Tartu Ülikooli bioinformaatika professor Maido Remm juhib töögruppi, mis selle uue arvutusmeetodi välja töötas. Meetodit nimetavad teadlased PhenotypeSeekeriks ja see võimaldab kiiresti leida bakteritelt ravimresistentsust tekitavaid geene.

Teadlased testisid meetodit bakterite Pseudomonas aeruginosa ja Clostridium difficile ravimresistentsuse põhjuste leidmisel. Uus meetodiga saaks laborites täpsemalt määrata infektsiooni tekitavate bakterite omadusi ja selle kaudu juurutada täppismeditsiini ehk ravida inimesi personaalsemalt geeniandmeid appi võttes.

Kus superbakterid tekivad?

Bakterite ravimresistentsus on üha kasvav probleem nii meditsiinis kui veterinaarias. Piltlikult nimetatakse ravimresistentseid baktereid mõni kord ka superbakteriteks, sest nad ei allu tavapärasele antibiootikumidele või muudele ravimitele.

Ravimresistentsus tekib sageli kohtades, kus kasutatakse väga palju antibiootikume. Üks selline on loomakasvatus, kus loomadele antakse antibiootikume ennetamaks haigestumist, kuid kus ühtlasi satuvad bakterid keskkonda, mis soosib nende arenemist ravimresistentseteks. Teine taoline koht on haiglad, kus on palju nii haigust tekitavaid baktereid, kui ka tarvitatakse ohtralt antibiootikume.

Kõige selle tõttu muutub üha olulisemaks, et enne ravi alustamist kirjeldataks infektsiooni tekitavat bakterit. Nii on võimalik määrata täpsem ravi ning vältida liigset antibiootikumide kasutamist.

Üks võimalus bakterit võimalikult täpselt kirjeldada on määrata uuritavate bakteritüvede ravimiresistentsus nende genoomi järjestustest. Selle juures saabki kasutada TÜ teadlaste loodud PhenotypeSeeker arvutusmeetodit ja tarkvara.

Mida PhenotypeSeeker teeb?

Kui bakteritüved jagada kaheks grupiks, mida võib tinglikult nimetada "headeks" ja "pahadeks", siis on PhenotypeSeeker'i abil võimalik kiiresti leida, millised geenid on neil kahel grupil erinevad. Teiste sõnadega võimaldab mudel leida, millised geenid muudavad "pahad" bakteritüved "pahaks".

Kui selline mudel koostada kõigi peamiste antibiootikumide toimeainete jaoks, saab nende mudelite komplekti kasutada resistentsuse kiireks ennustamiseks uuritaval bakteritüvel. Arvutuslikult võtab meetod aega vaid mõne sekundi iga tüve uurimiseks. Eelduseks on küll uuritava bakteritüve genoomijärjestuste olemasolu, kuid loodetavasti muutub DNA järjestuse määramise teenus lähiaastatel üha enam kättesaadavamaks.

Bakteri Pseudomonas aeruginosa tüvede sugupuu. Kollasega tähistatud tüved on resistentsed antibiootikumi ciprofloxatsiin suhtes. Varasemalt kirjeldatud resistentsusega seotud mutatsioonid on olemas punase ja sinise värviga tähistatud tüvedes. Seni kasutatud metoodikad põhinevadki paari üksiku mutatsiooni otsimisele ja seetõttu ei suuda nad kõiki resistentseid tüvesid üles leida. PhenotypeSeeker kasutab resistentsuse ennustamisel rohkem infot ning seetõttu suudab kollaste tüvede resistentsust täpsemalt ennustada. Autor: Aun et. al. 2018

Kogu maailmas levib üha laiemalt genoomi järjestuste kasutamine meditsiinilises mikrobioloogias.

See arvutusmeetod põhineb genoomi järjestusest võetud lühikestel DNA-lõikudel, mida nimetatakse k-meerideks või oligomeerideks. Kui "pahadele" bakteritele iseloomulikud oligomeerid on leitud, saab neist ehitada statistilise mudeli, mis ennustab ka seni uurimata bakteritüvede puhul, kas nad kuuluvad "pahade" või pigem "heade" gruppi.

Novembri alguses ilmus PhenotypeSeeker'it kirjeldav artikkel valdkonna tippajakirjas PLoS Computational Biology. Artiklis kirjeldati metoodika arvutuslikku poolt ning testiti metoodikat bakterite Pseudomonas aeruginosa ja Clostridium difficile ravimresistentsuse põhjuste leidmisel.

Lisaks modelleerisid teadlased selles teadustöös ka laialt levinud Klebsiella pneumoniae invasiivsete tüvede geneetilist eripära. Loodud mudelid suudavad bakteritüvede omadusi ennustada 88–97protsendise täpsusega.

Meetodi originaalne osa on oligomeeride kasutamine statistilise mudeli ehitamisel.  

PhenotypeSeeker'i kasutamisel on võimalik mudelist olulisemad oligomeerid välja otsida ning hiljem täiendavalt uurida resistentsusega seotud geene ning bioloogilisi mehhanisme, mis bakteritüvele mingeid omadusi annavad.

See pakub huvi molekulaarbioloogidele ning geneetikutele, kes soovivad täpsemalt mõista resistentsuse tekkimise põhjusi. Peale resistentsuse ennustamise sobib meetod ka kõikvõimalike muude huvipakkuvate omaduste geneetilise tausta uurimiseks ja ennustamiseks bakteritel.

Remm lisas, et meetodil on väga suur potentsiaal nii mikrobioloogias täpsema ravi määramisel kui ka vähi varajase avastamisel. Samuti on meetodil oma roll, kui Eestis hakatakse määrama loote sugu ema vereproovi järjendamise alusel.

Metoodika peamine arendaja on bioinformaatika töögrupi doktorant Erki Aun, keda juhendasid Age Brauer ning Maido Remm. Abiks oli tihe koostöö antimikroobsete ühendite professori Tanel Tensoni ja tema töögrupiga. Tanel Tensoni  ja Veljo Kisandi juhtimisel olid järjestatud uurimistöös kasutatud Pseudomonaste genoomid.

Erki Aun tutvustab metoodikat ja saadud tulemusi 27. novembril suulise ettekandega rahvusvahelisel konverentsil "Antimicrobial Resistance – Genomes, Big Data and Emerging Technologies", mis toimub Cambridge'i lähedal Hinxtonis, Ühendkuningriigis.