能な手法。
• 高スループットの有用性: アセンブリコンティグの空間的オフセットを手動で検査するというバイオインフォマティクスのボトルネックを取り除き、数千のゲノムを毎日処理する能力。
• ワンヘルス（One Health）への適用可能性: C. difficileを用いて検証されているが、パイプラインのアーキテクチャはホストに依存せず、生態学的境界を越えた耐性の移動を追跡するための、将来的なクロスレザボア（ヒト、動物、環境）監視ネットワークへの統合を容易にするよう設計されている。

結論として、CdMEC-Aは、高スループットな空間的モビローム・プロファイリングのための堅牢でオープンソースな基盤を提供し、手動の介入を必要とせずに、より正確なセクター横断的なリスク評価を可能にするものである。