Genome-guided prioritization of rifabutin MIC testing among rifampicin high-MIC Mycobacterium tuberculosis isolates: a retrospective development and internal evaluation study
这项回顾性研究表明，一种利用全基因组突变图谱（特别是紧凑型 *rpoB* 逻辑程序）的基因组引导优先策略，可以有效地富集针对具有高利福平最小抑菌浓度（MIC）的结核分枝杆菌分离株的有限利福布汀 MIC 测试工作列表，在回收超过 70% 低 MIC 病例的同时减轻测试负担。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
结核病是一个古老的敌人，每年仍夺走超过一百万人的生命，这主要是因为导致该病的细菌可以进化以忽略旨在杀死它们的药物。当患者的感染对主要抗生素利福平（rifampicin）产生耐药性时，医生必须迅速判断第二种药物利福布汀（rifabutin）是否仍然有效。这一决策对于选择正确的治疗方案至关重要，但对每一个细菌样本进行利福布汀耐药性测试既缓慢又昂贵，对于资源有限的实验室来说往往是不可能的。科学家们早已知道，细菌的遗传密码中包含了关于哪些药物会失效的线索，但特定的遗传变化与药物有效性之间的关系非常复杂。有些基因突变使细菌对两种药物都产生耐药性，而另一些突变则使细菌在对利福平耐药的同时，仍对利福布汀保持敏感。现代医学面临的挑战不仅是读取遗传密码，而是如何利用这些信息来决定哪些特定的样本值得投入时间和金钱进行完整的、精确的药物测试。
一个研究小组着手解决这个分类问题，他们研究了来自世界各地的数千个细菌样本。他们首先收集了一大批已知对利福平具有耐药性的结核分枝杆菌样本。在这些耐药样本中，他们想要找出那部分对利福布汀仍然敏感的较小群体。他们并没有在实验室培养皿中测试每一个样本——这个过程会使他们的处理能力过载——而是利用细菌的全基因组序列来预测哪些样本最可能是敏感类型。他们将遗传数据视为一张地图，寻找特定的突变模式，这些模式预示着细菌极有可能对利福布汀保持敏感。其目标是创建一个排序列表，或称“工作清单”，从而允许实验室首先测试排在最前面的候选样本，以此捕捉到绝大多数脆弱病例，同时跳过那些确定具有耐药性的样本。
研究人员分析了3,466个细菌样本的数据，所有这些样本都对利福平具有耐药性。在这一群体中，他们发现实际上只有约6%对利福布汀敏感。如果实验室随机测试样本，他们必须检查几乎每一个样本才能找到所有的敏感病例。然而，当研究人员应用他们的遗传排序系统时，结果发生了戏剧性的变化。通过仅测试其排序列表中排名前10%的样本，他们能够找到超过70%的敏感病例。这意味着，与其测试数百个样本来寻找少数脆弱病例，实验室可以测试一个规模小得多的群体，并且仍然能捕捉到大多数可以受益于利福布汀治疗的患者。该方法通过权衡不同的遗传变化发挥作用；例如，特定基因中的某些突变与细菌保持对利福布汀敏感强相关，而其他突变则表明细菌会对两种药物都产生耐药性。
为了确保他们的方法具有稳健性，研究团队将他们复杂的遗传排序系统与仅观察少数特定突变的简单规则进行了对比。他们发现，虽然复杂的系统在预测结果方面略好，但专注于一组特定遗传标记的简化版本表现几乎同样出色。这种更简单的方法非常有价值，因为它更容易被其他实验室理解和采用。研究人员还检查了该系统在来自不同国家和遗传谱系的各种细菌群体中的表现。他们发现，虽然该系统整体表现良好，但其性能会根据细菌的具体类型而有所不同，这表明没有一种单一的规则能完美适用于所有情况。他们还注意到，其研究结果是基于研究中使用的特定药物敏感性定义，如果采用不同的标准，确切的数字可能会略有变化，但利用遗传学来优先进行测试的总体策略仍然是可靠的。
研究结论指出，利用遗传信息来优先确定哪些样本需要进行测试，是优化有限实验室资源利用的一种切实可行的方法。它并不能取代物理药物测试的需求，后者仍然是证明药物是否有效的最终证据。相反，它充当了一个过滤器，确保用于物理测试的宝贵时间和金钱被投入到最有希望产生阳性结果的样本中。通过专注于排名靠前的候选对象，专科实验室可以比以前更快、更高效地识别出需要利福布汀治疗的患者。研究人员提供了一套清晰、透明的遗传规则，其他实验室可以将其作为独立前瞻性评估的候选方案，以完善自己的测试清单，为在资源匮乏的世界中管理耐药性结核病提供了一条途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。