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

문제 제기
항균제 내성 (AMR) 은 글로벌 건강에 심각한 위협을 posed 하며, 새로운 항생제 개발이 내성 진화 속도를 따라가지 못하고 있습니다. 병용 요법 (여러 약물을 동시에 투여) 은 일반적인 전략이지만, 독성 위험을 수반하며 때로는 내성을 가속화할 수 있습니다. 순차적 요법 (항생제를 순서대로 투여) 은 부수적 감수성 (collateral sensitivity, CS) 현상에 기반한 유망한 대안을 제공합니다. CS 는 한 항생제에 대한 세균의 내성이 증가할 때 다른 항생제에 대한 감수성이 증가하는 현상입니다. CS 기반 순차 요법의 잠재력에도 불구하고, 특히 내성 진화가 주요 우려사항인 아억제 농도 (subinhibitory concentrations) 하에서 세균 절멸을 극대화하기 위한 약물 전환 시기를 최적화하는 정량적 설계 원칙은 부족합니다.

방법론
저자들은 두 가지 세균 정지성 항생제 (A 와 B) 하에서의 숙주 내 진화 역학을 시뮬레이션하기 위해 4 유전자형 확률적 출생 - 사망 모델을 개발했습니다. 이 모델은 네 가지 세균 집단을 추적합니다:

• $x_0$: 야생형 (두 항생제 모두에 감수성).
• $x_1$: A 에 내성, B 에 감수성.
• $x_2$: B 에 내성, A 에 감수성.
• $x_3$: 이중 내성 (두 항생제 모두에 내성).

모델의 주요 특징은 다음과 같습니다:

• 확률적 역학: 시스템은 출생, 사망, 돌연변이 사건 ($\mu_1$은 내성 획득, $\mu_2$는 내성 상실) 을 시뮬레이션하기 위해 타우-리핑 (tau-leaping) 알고리즘을 사용합니다.
• 순차적 전환: 시뮬레이션은 항생제 A 로 시작합니다. 전환 기간 $\tau$ 후, 항생제는 B 로 전환되었다가 다시 A 로 전환되는 식으로 고정된 총 치료 기간 $T$ 동안 반복됩니다.
• 절멸 기준: 집단이 $0.05\gamma^{-1}$ (약 5 개체) 임계값 이하로 떨어지면 절멸된 것으로 간주됩니다. 여기서 $\gamma$는 수용 능력 (carrying capacity) 과 관련이 있습니다.
• 매개변수: 연구는 아억제 농도 ($k=0.5$, IC50 을 나타냄) 와 강한 상호 부수적 감수성 ($k_{CS}=0.05$) 에 초점을 맞춥니다.

주요 기여 및 결과

1. 전환 기간에 대한 비선형 의존성:
   세균 절멸 확률은 전환 기간 $\tau$에 비선형적으로 의존합니다.

   • 빠른 전환 ($\tau \to 0$): 내성 돌연변이가 진화하여 우세해지기 위한 시간이 부족하여 절멸이 발생하지 않습니다.
   • 최적 전환: 절멸 확률은 $\tau$가 증가함에 따라 증가하며, 이산적 전환 사건 (예: 1 회에서 2 회 전환으로 증가) 에 맞춰 단계적 점프를 보입니다.
   • 기작: 절멸 사건은 전환 직후에 발생합니다. 절멸이 발생하려면 집단이 먼저 단일 내성 유전자형 (예: 약물 A 하의 $x_1$) 에 의해 지배되도록 진화해야 합니다. 약물이 B 로 전환되면, 이 우세한 집단 (이제 감수성을 띰) 은 붕괴합니다. 만약 집단에 야생형이나 이중 내성 등 다른 유전자형이 상당수 포함되어 있다면 절멸 가능성은 낮아집니다.

2. 기하 분포 프레임워크:
   저자들은 절멸을 각 전환 시점에서 일련의 베르누이 시행 (동전 던지기) 으로 모델링할 수 있다고 제안합니다.

   • 그들은 누적 절멸 확률을 위계적 기하 분포인 $P_{ext} = 1 - (1 - p)^n$에 적합시켰습니다. 여기서 $p$는 전환당 절멸 확률이고 $n$은 전환 횟수입니다.
   • 전환당 확률 $p$는 일정하지 않습니다. 이는 전환 기간 $\tau$에 따라 증가하며 전환 횟수 $n$에 의존합니다. $p = \alpha\tau + \beta n$ 형태의 적합은 누적 절멸 확률을 정확하게 예측합니다.

3. 휴리스틱 근사:
   저자들은 세 가지 주요 시간 분포에 기반하여 $p(\tau)$에 대한 분석적 휴리스틱을 유도했습니다:

   • 단일 내성 돌연변이가 집단을 지배하는 데 걸리는 시간.
   • 전환 후 절멸까지 걸리는 시간.
   • 단일 내성 돌연변이에 의한 지배가 아닐 확률.
   • 결과적으로 도출된 공식 $p(\tau) = p_d(\tau)[1 - p_r(\tau)]$ (여기서 $p_d$는 감쇠 확률, $p_r$은 지배가 아닐 확률) 은 시뮬레이션 데이터를 성공적으로 일치시킵니다.

4. 매개변수에 대한 민감도:

   • 부수적 감수성 (CS): 아억제 용량에서 절멸을 위해서는 강한 상호 부수적 감수성이 필수 조건입니다. CS 가 약화됨에 따라 ($k_{CS}$ 증가), 절멸 확률은 거의 0 으로 떨어집니다.
   • 항생제 용량: 용량과 절멸 간의 관계는 단봉형 (unimodal) 입니다. 매우 높은 용량 (최소 억제 농도, MIC 근처) 에서는 전환과 관계없이 절멸이 발생합니다. 중간 아억제 용량에서는 절멸을 극대화하는 최적 용량이 존재합니다. 매우 낮은 용량에서는 내성 돌연변이의 유입이 느려져 절멸 확률이 감소합니다.
   • 돌연변이율: 용량과 마찬가지로, 절멸 확률은 돌연변이율에 대해 단봉형 의존성을 보입니다. 높은 돌연변이율은 이중 내성 균주 ($x_3$) 의 출현을 초래하여 절멸 효율을 저하시킬 수 있습니다.

5. 최적 요법의 파레토 프론트:
   절멸 극대화와 이중 내성 돌연변이 출현 최소화 사이에는 트레이드오프가 존재합니다.

   • 더 긴 치료 (더 많은 전환) 는 절멸 확률을 높이지만, 집단이 생존할 경우 $x_3$가 나타날 가능성도 증가시킵니다.
   • 저자들은 최적 전환 기간의 파레토 프론트를 규명했습니다. 연구된 매개변수에서 전환 기간 $\tau \approx 42$가 이 프론트에 있을 가능성이 가장 높으며, 이를 통해 임상가는 전환 횟수 $n$을 조정하여 절멸 극대화 또는 내성 최소화를 선택할 수 있습니다.

의의 및 주장
본 논문은 시험관 내 및 임상 순차 항생제 요법에 대한 정량적 설계 원칙을 제공한다고 주장합니다. 단일 요법이 실패하는 아억제 농도에서도 강력한 CS 가 세균 박멸로 이어질 수 있음을 입증함으로써, CS 기반 요법이 내성 진화를 억제할 수 있는 잠재력을 강조합니다.

저자들은 이전의 결정론적 모델이 박멸을 예측하지 못했던 것과 달리, 그들의 확률적 프레임워크가 절멸 역학을 직접 포착한다고 강조합니다. 성공의 열쇠는 CS 의 존재뿐만 아니라 전환의 타이밍에 있다고 주장합니다. 즉, 단일 내성 돌연변이가 집단을 지배할 때까지 충분히 기다렸다가 전환해야 하지만, 이중 내성이 출현하기 전에 전환해야 합니다. 파레토 프론트의 규명은 감염 박멸과 팬 - 내성 진화 방지라는 이중 목표를 균형 있게 달성하기 위한 실용적 프레임워크를 제공합니다.

본 연구는 모델이 최소적 (두 가지 약물, 네 가지 유전자형) 이지만, CS 기반 전환의 핵심 기작을 분리해 내며, 순차적 요법이 항생제 위기를 해결할 풍부한 기회를 제공한다고 결론지었습니다. 또한 이는 암 치료 및 역학적 규모로 확장될 가능성을 시사합니다.