応用植物疫学。密度測定を用いたゲノムシグネチャーから病原体伝播の推進因子を検出する

Applied phyloepidemiology: Detecting drivers of pathogen transmission from genomic signatures using density measures.

• Thierry Wirth
• Vanessa Wong
• François Vandenesch
• Jean-Philippe Rasigade

抄録

伝染病の推進力を理解することは、伝染病に対する介入戦略を通知するための鍵となります。病原体の流行の成功の指標を薬剤耐性プロファイルなどの補助的なパラメータと相関させることは、そのような原動力を特定するための柔軟なツールを提供します。最近発表された時間スケールハプロタイプ密度（THD）法は、遺伝子データから病原体の流行の成功を容易に推論することができる。集計された方法で成功を定義する減遺伝学的アプローチとは異なり、THDはコレクション内の各分離株の成功の独立した指標を計算します。多変量回帰を用いてこの指標をモデル化することで、様々なバイアスの原因を制御し、成功の独立した予測因子を特定することができます。我々は、以前に発表された国際的な遺伝学的データセットに基づいて、Beijing、Typhi H58、ST8（ST8-USA300 MRSAを含む）という3つの例示的な多剤耐性（MDR）細菌系統の伝染病に関する重要な問題に対処するためにTHDを使用することを例示しています。それぞれのケースにおいて、THD解析により、集団構造や地理的分布による交絡とは無関係に、伝染病の成功に対する様々な要因の影響、あるいはその欠如を特定することができた。我々の結果は、リファンピシン耐性がMDR北京の流行を牽引し、フルオロキノロン耐性がST8/USA300の流行を牽引していることを示唆しており、これらの病原体では耐性に関連したフィットネスコストが欠如しているというこれまでの証拠と一致している。逆に、フルオロキノロン耐性は Typhi H58 と非 H58 の成功を著しく阻害しました。これらの知見は、分子疫学研究で生成された膨大なゲノムデータセットを活用して、新たな問題に対処するために、THDがどのように役立つかを示しています。R プラットフォームへの THD の実装は https://github.com/rasigadelab/thd でご覧いただけます。

Understanding the driving forces of an epidemic is key to inform intervention strategies against it. Correlating measures of the epidemic success of a pathogen with ancillary parameters such as its drug resistance profile provides a flexible tool to identify such driving forces. The recently described time-scaled haplotypic density (THD) method facilitates the inference of a pathogen's epidemic success from genetic data. Contrary to demogenetic approaches that define success in an aggregated fashion, the THD computes an independent index of success for each isolate in a collection. Modeling this index using multivariate regression, thus, allows us to control for various sources of bias and to identify independent predictors of success. We illustrate the use of THD to address key questions regarding three exemplary epidemics of multidrug-resistant (MDR) bacterial lineages, namely Beijing, Typhi H58, and ST8 (including ST8-USA300 MRSA), based on previously published, international genetic datasets. In each case, THD analysis allowed to identify the impact, or lack thereof, of various factors on the epidemic success, independent of confounding by population structure and geographic distribution. Our results suggest that rifampicin resistance drives the MDR Beijing epidemic and that fluoroquinolone resistance drives the ST8/USA300 epidemic, in line with previous evidence of a lack of resistance-associated fitness cost in these pathogens. Conversely, fluoroquinolone resistance measurably hampered the success of Typhi H58 and non-H58. These findings illustrate how THD can help leverage the massive genomic datasets generated by molecular epidemiology studies to address new questions. THD implementation for the R platform is available at https://github.com/rasigadelab/thd.

© 2020 The Authors. Evolutionary Applications published by John Wiley & Sons Ltd.