SELECT 2.0: Refined and open access SELection Endpoints in Communities of bacTeria (SELECT) method to determine concentrations of antibiotics that may select for antimicrobial resistance in the environment

Este artigo apresenta o método SELECT 2.0, uma abordagem refinada e de acesso aberto para determinar concentrações de antibióticos que selecionam resistência antimicrobiana em comunidades bacterianas, gerando o maior conjunto de dados empíricos de concentrações sem efeito previsto para resistência (PNECRs) até a data e facilitando avaliações de risco ambiental padronizadas.

O essencial

Imagine que o nosso mundo está cheio de "bichinhos" invisíveis chamados bactérias. Algumas são boas, outras são ruins. O problema é que, quando usamos muitos remédios para matar as bactérias ruins (antibióticos), sobra um pouco desses remédios na água e no solo. Esse resíduo age como um filtro de seleção natural.

Aqui está a história do que os cientistas descobriram, explicada de forma simples:

1. O Problema: O "Filtro" Perigoso

Imagine que você tem um rio cheio de peixes (as bactérias). Se você jogar um pouco de veneno (antibiótico) no rio, os peixes mais fracos morrem, mas os mais fortes sobrevivem. Pior ainda: os fortes se multiplicam e passam essa "força" (resistência) para seus filhos.

O grande mistério que os cientistas tentavam resolver era: Qual é a quantidade mínima de veneno necessária para começar a matar os fracos e deixar os fortes viverem?

• Se a quantidade for muito alta, matamos tudo.
• Se for muito baixa, não faz nada.
• Mas existe um "ponto de equilíbrio" (uma concentração muito pequena) onde os fracos sofrem, mas os fortes ganham uma vantagem enorme. É nesse ponto que a resistência aos remédios começa a nascer e se espalhar.

2. A Solução: O "Teste SELECT 2.0" (O Detetive de Bactérias)

Antes, os cientistas faziam testes demorados e caros, como tentar adivinhar a temperatura exata de um forno abrindo e fechando a porta várias vezes. Eles usavam um método antigo chamado "SELECT 1.0", que era um pouco como tentar adivinhar o vencedor de uma corrida olhando apenas quem cruzou a linha de chegada primeiro, sem medir a velocidade exata.

Neste novo estudo, eles criaram o SELECT 2.0.

• A Metáfora: Pense no SELECT 2.0 como uma câmera de alta velocidade e um computador superpoderoso. Em vez de apenas olhar o resultado final, ele filma a corrida inteira (o crescimento das bactérias) a cada segundo.
• O Truque: Eles pegaram uma "sopa" de bactérias reais (coletada de esgoto, onde há muita diversidade) e colocaram em uma placa com 96 buracos. Em cada buraco, misturaram um pouco de antibiótico diferente.
• A Mágica: O computador mediu o crescimento dessas bactérias a cada 10 minutos. Usando uma fórmula matemática inteligente, eles conseguiram calcular exatamente a dose mínima que faria a "corrida" das bactérias desacelerar em apenas 1%.

Por que 1%? Porque em um mundo com milhões de bactérias, mesmo uma desaceleração de 1% é como se um pequeno grupo de "super-bactérias" estivesse ganhando uma vantagem injusta. É melhor prevenir com um limite muito baixo (superprotetor) do que esperar o problema crescer.

3. O Que Eles Descobriram? (O Ranking dos Vilões)

Com esse novo método rápido e barato, eles testaram 32 antibióticos diferentes. Foi como fazer um ranking de "Quem é o vilão mais perigoso para o meio ambiente?".

• Os Super Vilões (Muito Perigosos): Antibióticos como a Ciprofloxacina e a Ceftriaxona são perigosíssimos. Mesmo em quantidades minúsculas (como uma gota de tinta em uma piscina olímpica), eles já começam a selecionar bactérias resistentes. Eles têm um "poder de seleção" altíssimo.
• Os Vilões "Normais": Antibióticos como a Penicilina e a Vancomicina precisam de doses muito maiores para causar o mesmo efeito de seleção. Eles são menos perigosos nesse contexto específico de poluição ambiental.

4. O Veredito Final: O Rio está em Perigo?

Os cientistas pegaram esses dados e compararam com a quantidade de antibióticos que realmente encontramos nos rios e estações de tratamento de esgoto na Inglaterra e no mundo todo.

• A Conclusão Assustadora: Em muitos lugares, a quantidade de antibióticos que sobra na água é maior do que a dose mínima necessária para criar super-bactérias.
• O Principal Culpado: A Ciprofloxacina foi a campeã do perigo. Ela está presente em concentrações tão altas nos esgotos que está quase garantindo que as bactérias lá dentro se tornem imunes a ela.
• Outros Suspeitos: Outros antibióticos, como a Clarithromicina e a Eritromicina, também estão causando problemas, especialmente na água que sai das estações de tratamento (efluentes).

Por que isso importa para você?

Imagine que você pega um remédio para uma infecção. Se as bactérias no esgoto já aprenderam a vencer esse remédio porque havia um pouco dele na água, quando você ficar doente, o remédio pode não funcionar mais.

Resumo da Ópera:
Os cientistas criaram um "teste de radar" super rápido e barato (SELECT 2.0) para descobrir exatamente quanto de antibiótico é necessário para criar monstros (bactérias resistentes). Eles descobriram que muitos antibióticos comuns estão vazando em quantidades suficientes nos nossos rios para treinar bactérias a se tornarem imunes. Isso é um alerta vermelho: precisamos limpar melhor nossa água e usar antibióticos com mais cuidado, senão, no futuro, remédios comuns podem parar de funcionar.

A boa notícia é que, agora, temos um mapa (o banco de dados deles) e uma ferramenta (o método SELECT 2.0) para ajudar governos e indústrias a definirem regras mais seguras e protegerem nossa saúde.

Resumo técnico

1. O Problema

A resistência antimicrobiana (RAM) representa uma ameaça crítica à saúde global, com projeções de que se tornará a principal causa de morte mundial até 2050. Um aspecto central do problema é o papel do ambiente na evolução e disseminação da RAM. A poluição antropogênica libera antibióticos em concentrações baixas (ng/L a µg/L) em corpos hídricos e estações de tratamento de esgoto, o que pode selecionar bactérias resistentes in situ.

O desafio atual reside na Avaliação de Risco Ambiental (ERA). As abordagens tradicionais de ERA baseiam-se em testes ecotoxicológicos que medem efeitos letais ou subletais em organismos modelo, mas não medem diretamente a seleção de resistência. Estudos anteriores demonstraram que as concentrações que selecionam resistência (MSC - Minimal Selective Concentration) podem ser muito menores do que as que causam toxicidade, levando a subestimações de risco. Além disso, a heterogeneidade dos sistemas experimentais (espécies únicas vs. comunidades complexas) e a falta de padronização dificultam a comparação de dados e a criação de diretrizes regulatórias consistentes.

2. Metodologia: SELECT 2.0

O estudo apresenta uma refinamento do método experimental "SELECT" (SELection Endpoints in Communities of bacTeria), agora denominado SELECT 2.0.

• Princípio Base: O método utiliza uma comunidade bacteriana complexa derivada de esgoto não tratado (inoculada em caldo Iso-sensitest) para simular interações ecológicas reais. A premissa é que a redução na taxa de crescimento da comunidade suscetível devido à exposição a antibióticos correlaciona-se com a seleção de genes de resistência.
• Refinamento Estatístico (A Inovação Principal):
  • SELECT 1.0 (Antigo): Baseava-se em definições binárias de significância estatística para encontrar a Menor Concentração de Efeito Observado (LOEC), o que era sensível a erros aleatórios e ao espaçamento das diluições testadas.
  • SELECT 2.0 (Novo): Abandona a LOEC em favor de modelagem de curvas de dose-resposta. Ajusta uma curva log-logística de quatro parâmetros aos dados de densidade óptica (OD600) medidos a cada 10 minutos durante 12 horas.
  • Parâmetro de Efeito: Calcula a EC1 (Concentração Efetiva que causa 1% de redução no crescimento máximo). A escolha da EC1 em vez da EC10 (comumente usada em ecotoxicologia) é justificada pela rápida taxa de crescimento bacteriano e pela necessidade de uma abordagem mais protetora para o ambiente.
• Cálculo do PNECR: O Predicted No Effect Concentration for Resistance (PNECR) é derivado dividindo a EC1 por um fator de avaliação (AF) de 10, conforme recomendado pela Agência Europeia de Medicamentos (EMA).
• Escopo Experimental: O método foi aplicado a 32 antibióticos abrangendo 11 classes (incluindo beta-lactâmicos, quinolonas, tetraciclinas, etc.), gerando o maior banco de dados experimental de PNECRs obtido com uma única abordagem até a data.
• Validação e Análise de Risco: Os dados foram comparados com o método anterior (1.0) usando análise Bland-Altman e com dados de outros estudos. Posteriormente, foram realizados ERAs calculando Quocientes de Risco (RQ = MEC / PNECR) usando concentrações ambientais medidas (MEC) de bases de dados globais (UBA) e do Reino Unido (CIP3).

3. Principais Contribuições

• Padronização e Reprodutibilidade: O estudo fornece código de análise estatística de código aberto (R) e tutoriais no GitHub, permitindo que outros laboratórios repliquem o método SELECT 2.0.
• Base de Dados Unificada: Geração de PNECRs para 32 antibióticos usando um único protocolo experimental, permitindo comparações diretas entre classes de antibióticos que antes eram impossíveis devido à heterogeneidade metodológica.
• Refinamento Metodológico: A transição de uma abordagem baseada em LOEC para modelagem de curvas (EC1) oferece uma estimativa mais robusta, contínua e protetora das concentrações de seleção, superando as limitações das diluições discretas.
• Ferramenta de Triagem Rápida: O método é de baixo custo e gera resultados em menos de 24 horas, contrastando com experimentos de seleção genotípica que podem levar semanas.

4. Resultados Chave

• Comparação 1.0 vs 2.0: A análise Bland-Altman mostrou que os métodos produzem resultados comparáveis (a maioria dos pontos dentro dos limites de concordância). No entanto, o SELECT 2.0 tende a gerar PNECRs mais baixos (mais protetores) para a maioria dos antibióticos, especialmente para ceftriaxona, enrofloxacina e claritromicina, onde a diferença foi significativa.
• Variação entre Classes:
  • Mais Seletivos (Menores PNECRs): Quinolonas (ex: ciprofloxacina: 0,005 µg/L) e beta-lactâmicos (ex: ceftriaxona: 0,00003 µg/L).
  • Menos Seletivos (Maiores PNECRs): Glicopeptídeos (ex: vancomicina: 954 µg/L) e aminoglicosídeos.
  • Houve grande variação intraclasse para quinolonas e beta-lactâmicos, indicando que a seleção de risco não é uniforme dentro de uma mesma classe química.
• Avaliação de Risco Ambiental (ERA):
  • Global (Dados UBA): 12 antibióticos apresentaram risco alto (RQ > 1) em esgotos urbanos, incluindo ciprofloxacina, ofloxacina, ampicilina e trimetoprima.
  • Reino Unido (Dados CIP3): A ciprofloxacina foi identificada como o maior risco, apresentando RQ > 1 tanto em efluentes quanto em influentes, em valores médios e máximos. Clitromicina, eritromicina, sulfametoxazol e trimetoprima também apresentaram riscos elevados em cenários específicos.
  • Os resultados indicam que a poluição por antibióticos em águas residuais, mesmo em países desenvolvidos, representa um risco significativo de seleção de RAM.

5. Significado e Conclusões

O artigo estabelece o SELECT 2.0 como uma ferramenta viável e superior para a determinação de concentrações de efeito para resistência antimicrobiana. Ao fornecer uma base de dados padronizada e de código aberto, o estudo permite:

1. Priorização Regulatória: Identificar quais antibióticos e classes exigem controle mais rigoroso nas emissões industriais e hospitalares.
2. Definição de Padrões de Qualidade: Fornecer dados empíricos para o estabelecimento de Padrões de Qualidade Ambiental (PQA) específicos para a seleção de resistência, indo além da toxicidade aguda.
3. Abordagem One Health: Reforça a necessidade de monitorar o ambiente como um reservatório e motor da resistência, integrando dados ecológicos na gestão de saúde pública.

O estudo reconhece limitações, como o uso de uma comunidade de esgoto (que pode não representar totalmente águas superficiais) e a falta de validação genotípica para todas as classes testadas, mas defende que a rapidez e o baixo custo do método permitem a geração de grandes volumes de dados necessários para avançar a ciência e a política de controle da RAM.