接收器官移植的患者长期处于免疫缺陷状态，因容易发生包括侵袭性真菌感染在内的各种重症感染，需要通过持续使用抗细菌、抗真菌等药物来预防感染发生。但即便有药物保护，临床上也时常观察到患者在用药期间发生突破性感染，且引发感染的微生物对所用药物并未呈现经典的抗药性（antimicrobial resistance）。目前由于对这类感染的发生机制尚不明确，难以快速找到有效的用药方案，导致一旦发生此类情况，患者面临很高的死亡率。因此，亟需通过高质量的临床数据和实验数据解析其病因，开发新型检测手段，以应对这一棘手的医疗难题。

8月2日，中国科学院深圳先进技术研究院合成生物学研究所翟冰课题组，联合纪念斯隆凯特琳癌症中心廖辰博士、Tobias Hohl课题组，以及埃默里大学David Weiss课题组在Nature Medicine上发表了题为“Antifungal heteroresistance causes prophylaxis failure and facilitates breakthrough Candida parapsilosis infections”的最新研究成果。

文章上线截图

该研究发现，在导致突破性真菌血流感染的近平滑念珠菌（Candida parapsilosis）临床菌株中，很多菌株对抗真菌药物米卡芬净存在一种有别于经典耐药的表型——异质性耐药（heteroresistance），肠道定植有异质性耐药菌株的患者发生突破性血流感染的风险显著高于仅有敏感菌株定植的患者。翟冰课题组联合中国真菌病监测网（CHIF-NET）和北美、欧洲的多个课题组，发现这一具有重要临床意义的特殊药敏表型在各国菌株中普遍存在。由于现有临床药敏检测手段将异质性耐药菌株全部鉴定为敏感菌株，会误导抗真菌药物的选择。该研究运用机器学习模型算法，通过不超过10个基因组特征（genomic features）可对异质性耐药表型做出较准确的预测。该研究明确了异质性耐药的临床重要性，并为开发有效快速药敏检测提供了新的策略。

抗微生物耐药性（antimicrobial resistance）导致每年全球超过一百万人死亡，是严重的公共卫生挑战。异质性耐药有别于经典耐药表型，描述同一菌株内少数耐药细胞（有时比例仅百万分之一甚至更低）与大多数敏感细胞共存的现象，在较高药物浓度下，绝大部分敏感细胞会被杀死，而耐药细胞还能存活并继续增殖。由于耐药细胞频率低，异质性耐药表型不能通过常规临床药敏检测方法鉴定。重症感染的实际治疗过程常常会同时使用多种抗生素，因此无法直接将临床结局和单一药物的药敏表型联系起来，进而明确异质性耐药在真实世界的重要性。相比之下，免疫缺陷患者的预防性用药通常使用单一抗菌药物，更有助于研究药敏表型的临床意意义。

异质性耐药菌株的耐药细胞比例受药物暴露情况影响而变化

作者首先回溯分析了2016–2020年间在纪念斯隆凯特琳癌症中心（MSKCC）接受造血干细胞移植的952名患者中发生的突破性真菌血流感染病例，发现其中近半数由近平滑念珠菌（Candida parapsilosis）造成。这些病人移植期间均使用米卡芬净（一种棘白菌素类药物，靶向真菌细胞壁合成）预防真菌感染。值得注意的是，引起突破性感染的近平滑念珠菌都被鉴定为米卡芬净敏感菌。因此，研究者对这些菌株进行了更精确的菌落谱型分析（Population Analysis Profiling，PAP），发现其中多数对米卡芬净发生了异质性耐药。

MSKCC突破性真菌血流感染病例多由异质性耐药菌株（橙色）造成

在前期的系列工作中，翟冰课题组基于同一临床队列发现近平滑念珠菌在肠道中定植是发生真菌血流感染的必要条件 (Nature Medicine 2020)，但移植期间出现肠道近平滑念珠菌定植的患者仅有部分会发生真菌感染 (Nature Microbiology 2021)。在本研究中作者通过综合分析200多例移植病人的临床信息、肠道菌群信息和肠道/血液近平滑念珠菌菌株的药敏表型，发现在29名移植期间出现近平滑念珠菌肠道定植的患者中，定植有异质性耐药菌株的患者发生突破性血流感染的风险显著高于仅有敏感菌株肠道定植的患者。

异质性耐药菌株在肠道定植显著增加移植患者发生突破性血流感染的风险

为了探索临床菌株中出现米卡芬净异质性耐药的普遍性，作者检测了来自美国、中国、法国、德国不同医疗机构的共219株近平滑念珠菌对米卡芬净的药敏表型，并对所有菌株都进行了深度全基因组测序。结果显示，各国的临床菌株中均发现了对米卡芬净异质性耐药的菌株，预示着这一具有重要临床意义的药敏表型可能在更广泛的地域范围中影响棘白菌素类药物预防/治疗真菌感染的效力。

异质性耐药表型在不同国家来源的临床菌株中普遍存在

为了精确表征近平滑念珠菌的基因组特征（genomic feature）并分析其与异质性耐药表型的相关性，本文共同第一作者廖辰博士开发了基于开放阅读框（ORF）完整性和拷贝数的双参数拷贝数变异（CNV）表征法。通过整合219株临床菌株的药敏表型与SNV/CNV信息，作者构建了一个基于不超过10个基因组特征预测异质性耐药表型的机器学习模型算法，并进行了概念验证，为未来开发可应用于临床的异质性耐药快速检测法提供了基础。

通过机器学习策略开发异质性耐药检测方法

翟冰研究员和Tobias Hohl教授、David Weiss教授为本文的共同通讯作者。翟冰、廖辰博士、Siddharth Jaggavarapu博士、深圳先进技术研究院唐媛媛博士为共同第一作者。本工作获得了国家科技部重点研发计划的经费支持。