SCCmecExtractor: A tool for extracting Staphylococcal Cassette Chromosome elements from Whole Genome Sequences

O artigo apresenta o SCCmecExtractor, uma ferramenta leve em Python que extrai e caracteriza elementos SCC completos de genomas bacterianos, identificando tanto variantes que conferem resistência à meticilina quanto aquelas sem genes *mec*, revelando uma diversidade subestimada desses elementos em espécies de *Staphylococcus* e *Mammaliicoccus*.

O essencial

Imagine que as bactérias Staphylococcus (incluindo a famosa Staphylococcus aureus) são como casas. Algumas dessas casas têm um "segredo" escondido no telhado: um módulo especial chamado SCCmec.

Esse módulo é como um kit de ferramentas de sobrevivência que a bactéria pode carregar. A parte mais famosa desse kit é a que ensina a bactéria a resistir a antibióticos (como a meticilina), transformando-a em uma "super-bactéria" perigosa chamada MRSA.

Por muito tempo, os cientistas tinham ferramentas para dizer: "Olha, essa bactéria tem o kit de resistência!" (ou seja, elas sabiam que o módulo existia). Mas essas ferramentas antigas tinham dois grandes problemas:

1. Elas não conseguiam tirar o módulo da casa para estudá-lo de perto.
2. Elas ignoravam completamente os módulos que não tinham resistência a antibióticos, achando que eles não eram importantes.

É aqui que entra o SCCmecExtractor, a nova ferramenta apresentada neste artigo.

O que é o SCCmecExtractor? (A Analogia do "Detetive de Móveis")

Pense no SCCmecExtractor como um detetive de móveis muito esperto e leve.

1. Ele sabe onde procurar as "portas" (os limites):
   Toda vez que esse módulo genético se instala na casa da bactéria, ele deixa duas "portas" marcadas no DNA (chamadas de att sites). O detetive olha para o mapa da casa (o genoma) e procura por essas marcas específicas. Se ele encontra as duas portas, ele sabe exatamente onde o módulo começa e termina.

2. Ele faz a "demolição" controlada (Extração):
   Assim que localiza as portas, o detetive "corta" o módulo inteiro do resto da casa e o coloca em uma caixa separada. Agora, os cientistas podem estudar esse módulo isoladamente, sem a bagunça do resto do DNA da bactéria.

3. Ele lê o manual de instruções (Tipagem):
   O detetive abre o módulo e lê o que tem dentro. Ele verifica: "Tem a ferramenta de resistência a antibióticos? Sim ou não? E qual tipo de ferramenta de instalação (chamada ccr) está aqui?". Isso permite classificar o módulo com precisão.

A Grande Descoberta: O "Kit de Ferramentas" que não é para Resistir

A descoberta mais interessante que essa ferramenta revelou é que nem todo módulo é perigoso.

Antes, os cientistas focavam apenas nos módulos que davam resistência a antibióticos. Mas o SCCmecExtractor mostrou que existe uma "floresta" inteira de módulos que não têm resistência. Eles são como kits de ferramentas para outras coisas: talvez para resistir ao mercúrio, para mudar a cor da bactéria ou para se adaptar ao ambiente.

• Na bactéria S. aureus (a mais famosa): A maioria dos módulos (88%) ainda é a versão "perigosa" (com resistência).
• Nas outras bactérias do mesmo grupo: A maioria dos módulos (mais de 50% a 76%) são os "inocentes" (sem resistência).

Isso é como descobrir que, em uma cidade cheia de casas, a maioria das pessoas não está carregando armas, mas sim ferramentas de jardinagem ou de reparo. Esses módulos "inocentes" são um reservatório gigante de diversidade genética que a ciência estava ignorando.

Por que isso é importante?

• É mais preciso: A ferramenta funciona em qualquer tipo de bactéria do grupo, não apenas na famosa S. aureus.
• É acessível: É um programa leve, gratuito e fácil de instalar (como um aplicativo que você baixa no celular), funcionando em qualquer computador moderno.
• Revela o invisível: Ela consegue encontrar esses módulos "inocentes" que as ferramentas antigas deixavam passar.

Resumo em uma frase

O SCCmecExtractor é como um novo tipo de "tesoura inteligente" que permite aos cientistas cortar, pegar e estudar todos os módulos genéticos das bactérias estafilococos, revelando que a maioria deles não é sobre resistência a antibióticos, mas sim sobre como essas bactérias se adaptam e sobrevivem no mundo, abrindo um novo capítulo para entender a evolução bacteriana.

Resumo técnico

Título: SCCmecExtractor: Uma ferramenta para extrair elementos do Cromossoma Cassete Estafilocócico (SCC) a partir de Sequências de Genoma Inteiro

1. O Problema

Os elementos do Cromossoma Cassete Estafilocócico (SCC) são elementos genéticos móveis que se integram especificamente no gene rlmH (anteriormente orfX) e são os principais responsáveis pela resistência à meticilina em estafilococos (SCCmec). Embora existam ferramentas de bioinformática para tipar SCCmec (como o sccmec e o SCCmecFinder), elas apresentam limitações críticas:

• Foco exclusivo na resistência: A maioria das ferramentas foca apenas na presença do gene mec (resistência à meticilina), ignorando elementos SCC que não carregam genes de resistência (non-mec SCC).
• Ausência de extração: Ferramentas existentes tipam o elemento com base em referências, mas não extraem a sequência completa do elemento do genoma.
• Dependência de anotação e limitações de espécie: Algumas ferramentas exigem genomas anotados, dependem de versões obsoletas de software (ex: Python 2.7) ou são restritas a Staphylococcus aureus, falhando em outras espécies de estafilococos e no gênero Mammaliicoccus.
• Incapacidade de detectar elementos compostos: Dificuldade em identificar estruturas complexas onde múltiplos elementos SCC estão integrados em tandem.

2. Metodologia

O SCCmecExtractor é um kit de ferramentas leve em Python (versão 3.9+) que utiliza uma abordagem baseada na biologia da integração dos elementos. O fluxo de trabalho consiste em cinco módulos principais:

1. Detecção de Sítios de Anexação (sccmec-locate-att):

   • Identifica os sítios de integração (attR e attL) utilizando 20 padrões de expressões regulares degeneradas que cobrem a diversidade de sequências entre espécies.
   • Valida a localização de attR dentro ou próximo ao gene rlmH.
   • Opera em dois modos: com arquivo GFF3 (anotação) ou apenas FASTA (usando BLAST contra um banco de dados de referência de rlmH para 70 espécies).

2. Extração do Elemento (sccmec-extract):

   • Extrai a sequência completa entre os sítios attR e attL.
   • Aplica filtros de validação biológica:
     • Mesmo contig: Ambos os sítios devem estar no mesmo fragmento de montagem (priorizando a confiança sobre a completude em montagens fragmentadas).
     • Presença de ccr: Verifica a existência de genes recombinases (ccr) entre os sítios. Se houver sítios mas sem ccr, o elemento é classificado como "ilha estafilocócica" (SCI) e não extraído como FASTA.
     • Tamanho: Filtra elementos fora de faixas biológicas plausíveis (1.000 a 200.000 pb para elementos simples; até 250.000 pb para compostos).
     • Detecção de elementos compostos: Identifica estruturas aninhadas ou em tandem.
     • Extração de fallback: Se apenas attL for detectado, infere o limite direito com base na posição de rlmH.

3. Tipagem ao Nível de Genes (sccmec-type):

   • Realiza buscas BLAST contra bancos de dados de referência para identificar allotypes de genes mec (9 tipos) e ccr (31 tipos).
   • Classifica as detecções em níveis de confiança (completo, parcial, novo) e mapeia combinações de ccr para os tipos de complexo ccr (1-22) definidos pelo IWG-SCC.
   • Diferente de outras ferramentas, não atribui apenas o tipo formal (I-XV), mas relata os allotypes individuais, permitindo a caracterização de elementos não descritos anteriormente.

4. Relatório Unificado (sccmec-report e sccmec-pipeline):

   • Combina metadados de extração e resultados de tipagem em um único relatório TSV.
   • O pipeline mestre orquestra todo o processo, suportando processamento em lote e multithreading.

3. Principais Contribuições

• Extração de Sequências Completas: É a primeira ferramenta capaz de extrair a sequência completa do elemento SCC (incluindo regiões J variáveis) diretamente de genomas montados.
• Detecção de SCC non-mec: Capaz de identificar e extrair elementos SCC que não carregam genes de resistência à meticilina, uma classe frequentemente negligenciada.
• Universalidade Taxonômica: Funciona eficazmente em Staphylococcus aureus, outras espécies de Staphylococcus e no gênero Mammaliicoccus.
• Independência de Anotação: O modo "FASTA-only" permite a análise de genomas brutos sem necessidade de anotação prévia (usando BLAST para rlmH).
• Transparência e Diagnóstico: Fornece relatórios detalhados sobre falhas de extração (ex: contigs cruzados, ausência de ccr, tamanho inadequado), permitindo ao usuário entender as limitações dos dados.

4. Resultados

O ferramenta foi validada em um conjunto de dados massivo de 7.297 genomas (1.454 S. aureus, 5.295 Staphylococcus não-aureus e 548 Mammaliicoccus):

• Concordância de Tipagem: Em 1.454 genomas de S. aureus, houve 100% de concordância com a ferramenta sccmec na detecção de genes mec e na atribuição de tipos de complexo ccr.
• Taxas de Extração Efetiva:
  • S. aureus: 87,3% (excluindo limitações de montagem).
  • Staphylococcus não-aureus: 58,8%.
  • Mammaliicoccus: 61,9%.
  • Nota: As taxas mais baixas em espécies não-aureus devem-se principalmente à fragmentação das montagens (genomas de rascunho), onde os sítios att ficam em contigs diferentes.
• Descoberta de Diversidade non-mec:
  • Dos 1.562 elementos extraídos, 39,4% (616 elementos) eram do tipo non-mec (sem genes de resistência à meticilina).
  • A prevalência de SCC non-mec aumenta drasticamente fora de S. aureus: 12,2% em S. aureus, 55,6% em Staphylococcus não-aureus e 76,0% em Mammaliicoccus.
• Elementos Compostos: Detectou 92 elementos compostos (5,9% do total), com maior frequência em espécies não-aureus e Mammaliicoccus, revelando integrações em tandem que outras ferramentas não distinguem.
• Novos Allotypes: Identificou diversos allotypes de genes ccr e mec (incluindo variantes de mecC e ccr complexos raros) que não eram capturados por ferramentas baseadas em referência estrita.

5. Significado e Impacto

O SCCmecExtractor preenche uma lacuna crítica na genômica de estafilococos ao fornecer uma abordagem "confiável e baseada na biologia" para o estudo de elementos móveis.

• Revisão da Diversidade Genética: Revela que os elementos SCC non-mec são dominantes fora de S. aureus, sugerindo um papel importante na adaptação bacteriana e transferência horizontal de genes além da resistência a antibióticos.
• Ferramenta de Vigilância: Oferece uma solução acessível, portátil (via PyPI, Docker, Singularity) e de fácil instalação para monitoramento global de MRSA e da diversidade de SCC em espécies zoonóticas e ambientais.
• Base para Pesquisa Futura: Ao extrair sequências completas de elementos non-mec, fornece material genético para estudos funcionais sobre a evolução e o papel ecológico desses elementos, que antes eram invisíveis para as ferramentas de tipagem tradicionais.

O código-fonte e os dados estão disponíveis publicamente sob licença MIT, promovendo a reprodutibilidade e a adoção pela comunidade científica.