Long-read sequencing of Mycobacterial tuberculosis is comparable to short-read sequencing for antimicrobial resistance prediction and epidemiological studies.

Deze studie toont aan dat long-read sequencing van Oxford Nanopore voor *Mycobacterium tuberculosis* vergelijkbare resultaten oplevert als de gevestigde short-read sequencing voor het voorspellen van antimicrobiële resistentie en het uitvoeren van epidemiologische studies, waardoor data van beide platforms nu veilig kunnen worden samengevoegd voor grootschalig publiek gezondheidsgebruik.

De kern

Stel je voor dat je een heel oude, ingewikkelde instructiehandleiding probeert te lezen. Die handleiding bevat de geheimen van een bacterie die tuberculose veroorzaakt. Om te weten of deze bacterie genezen kan worden met medicijnen, moeten we de tekst van die handleiding nauwkeurig lezen.

Voor de afgelopen tien jaar was er maar één manier om dit goed te doen: Illumina. Dit is als een superkrachtige, maar trage en dure fotokopieermachine. Hij maakt honderden kleine, perfecte kopietjes van elke zin in de handleiding. Omdat hij zo betrouwbaar is, wordt hij gezien als de "gouden standaard" in de wereld van de geneeskunde.

Maar er is een nieuwe speler in het veld: Oxford Nanopore (ONT). Dit is als een slimme, draagbare scanner die de handleiding in één lange, vloeiende stroom leest. Hij is sneller, goedkoper en je kunt hem zelfs meenemen in je rugzak. Het probleem? Niemand wist zeker of deze nieuwe scanner net zo goed las als de oude fotokopieermachine, vooral niet bij het vinden van kleine foutjes in de tekst die bepalen welke medicijnen werken.

Wat hebben deze onderzoekers gedaan?
Ze hebben een enorme test gehouden, de grootste ooit. Ze namen 508 monsters van tuberculose-bacteriën (uit Zuid-Afrika en Vietnam) en lazen ze twee keer: één keer met de oude fotokopieermachine (Illumina) en één keer met de nieuwe scanner (ONT). Het was alsof ze twee verschillende vertalers dezelfde moeilijke tekst lieten vertalen om te zien of ze hetzelfde resultaat kregen.

Wat vonden ze?
Het nieuws is fantastisch: beide methoden werken bijna identiek.

1. De vertaling is hetzelfde: In 96% van de gevallen kwamen de twee methoden precies op hetzelfde resultaat uit voor het type bacterie.
2. Medicijnen werken: Als het gaat om het voorspellen of een bacterie resistent is tegen medicijnen, maakte de nieuwe scanner (ONT) nauwelijks fouten. De foutmarge was zo klein (minder dan 2%) dat deze binnen de strenge regels van de gezondheidsautoriteiten valt. Het is alsof twee verschillende chefs een gerecht bereiden en de smaaktesters zeggen: "Jullie hebben beide precies hetzelfde recept gevolgd."
3. De puzzelstukjes passen: Om te zien of bacteriën aan elkaar verwant zijn (bijvoorbeeld in een uitbraak), kijken wetenschappers naar kleine verschillen in de DNA-tekst, alsof ze naar de randjes van puzzelstukjes kijken. De nieuwe scanner zag bijna precies dezelfde randjes als de oude machine. In 98% van de gevallen was het verschil tussen de twee methoden verwaarloosbaar klein.

Wat betekent dit voor ons?
Voorheen dachten we dat we de nieuwe, snelle scanner niet konden gebruiken voor officiële gezondheidsdata omdat we niet zeker waren of hij goed genoeg was. Nu weten we dat we dat wel kunnen.

Het is alsof we eindelijk een brug hebben gebouwd tussen twee eilanden. We kunnen nu de data van de snelle, draagbare scanners (ONT) samenvoegen met de enorme databases van de oude fotokopieermachines (Illumina).

De grote winst:

• Snelheid en mobiliteit: Artsen en onderzoekers kunnen nu in afgelegen gebieden snel testen doen met een apparaat dat in een koffer past, zonder te hoeven wachten op een lab.
• Grote schaal: Landen en internationale organisaties kunnen nu alle data samenvoegen om beter te begrijpen hoe tuberculose zich verspreidt over de hele wereld.

Kortom: De nieuwe technologie is niet alleen sneller en handiger, maar ook net zo betrouwbaar als de oude. We kunnen nu de beste van twee werelden combineren om tuberculose beter te bestrijden.

Technische samenvatting

Titel: Lang-lees sequencing van Mycobacterium tuberculosis is vergelijkbaar met kort-lees sequencing voor het voorspellen van antimicrobiële resistentie en epidemiologische studies.

1. Het Probleem

Sinds ongeveer een decennium is kort-lees sequencing (voornamelijk Illumina-technologie) de de facto gouden standaard geworden voor genomische drug-susceptibility testing (gDST) en de analyse van uitbraken van het Mycobacterium tuberculosis complex (MTBC). Hoewel deze technologie betrouwbaar is, mist het de snelheid, eenvoud en draagbaarheid van lang-lees sequencing, zoals die aangeboden wordt door Oxford Nanopore Technologies (ONT). Er was behoefte aan een robuuste vergelijking om te bepalen of ONT-sequencing, met de nieuwste generatie flowcells en bioinformatica, voldoende nauwkeurig is om de klinische en epidemiologische toepassingen van Illumina te evenaren of te vervangen.

2. Methodologie

De onderzoekers voerden de tot nu toe grootste vergelijking uit tussen Illumina en ONT-technologieën voor MTBC-monsters.

• Steekproef: In totaal werden 508 monsters gesequenced met beide platforms. De monsters kwamen uit Zuid-Afrika en Vietnam en waren geselecteerd op basis van drugresistentie, inclusief lokale uitbraken en een breed scala aan lijnen (lineages).
• Sequencing: De monsters waren reeds gesequenced met Illumina. Voor de ONT-sequencing werden monsters geselecteerd met een Illumina-dekking van ≥50x. Er werden GridION- of PromethION-platforms gebruikt met R10.4 flowcells, geüpdatete basecalling-modellen en deep-learning variant calling.
• Bioinformatica: Verwerking vond plaats op een aangepast cloud-platform. Dit omvatte:
  • Referentie-gebaseerde variant calling.
  • Catalogus-gebaseerde gDST (voorspelling van resistentie).
  • Identificatie van gerelateerde monsters via SNP-telling (Single Nucleotide Polymorphism) voor uitbraakdetectie.
• Vergelijkingsmethode: Illumina fungeerde als referentiemethode. De resultaten werden vergeleken op basis van toegewezen lijnen, gDST-voorspellingen voor 15 verschillende medicijnen en geïdentificeerde clusters.

3. Belangrijkste Bijdragen

• Grootste Vergelijking: Dit is de grootste studie tot nu toe die de prestaties van Illumina en ONT direct tegen elkaar afzet voor MTBC.
• Gebruik van Nieuwste Technologie: De studie maakt gebruik van de nieuwste ONT-hardware (R10.4 flowcells) en geavanceerde software (deep-learning variant calling), wat de prestaties ten opzichte van eerdere studies significant verbetert.
• Klinische Validatie: De studie valideert niet alleen de sequentie-nauwkeurigheid, maar ook de klinische bruikbaarheid voor drugresistentie-voorspelling en epidemiologische clustering.

4. Resultaten

• Datakwaliteit: Van de 508 monsters hadden er 425 (83,7%) voldoende leesdiepte voor een directe vergelijking.
• Lijnen (Lineages): De toegewezen lijnen waren identiek voor 407 van de 425 monsters (95,8%). De discrepanties waren uitsluitend te wijten aan het identificeren van gemengde lijnen door één van de technologieën. Er werd ook bewijs gevonden van niet-tuberculaire mycobacteriën (NTM) subpopulaties in negen monsters.
• Voorspelling van Drugresistentie (gDST):
  • Gebruikmakend van Illumina als referentie, was de "Very Major Error" (VME) rate voor ONT bij het voorspellen van resistentie voor alle 15 medicijnen 1,0% (95% CI: 0,6-1,5%).
  • De "Major Error" (ME) rate was 1,7% (95% CI: 1,3-2,2%).
  • De "Unclassified" rate was 6,9%.
  • Deze foutmarges liggen onder de drempelwaarden die door het CLSI (Clinical and Laboratory Standards Institute) zijn gespecificeerd. Voor 29 van de 30 medicijncombinaties waren de VME en ME schattingen ≤3%, en voor 25 van de 30 zelfs ≤1,5%.
• Epidemiologische Vergelijking (SNP's):
  • Na het filteren van monsters met mengsels (382 isolaten) en het toepassen van masking op het referentiegenoom, was het gemiddelde SNP-afstand tussen de twee platformen 0,13 (mediaan van nul).
  • Bij 376 van de 382 monsters (98,4%) was het verschil ≤1 SNP.
  • Deze hoge overeenkomst resulteerde in zeer weinig verschillen bij het identificeren van 43 potentiële clusters onder 172 isolaten.

5. Betekenis en Conclusie

De studie concludeert dat de verschillen tussen kort-lees (Illumina) en lang-lees (ONT) sequencing voor de belangrijkste klinische output (lijnen, resistentie en clustering) zo klein zijn dat ze binnen de toleranties van regelgevende instanties vallen.

• Aggregatie van Data: Er is een drempel bereikt waarbij data van beide platformen veilig kunnen worden samengevoegd. Dit stelt nationale en internationale volksgezondheidsinstanties in staat om grootschalige analyses uit te voeren.
• Toekomstperspectief: De gemeenschap kan nu profiteren van de draagbaarheid en snelheid van lang-lees sequencing (ONT) zonder in te boeten aan nauwkeurigheid ten opzichte van de gevestigde gouden standaard. Dit opent de deur voor snellere uitbraakdetectie en resistentietesting, zelfs in settings met beperkte infrastructuur.