Modelo bioinformático para predecir la resistencia a antibióticos a partir del genoma de una Bacteria

Abstract

Resumen La OMS publicó este año un estudio multicriterio con un grupo de expertos multidisciplinario para obtener una lista de patógenos de prioridad global resistentes a antibióticos, situando a Acinetobacter baumannii en un nivel crítico. Dentro de las estrategias en las ciencias de la computación se necesitan avances en cuanto al diagnóstico, detección y reporte de la resistencia a antibióticos. En el presente proyecto de grado se diseñó e implemento un sistema de información para la identificación de elementos genómicos asociados a los mecanismos de resistencia, permitiendo la predicción de un perfil de resistencia obtenido por WGS para A. baumannii, estableciendo un modelo de correlación entre los elementos genómicos asociados a la resistencia y el perfil fenotípico de resistencia. El Instituto Nacional de Salud suministró 89 muestras positivamente identificadas de A. baumannii, con sus respectivos antibiogramas, obtenidos por el método Kirby Bauer para las clases de antibióticos principales, adicionalmente se realizó algunos antibiogramas con los sistemas automatizados Vitek2 y Phoenix100. El sistema facilitó la información para depuración de las incongruencias en los perfiles fenotípicos. El sistema hace uso de MySQL como motor de base de datos, scripts en lenguaje Python y visualización de perfiles en tecnología D3.js. Este sistema requiere una anotación del genoma, utilizando una modificación propia del software Prokka. La base de datos actualmente posee 2317 genes, 297 son de A. baumannii o el complejo Acinetobacter, también posee 170 modelos ocultos de Markov con función de resistencia a antibióticos. Se definieron 5 principales reglas de negocio para obtener los perfiles genómicos de resistencia a antibióticos. El sistema luego de algunos ajustes dados por las comparaciones entre perfiles tiene el potencial para predecir con una buena aproximación la resistencia a los antibióticos en A. baumannii, con la facilidad de ser escalable y extrapolable a otras especies.

Abstract: WHO published this year a multicriteria study with a group of multidisciplinary experts in order to obtain a list of antibiotic-resistant global priority pathogens, placing Acinetobacter baumannii at a critical level. Within the strategies in the computer sciences advances are needed in the diagnosis, detection and reporting of antibiotic resistance. In the present project, an information system was designed and implemented for the identification of genomic elements associated to the resistance mechanisms, allowing the prediction of a resistance profile obtained by WGS for A. baumannii, establishing a model of correlation between the Genomic elements associated with resistance and the phenotypic profile of resistance. The National Health Institute supplied 89 positively identified isolates of A. baumannii, with their respective antibiograms, obtained by Kirby Bauer method for the main antibiotic classes, some antibiograms were also performed with Vitek2 and Phoenix100 automated systems. The system provided information in order to remove of the incongruities in the phenotypic profiles. The system uses MySQL as a database engine, Python scripts and profile visualization in D3.js technology. This system requires a genome annotation, using a proprietary modification of Prokka software. The database currently has 2317 genes, 297 are of A. baumannii or the Acinetobacter complex, it also has 170 hidden Markov models with antibiotic resistance function. Five main business rules were defined in order to get the genomic profiles of antibiotic resistance. The system after some adjustments given by the comparisons between profiles has the potential to predict with a good approximation antibiotic resistance in A. baumannii, with the ease of being scalable and extrapolable to other species.