Mikrobiota jelitowa jako czynnik predykcyjny zakażenia ogólnoustrojowego
Mikrobiota jelitowa chroni przed kolonizacją i zakażeniem patogennymi drobnoustrojami. Jednak intensywne podawanie antybiotyków o szerokim spektrum działania, szczególnie podczas hospitalizacji, może prowadzić do zachwiania równowagi bakterii jelitowych przy równoczesnym wzroście populacji mikroorganizmów wielolekoopornych. Zjawisko to stanowi ogromny problem w przypadku pediatrycznych pacjentów transplantacyjnych, którzy po zabiegu w dużym stopniu są zależni od antybiotyków.
Obliczanie liczby genów antybiotykooporności w mikrobiocie jelitowej
Celem projektu qMAR, realizowanego dzięki wsparciu z działania „Maria Skłodowska-Curie”, było opracowanie narzędzia do monitorowania liczby genów antybiotykooporności w mikrobiocie jelitowej. „Naszym celem było oszacowanie odsetka komórek bakteryjnych zawierających geny oporności na antybiotyki w mikrobiocie jelitowej, który będzie mógł służyć jako wskaźnik nieprawidłowości”, wyjaśnia badacz Elias Dahdouh. Ze względu na rozmiar i różnorodność mikrobioty jelitowej wielkości populacji bakterii z genami oporności na antybiotyki nie można zmierzyć tradycyjnymi metodami mikrobiologicznymi. W związku z tym badacze opracowali sposób oparty na ilościowej reakcji łańcuchowej polimerazy (ang. quantitative polymerase chain reaction, qPCR), który pozwala na wykrywanie określonych genów oporności na antybiotyki i zastosowali uniwersalny gen 16S rRNA, występujący u wszystkich bakterii, by oszacować całkowitą liczbę bakterii. Metoda qMAR umożliwia względną kwantyfikację genów oporności w mikrobiomie jelitowym w odniesieniu do całkowitej populacji bakterii. Przy użyciu tej samej technologii badaczom udało się wcześniej powiązać wysoką liczbę bakterii Klebsiella pneumoniae w wymazach z odbytnicy pobranych od dorosłych pacjentów podlegających hospitalizacji z pojawieniem się zakażenia tym patogenem. Podczas prac nad projektem qMAR badacze użyli tego narzędzia qPCR do zmierzenia liczby genów antybiotykooporności w próbkach od transplantacyjnych i nietransplantacyjnych pacjentów pediatrycznych. Odkryli powiązanie między liczbą genów antybiotykooporności w mikrobiocie jelitowej a przyjmowaniem antybiotyków. Co więcej, ustalili wartości odcięcia (rzędu 1–5 %) dla różnych genów – ich przekroczenie wskazuje na wysokie ryzyko rozprzestrzenienia się bakterii poza obręb jelita i wywołania zakażenia.
Kliniczne i przyszłe zastosowania narzędzia monitorującego qMAR
Pacjenci transplantacyjni często są hospitalizowani przez długi czas i otrzymują kilka cykli antybiotyków. Nie powinno więc dziwić, że ich organizmy są kolonizowane przez bakterie antybiotykooporne. Jednak gdy gatunki oporne zdominują mikrobiotę gospodarza, bardzo ciężko jest je zwalczyć, nawet jeśli zostaną wyparte przez inne bakterie. Narzędzie qMAR to prosta, szybka i łatwa do wdrożenia metoda monitorowania stopnia kolonizacji jelit przez jakikolwiek gatunek lub szczep bakterii. Takie badanie przesiewowe w czasie rzeczywistym może pomóc lekarzom w minimalizowaniu działań niepożądanych i poprawieniu skuteczności leczenia. „Co ważne, można je łatwo zmodyfikować tak, by wykrywało wybrany gen oporności występujący w dowolnym szpitalu w jakimkolwiek miejscu na świecie”, podkreśla Dahdouh. Zespół naukowców jest pewien, że narzędzie qMAR będzie używane do kontrolowania zakażeń i przenoszenia drobnoustrojów antybiotykoopornych w ramach rutynowych działań związanych z nadzorem epidemiologicznym. Przydatność metody qMAR w zastosowaniach klinicznych mają potwierdzić przyszłe badania obejmujące osoby starsze oraz dorosłych i pediatrycznych pacjentów w stanie immunosupresji, którzy są bardziej narażeni na zakażenie bakteriami antybiotykoopornymi. Co więcej, partnerzy projektu przewidują zastosowanie tego narzędzia do badania wpływu liczby genów antybiotykooporności w mikrobiocie jelitowej na przenoszenie zakażeń z pacjenta na pacjenta lub do środowiska.
Słowa kluczowe
qMAR, oporność na antybiotyki, gen oporności, mikrobiota jelitowa, zakażenie, pacjenci transplantacyjni, pacjenci pediatryczni, qPCR, 16S rRNA
