Aprendizado de máquina e metagenômica revelam perfis compartilhados de resistência antimicrobiana em diversas granjas e matadouros de frangos na China

Nature Food volume 4, páginas 707–720 (2023)Cite este artigo

2195 acessos

108 Altmétrico

Detalhes das métricas

A China é o maior consumidor mundial de agentes antimicrobianos e a melhoria dos métodos de vigilância poderia ajudar a reduzir a propagação da resistência antimicrobiana (RAM). Aqui relatamos a vigilância de dez explorações avícolas de grande escala e quatro matadouros interligados em três províncias chinesas ao longo de 2,5 anos. Utilizando uma abordagem de mineração de dados baseada em aprendizado de máquina, analisamos 461 microbiomas de aves, carcaças e ambientes, identificando 145 genes potencialmente móveis de resistência a antibióticos (ARGs) compartilhados entre galinhas e ambientes em todas as granjas. Um conjunto básico de 233 ARGs e 186 espécies microbianas extraídas do microbioma intestinal de galinha correlacionou-se com os perfis de RAM de Escherichia coli colonizando o mesmo intestino, incluindo Arcobacter, Acinetobacter e Sphingobacterium, clinicamente relevantes para humanos, e 38 ARGs clinicamente relevantes. A temperatura e a umidade nos galpões também foram correlacionadas com a presença de ARG. Revelamos uma intrincada rede de correlações entre ambientes, comunidades microbianas e RAM, sugerindo múltiplas rotas para melhorar a vigilância da RAM na produção pecuária.

O uso de antimicrobianos na produção avícola na China é cinco vezes maior que a média internacional1. O uso de antibióticos, mesmo em níveis baixos, altera e expande o resistoma intestinal no gado2, e a comunidade microbiana pode moldar os fenótipos de resistência antimicrobiana (RAM)3. Eventos externos, como mudanças na dieta, temperatura e estresse4,5, podem resultar na colonização de novas espécies residentes ou na transferência de RAM entre espécies6. A temperatura, a umidade e a abundância de espécies bacterianas e a presença de genes de resistência a antibióticos (ARGs)7,8,9 podem influenciar a infecção bacteriana em frangos de corte10. As ligações entre as condições ambientais e a RAM são particularmente relevantes para a China e os países de rendimento baixo e médio (PRMB), onde a manutenção de condições ambientais estáveis ​​na agricultura à escala industrial pode ser um desafio em comparação com os países de rendimento elevado11.

A vigilância da RAM em domínios não relacionados com a saúde não foi amplamente adotada12, mas é fundamental para compreender como os sistemas de produção alimentar contribuem para a seleção e disseminação de bactérias resistentes a antibióticos (BRA) e ARG. O aprendizado de máquina (ML) e a mineração de big data oferecem ferramentas para o avanço da avicultura de precisão13,14. Abordagens baseadas em cultura envolvendo sequenciamento do genoma completo (WGS) de patógenos individuais, testes de suscetibilidade a antibióticos e técnicas de ML são preditores eficazes de características genômicas ligadas à RAM para isolados de Escherichia coli15,16,17,18 e outras bactérias19,20,21,22 ,23,24. No entanto, as abordagens de vigilância centradas apenas no WGS de agentes patogénicos individuais podem não captar a diversidade das comunidades microbianas e resistomas na produção pecuária e os dados ARG podem ser perdidos25. Em um recente estudo de prova de conceito, observamos que vários ARGs presentes no resistoma fecal de galinha correlacionaram-se com os perfis de resistência/suscetibilidade de isolados de E. coli cultivados a partir das mesmas amostras26.

Neste estudo, desenvolvemos um método de referência para vigilância baseada em metagenômica visando a pecuária chinesa, onde a vigilância da RAM é particularmente desafiadora, usando uma abordagem que leva em consideração a falta de recursos laboratoriais comumente experimentada na China e nos países de baixa e média renda27,28. Usamos E. coli como espécie indicadora de RAM dentro do contexto mais amplo da comunidade microbiana que povoa o intestino das galinhas. Para abordar contextos mais amplos, exploramos os impactos nos microbiomas dos ambientes agrícolas circundantes e conectados, na temperatura e na umidade do celeiro, e adotamos protocolos de administração antimicrobiana.

Amostras biológicas foram coletadas de dez granjas avícolas comerciais de grande escala (ver Métodos, Informações Suplementares, Figura 1 Complementar e Tabelas Suplementares 1 e 2). Comunidades microbianas e ARGs foram diferenciadas entre fontes agrícolas e entre fazendas e matadouros (Informações Suplementares, Figuras Complementares 2–5 e Tabelas Suplementares 3–5). Como a mobilidade genética pode influenciar a presença de ARG entre fontes e devido à importância potencial dos elementos genéticos móveis (MGEs) no desenvolvimento de sistemas de vigilância eficazes29, procuramos ARGs que estivessem dentro de 5 quilobases (kb) de um MGE26 e consideramos estes MGE– Combinações de ARG sejam ARGs potencialmente móveis. No total, foram encontradas 661 combinações diferentes de MGE-ARG (ARGs potencialmente móveis), apresentando 195 ARGs únicos (Tabela Suplementar 6). Destes, 75 ARGs (38%) foram encontrados em apenas uma combinação MGE-ARG, enquanto os restantes 120 (62%) foram encontrados em múltiplas combinações (2 a 22; Fig. 1a). Mais da metade (56%) dos 661 ARGs potencialmente móveis estavam presentes em mais de uma fonte (Fig. 1b), com três combinações MGE-ARG (IS1216-poxtA, IS15-APH(3′)-Ia e ISCfr1-AAC( 3)-IId) presente em todas as fontes, exceto penas. As fezes de frango tiveram o maior número de ARGs potencialmente móveis, mas também a maior variância (Fig. 1c). As penas e o chão do celeiro também continham muitos ARGs potencialmente móveis, o número médio estatisticamente equivalente às fezes (teste de Dunn ajustado P > 0,05). Solo externo, carcaças, linha de processamento e águas residuais geralmente apresentavam números mais baixos de padrões ARG potencialmente móveis por amostra, com esses números diferindo significativamente (teste de Dunn ajustado P <0,01) de fezes e penas, mas não entre si. No total, em todas as 10 granjas, foram encontradas 145 combinações diferentes de MGE-ARG em fontes ambientais e de aves na mesma granja, com algumas delas aparecendo em múltiplas granjas. Destes, 46 continham ARGs clinicamente relevantes (Fig. 1d). Notavelmente, encontramos blaNDM-5 em fezes de frango, penas e amostras ambientais de piso de celeiro. Este gene é comumente encontrado no plasmídeo IncX3, que pode ser disseminado entre humanos, animais, alimentos e meio ambiente, embora não tenhamos confirmado a presença do plasmídeo em nossos dados de sequenciamento metagenômico de leitura curta (MGS). Outro importante gene clinicamente relevante, qnrS1, foi encontrado em fezes de galinha, penas, piso de celeiro ambiental e amostras de águas residuais. Sabe-se que esse gene de resistência às quinolonas mediado por plasmídeo está presente na cadeia de abastecimento de frango e é capaz de ser transferido para diferentes bactérias32.