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

Dit artikel introduceert Pathotypr, een snelle en interoperabele, uitlijningsvrije tool die gelijktijdig harmoniserende lijn-toewijzing en resistentie-detectie voor het Mycobacterium tuberculosis complex mogelijk maakt, waardoor real-time en grensoverschrijdend tuberculose-toezicht wordt ondersteund.

De kern

🕵️‍♂️ De Opdracht: Een Snelle Identiteitscontrole voor Tuberculose

Stel je voor dat Tuberculose (TB) een wereldwijde schurk is die zich vermomt in duizenden verschillende kostuums. Wetenschappers noemen deze kostuums "lijnen" of lineages. Om de ziekte te bestrijden, moeten artsen en epidemiologen weten:

1. Wie is het? (Welk kostuum draagt de bacterie?)
2. Is het gevaarlijk? (Is het resistent tegen medicijnen?)
3. Waar komt het vandaan? (Is het nieuw binnengekomen of lokaal verspreid?)

Het probleem is dat de huidige gereedschappen om dit te doen vaak traag zijn, niet met elkaar kunnen praten (ze spreken verschillende talen) en soms vergeten dat er nieuwe kostuums zijn ontdekt.

🚀 De Oplossing: Pathotypr, de "Super-Scanner"

De auteurs van dit paper (Paula Ruiz-Rodriguez en Mireia Coscollá) hebben een nieuw digitaal gereedschap bedacht genaamd Pathotypr. Je kunt dit zien als een slimme, supersnelle identiteitscontroleur voor tuberculose-bacteriën.

Hier is hoe het werkt, vertaald naar alledaagse beelden:

1. De "Geheime Code" (Genetica)

In plaats van de bacterie langzaam onder een microscoop te bekijken of stukje bij beetje te vergelijken met een standaard (wat traag is), kijkt Pathotypr naar de DNA-tekst van de bacterie.

• De analogie: Stel je voor dat elke bacterie een uniek ID-kaartje heeft met een streepjescode. Pathotypr leest deze code in een flits (ongeveer 1 seconde per bacterie) en zegt direct: "Ah, dit is kostuum L4, afkomstig uit Azië."

2. De "Alles-in-één" Apparaat

Vroeger moesten onderzoekers verschillende apparaten gebruiken: één om te kijken welk kostuum het was, en een ander om te zien of het medicijnen kon weerstaan.

• De analogie: Pathotypr is als een multitool-zakmes. Je opent het, en in één beweging checkt het:
  • Het type bacterie (de lijn).
  • Of het resistent is tegen medicijnen (de "wapens" die de bacterie heeft).
  • Welk referentiekostuum het het meest lijkt (zodat je het beste kunt vergelijken).

3. Snelheid en Efficiëntie

De oude methoden waren als het handmatig tellen van alle klinkers in een heel boek. Pathotypr is als een laser die in één seconde de hele tekst scant.

• In het onderzoek hebben ze 88.000 monsters geanalyseerd.
  • Met de oude methoden (zoals TB-Profiler) zou dit 636 dagen duren (bijna 2 jaar!).
  • Met Pathotypr duurde het 24 uur.
  • Dat is alsof je een hele berg post in één ochtend sorteert in plaats van er een jaar over te doen.

4. Het Nieuwe Kaartspel

De wetenschap over tuberculose verandert snel. Er zijn nieuwe "kostuums" ontdekt (zoals lijn 10) die oude systemen niet herkenden.

• De analogie: Stel je voor dat een politieagent alleen foto's kent van de oude schurken. Als er een nieuwe schurk met een nieuw masker komt, ziet de agent niets. Pathotypr heeft een bijgewerkte fotoalbum met alle bekende kostuums, zelfs de hele nieuwe en zeldzame ones. Het herkent ze allemaal.

🌍 Wat hebben ze ontdekt? (De "Gevonden" Schurken)

Om te bewijzen dat hun tool werkt, hebben ze het gebruikt op een grote verzameling data (de CRyPTIC-dataset). Ze ontdekten interessante patronen:

• Grensoverschrijdende reizigers: Ze konden zien welke bacteriën vanuit landen als Turkmenistan, China en India naar Europa (Duitsland, Italië, Oekraïne) waren "gereisd".
• De gevaarlijke reizigers: Ze zagen dat de bacteriën die vanuit deze landen kwamen, vaker "zware wapens" hadden (resistent tegen medicijnen) dan de bacteriën die al in Europa rondliepen.
• De "Eenzame Reis": Veel van deze nieuwe bacteriën leken niet in grote groepen te reizen, maar kwamen als individuele reizigers binnen.

💡 Waarom is dit belangrijk voor de gemiddelde mens?

1. Snellere hulp: Omdat de analyse zo snel gaat, kunnen artsen sneller weten welke medicijnen wel of niet werken.
2. Betere samenwerking: Omdat Pathotypr overal hetzelfde systeem gebruikt, kunnen landen hun data makkelijk met elkaar vergelijken. Het is alsof iedereen ineens dezelfde taal spreekt.
3. Toekomstbestendig: Het systeem is zo gebouwd dat je er makkelijk nieuwe "kostuums" aan kunt toevoegen als er in de toekomst nog nieuwe soorten bacteriën worden ontdekt.

Conclusie

Pathotypr is de nieuwe, snelle en slimme "identiteitscontroleur" die helpt om tuberculose beter te begrijpen, sneller te behandelen en te voorkomen dat de ziekte zich ongemerkt verspreidt over de wereldgrenzen. Het maakt het werk van wetenschappers lichter en de wereld veiliger.

Technische samenvatting

Probleemstelling

De surveillance van Mycobacterium tuberculosis complex (MTBC) staat voor uitdagingen op het gebied van snelheid, interoperabiliteit en consistentie. Hoewel whole-genome sequencing (WGS) cruciaal is voor het opsporen van uitbraken en resistentie, ontbreken er snelle, verenigde tools die:

1. Harmonisatie van lijnindeling: De classificatie van MTBC verschuift van soort-basis naar lijn-basis (10 mens-aangepaste lijnen L1-L10 en 4 dier-aangepaste clades A1-A4). Bestaande tools gebruiken vaak inconsistente namen, missen recent ontdekte lijnen (zoals L10) of kunnen dier-aangepaste clades (A1-A3) niet correct indelen.
2. Referentie-afhankelijkheid: Veel huidige tools (zoals TB-Profiler) zijn afhankelijk van het mappen van reads op een referentiegenoom. Dit kan leiden tot vertekeningen bij het detecteren van variatie, vooral bij phylogenetisch verre stammen, en vereist vaak aanzienlijke rekentijd.
3. Schaalbaarheid: Het ontbreekt aan tools die zowel lijnindeling als resistentieprofielering in near real-time kunnen uitvoeren op standaard hardware, wat essentieel is voor grensoverschrijdende surveillance.

Methodologie

De auteurs hebben Pathotypr ontwikkeld, een open-source, alignment-free tool geschreven in Rust. De tool bestaat uit vijf modules en gebruikt een combinatie van phylogenetische reconstructie en machine learning:

1. Phylogenetische Reconstructie:

   • Gebaseerd op 26.813 MTBC-genomen met 609.003 polymorfe loci.
   • Er is een nieuwe "backbone" van lijn-definiërende SNP-markers afgeleid (2.145 markers) door homoplastische en missense-varianten te filteren, zodat alleen stabiele, niet-missense SNPs op de stam van elke monofyletische lijn worden behouden.

2. Software Modules:

   • Train: Bouwt een Random Forest-classificator (100 bomen) op basis van k-mer-vectoren (k=31) uit gelabelde genoomassemblages.
   • Predict: Voert alignment-free lijnindeling uit op nieuwe assemblages met het getrainde model.
   • Classify: Zoekt direct naar de 2.145 lijn-definiërende SNP-markers in assemblages.
   • Split-FASTQ: Voert genotypering uit op ruwe FASTQ-reads zonder mappen, door k-mers direct te scannen. Detecteert resistentie-varianten op basis van het WHO-mutatiecatalogus (2023, grades 1 en 2).
   • Match: Identificeert de dichtstbijzijnde referentie uit een paneel van representatieve genomen via k-mer-inhoudsscores. Dit optimaliseert het mappen voor downstream variant calling.

3. Validatie:

   • Getest op 498 RefSeq-assemblages, 254 onafhankelijke chromosoom-niveau assemblages, 88.071 UShER-TB samples (voor vergelijking met TB-Profiler), 162 klinische read-sets (voor closest-reference evaluatie) en 7.148 CRyPTIC isolaten met fenotypische resistentiedata.

Belangrijkste Bijdragen

• Universele Lijnindeling: Pathotypr is de enige tool die momenteel alle 14 erkende MTBC-lijnen ondersteunt (L1-L10 en A1-A4), inclusief recent beschreven lijnen zoals L10 en dier-aangepaste clades die in andere tools ontbreken.
• Alignment-Free Snelheid: Door het gebruik van k-mer tellingen en Random Forest in plaats van sequence alignment, is de tool extreem snel en lichtgewicht (<8 GB RAM).
• Integrale Workflow: Combineert lijnindeling, resistentieprofielering en selectie van de beste referentie in één workflow, beschikbaar via command line en een desktop GUI.
• Verbeterde Variant Calling: De "Match"-module toont aan dat het mappen op de dichtstbijzijnde gevonden referentie (in plaats van een universele ancestor) de dekking verbetert en kunstmatige heterogeniteit (non-fixed SNPs) aanzienlijk reduceert.

Resultaten

• Nauwkeurigheid:
  • 100% concordantie tussen marker-gebaseerde en alignment-free lijnindeling op 498 complete genomen.
  • 100% nauwkeurigheid op een onafhankelijke testset van 254 genomen.
  • In de vergelijking met TB-Profiler (88.071 samples) was er 100% concordantie voor alle gedeelde lijnen. Pathotypr identificeerde bovendien L10, A1 en A2, die door TB-Profiler niet of onjuist werden ingedeeld.
• Snelheid:
  • Verwerkingstijd van ongeveer 1 seconde per sample.
  • De volledige dataset van 88.071 samples kon in ~24 uur worden verwerkt op vier threads (TB-Profiler zou hier naar schatting 636 dagen voor nodig hebben).
• Resistentieprofielering:
  • Algemene concordantie tussen genotypische en fenotypische resistentie: 85,0%.
  • Hoogste prestaties voor de belangrijkste MDR-geneesmiddelen: Rifampicine (95,8% sensitiviteit, 95,0% specificiteit) en Isoniazide (93,0%, 97,9%).
  • Lagere sensitiviteit voor geneesmiddelen zonder hoge-confidence WHO-markers (bijv. amikacine, linezolid), wat een bewuste keuze was om specificiteit te maximaliseren.
• Toepassing (CRyPTIC):
  • In een analyse van 7.148 isolaten werden 135 onafhankelijke introducties naar Duitsland, Italië en Ukraine gereconstrueerd.
  • Isolaten geassocieerd met deze introducties hadden een significant hoger aandeel MDR/pre-XDR genotypen (33,7%) vergeleken met niet-geïntroduceerde Europese isolaten (5,5%).

Significantie

Pathotypr vult een kritieke kloof in de tuberculose-surveillance door een snelle, schaalbare en harmoniserende oplossing te bieden die geschikt is voor zowel routinegebruik in laboratoria als voor grootschalige, grensoverschrijdende epidemiologische studies.

• Interoperabiliteit: Door een gestandaardiseerde nomenclatuur te gebruiken voor alle lijnen, maakt het data-uitwisseling tussen verschillende landen en laboratoria eenvoudiger.
• Real-time Surveillance: De extreem korte verwerkingstijd maakt het mogelijk om sequencing-data direct in te zetten voor uitbraakdetectie en contactopsporing.
• Toekomstbestendigheid: De tool is ontworpen om eenvoudig nieuwe markers en lijnen toe te voegen naarmate de phylogenie van MTBC verder wordt verduidelijkt.

De studie concludeert dat Pathotypr een robuust instrument is voor het ondersteunen van near real-time en cross-border TB-genomische surveillance, met name in regio's waar de implementatie van WGS nog ongelijkmatig is.