L’apprendimento automatico e la metagenomica rivelano profili di resistenza antimicrobica condivisi in diversi allevamenti e macelli di polli in Cina
CasaCasa > Blog > L’apprendimento automatico e la metagenomica rivelano profili di resistenza antimicrobica condivisi in diversi allevamenti e macelli di polli in Cina

L’apprendimento automatico e la metagenomica rivelano profili di resistenza antimicrobica condivisi in diversi allevamenti e macelli di polli in Cina

Jul 05, 2023

Nature Food volume 4, pagine 707–720 (2023) Citare questo articolo

2195 accessi

108 Altmetrico

Dettagli sulle metriche

La Cina è il più grande consumatore mondiale di antimicrobici e il miglioramento dei metodi di sorveglianza potrebbe contribuire a ridurre la diffusione della resistenza antimicrobica (AMR). Qui riportiamo la sorveglianza di dieci allevamenti di polli su larga scala e quattro macelli collegati in tre province cinesi nell’arco di 2,5 anni. Utilizzando un approccio di data mining basato sull’apprendimento automatico, abbiamo analizzato 461 microbiomi di uccelli, carcasse e ambienti, identificando 145 geni di resistenza agli antibiotici (ARG) potenzialmente mobili condivisi tra polli e ambienti in tutti gli allevamenti. Un nucleo di 233 ARG e 186 specie microbiche estratte dal microbioma dell’intestino di pollo erano correlati con i profili AMR di Escherichia coli che colonizzavano lo stesso intestino, tra cui Arcobacter, Acinetobacter e Sphingobacterium, clinicamente rilevanti per l’uomo, e 38 ARG clinicamente rilevanti. Anche la temperatura e l'umidità nelle stalle erano correlate alla presenza di ARG. Riveliamo un’intricata rete di correlazioni tra ambienti, comunità microbiche e resistenza antimicrobica, suggerendo molteplici percorsi per migliorare la sorveglianza della resistenza antimicrobica nella produzione zootecnica.

L’uso di antimicrobici nella produzione di pollame in Cina è cinque volte superiore alla media internazionale1. L’uso di antibiotici, anche a bassi livelli, altera ed espande il resistoma intestinale nel bestiame2 e la comunità microbica può modellare i fenotipi di resistenza antimicrobica (AMR)3. Eventi esterni come cambiamenti nella dieta, nella temperatura e nello stress4,5 possono provocare la colonizzazione di nuove specie residenti o il trasferimento della resistenza antimicrobica tra specie6. La temperatura, l'umidità, l'abbondanza di specie batteriche e la presenza di geni di resistenza agli antibiotici (ARG)7,8,9 possono influenzare l'infezione batterica nei polli da carne10. I collegamenti tra condizioni ambientali e resistenza antimicrobica sono particolarmente rilevanti per la Cina e i paesi a basso e medio reddito (LMIC), dove il mantenimento di condizioni ambientali stabili nell’agricoltura su scala industriale può essere difficile rispetto ai paesi ad alto reddito11.

La sorveglianza della resistenza antimicrobica in ambiti non sanitari non è stata ampiamente adottata12, ma è fondamentale per comprendere come i sistemi di produzione alimentare contribuiscono alla selezione e alla diffusione di batteri resistenti agli antibiotici (ARB) e ARG. L’apprendimento automatico (ML) e il big data mining offrono strumenti per promuovere l’allevamento di pollame di precisione13,14. Gli approcci basati sulla coltura che coinvolgono il sequenziamento dell'intero genoma (WGS) di singoli agenti patogeni, i test di sensibilità agli antibiotici e le tecniche ML sono efficaci predittori delle caratteristiche genomiche legate alla resistenza antimicrobica sia per gli isolati di Escherichia coli15,16,17,18 che per altri batteri19,20,21,22 ,23,24. Tuttavia, gli approcci di sorveglianza focalizzati esclusivamente sulla WGS dei singoli agenti patogeni potrebbero non catturare la diversità delle comunità microbiche e dei resistomi all’interno della produzione zootecnica e i dati ARG potrebbero non essere rilevati25. In un recente studio di prova di concetto, abbiamo osservato che diversi ARG presenti nel resistoma fecale di pollo sono risultati correlati con i profili di resistenza/suscettibilità degli isolati di E. coli coltivati ​​dagli stessi campioni26.

In questo studio, abbiamo sviluppato un metodo di riferimento per la sorveglianza basata sulla metagenomica mirata all’allevamento di bestiame cinese, dove la sorveglianza della resistenza antimicrobica è particolarmente impegnativa, utilizzando un approccio che prende in considerazione la mancanza di risorse di laboratorio comunemente riscontrata in Cina e nei paesi a basso e medio reddito27,28. Abbiamo utilizzato E. coli come specie indicatore della resistenza antimicrobica nel contesto più ampio della comunità microbica che popola l’intestino dei polli. Per affrontare contesti più ampi, abbiamo esplorato gli impatti sui microbiomi degli ambienti agricoli circostanti e collegati, la temperatura e l’umidità della stalla e abbiamo adottato protocolli di somministrazione antimicrobici.

Campioni biologici sono stati raccolti da dieci allevamenti di pollame commerciali su larga scala (vedere Metodi, Informazioni supplementari, Figura 1 supplementare e Tabelle supplementari 1 e 2). Le comunità microbiche e gli ARG sono stati differenziati tra le fonti agricole e tra allevamenti e macelli (informazioni supplementari, figure supplementari 2–5 e tabelle supplementari 3–5). Poiché la mobilità genetica può influenzare la presenza di ARG attraverso le fonti e data la potenziale importanza degli elementi genetici mobili (MGE) nello sviluppo di sistemi di sorveglianza efficaci29, abbiamo cercato ARG che si trovassero entro 5 kilobasi (kb) da un MGE26 e abbiamo considerato questi MGE- Le combinazioni ARG sono ARG potenzialmente mobili. In totale, sono state trovate 661 diverse combinazioni MGE-ARG (ARG potenzialmente mobili), con 195 ARG unici (Tabella supplementare 6). Di questi, 75 ARG (38%) sono stati trovati in una sola combinazione MGE-ARG, mentre i restanti 120 (62%) sono stati trovati in più combinazioni (da 2 a 22; Fig. 1a). Oltre la metà (56%) dei 661 ARG potenzialmente mobili erano presenti in più di una fonte (Fig. 1b), con tre combinazioni MGE-ARG (IS1216-poxtA, IS15-APH (3′)-Ia e ISCfr1-AAC ( 3)-IId) presente in tutte le fonti tranne le piume. Le feci di pollo presentavano il maggior numero di ARG potenzialmente mobili, ma anche la maggiore varianza (Fig. 1c). Anche le piume e il pavimento della stalla contenevano molti ARG potenzialmente mobili, il numero medio statisticamente equivalente alle feci (test di Dunn aggiustato P > 0,05). Il suolo esterno, le carcasse, la linea di lavorazione e le acque reflue generalmente presentavano un numero inferiore di modelli ARG potenzialmente mobili per campione, con questi numeri che differivano significativamente (test di Dunn aggiustato P <0,01) da feci e piume, ma non l'uno dall'altro. In totale, in tutti e 10 gli allevamenti, sono state trovate 145 diverse combinazioni MGE-ARG negli uccelli e nelle fonti ambientali della stessa azienda agricola, alcune di queste sono apparse in più allevamenti. Di questi, 46 contenevano ARG30 clinicamente rilevanti (Fig. 1d). In particolare, abbiamo trovato blaNDM-5 nelle feci di pollo, nelle piume e nei campioni ambientali del pavimento di una stalla. Questo gene si trova comunemente sul plasmide IncX3, che può essere diffuso tra esseri umani, animali, cibo e ambiente31, sebbene non abbiamo confermato la presenza del plasmide nei nostri dati di sequenziamento metagenomico a lettura breve (MGS). Un altro importante gene clinicamente rilevante, qnrS1, è stato trovato nelle feci di pollo, nelle piume, nel pavimento della stalla e nei campioni di acque reflue. È noto che questo gene di resistenza ai chinoloni mediato da un plasmide è presente nella catena di approvvigionamento del pollo ed è in grado di essere trasferito a diversi batteri32.

0.90./p>2,000 bp) were mapped to single assemblies and co-assemblies using Burrows–Wheeler Aligner–Maximal Exact Match (BWA-MEM v2-2.1)80 and SAMtools (v1.9)77 to produce the Binary Alignment Map (BAM) files. METABAT2 (v2.15)81 was used obtain the depth of coverage. The taxonomic classification and composition (relative species abundances) of the metagenome reads were profiled using MetaPhlAn (v3.0)82 with Bowtie 2 (v2.3.4.1)76 using the default settings –bowtie2out–input_type fastq. Nonmetric multidimensional scaling (NMDS) of the relative species abundance was performed in R (v3.6.2) using the vegan83 package with Bray–Curtis dissimilarity. Analysis of variance was performed in R using PERMANOVA from the vegan package83 with pairwise testing using the pairwise adonis function84 with Holm correction for multiple comparisons. Relative abundances were visually analysed by combining violin plots and categorical scatter plots, and differences were assessed by Wilcoxon rank sum test with Holm correction (adjusted P = 0.05)./p>500 bp) in each assembly were searched for ARGs and MGEs by a BLASTn search against the CARD61 and ISfinder (https://isfinder.biotoul.fr/) databases using an identity threshold of 95% and coverage threshold of 95% to prevent false positives and variant uncertainty88. The distance between an ARG and MGE was calculated from the positions of the ARG and MGE in the contig26. ARG-carrying contigs with a distance of more than 5 kb between ARG and MGE were discarded68,89,90,91, with the remaining contigs classed as potentially mobile ARGs. Contigs were annotated using Prokka (v1.14.6)92. Potentially mobile ARG patterns found in only a single sample were discounted in the analysis. ARGs were further classified as clinically important if the ARG was included in the Risk I category (clinically important ARGs dataset) according to Zhang et al.30. These genes were classed as Risk I if they were (1) present in human-associated environments, (2) potentially mobile genes and (3) present in ESKAPE pathogens (Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa and Enterobacter species). The structures of the potentially mobile ARG patterns (MGE type, ARG carried, MGE carried, sample source, farm, number of samples carrying potentially mobile ARG and distance) are summarized in Supplementary Table 8. For ISAba125–blaNDM-1, the gene structure was visualized using EasyFig93./p> 0.9 were considered./p>