Construcción y análisis del pangenoma de la bacteria Acinetobacter baumannii para la búsqueda de marcadores de patogenicidad

Resumo

Acinetobacter baumannii está destacando recientemente como uno de los principales patógenos de naturaleza bacteriana y de ámbito hospitalario. A esta situación ha contribuido su capacidad para provocar brotes infecciosos de carácter pneumónico a través de los pacientes de las Unidades de Cuidados Intensivos y desarrollar mecanismos de resistencia frente a la acción de la mayoría de antibióticos comercializados. Su preocupación es tal, que la World Health Organization (WHO) la listó en 2017 como una de las especies bacterianas de máxima prioridad para la cual se requiere el desarollo y la investigación de nuevos fármacos. En la fecha de inicio de esta tesis, febrero de 2018, había disponibles públicamente 2467 genomas pertenecientes a la especie A. baumannii en la base de datos RefSeq del National Center for Biotechnology Information (NCBI). Por cada uno de estos genomas se incluyen metadatos, que contienen información diversa relativa a cada cepa, como su país de procedencia, el año en que fue secuenciada o el tejido del que fue aislada. En base a esta información, se definió el primer objetivo de esta tesis como la construcción y anotación del pangenoma y del genoma 'core' de la especie utilizando todos los genomas disponibles, entendiendo pangenoma como el conjunto de todos los genes diferentes posibles que una cepa de esta especie pudiera poseer y, genoma core, como el conjunto de todos los genes que todas las cepas de esta especie posee. En este sentido, en esta tesis se ha integrado el ejercicio de construcción del pangenoma de A. baumannii más extensivo en su momento. Una vez concluido este punto, como segundo objetivo, se analizó la diversidad de las cepas empleadas en la definción del pangenoma en base a metadatos asociados a patogenicidad, específicamente 'Isolation source' o fuente de aislamiento, que alude al tejido del que fue extraída cada cepa. Para ello se siguieron dos aproximaciones metodológicas. Una mediante el análisis de categorías funcionales de genes, con el fin de encontrar tendencias o comportamientos específicos a las cepas infecciosas de la especie. Otra mediante la generación de modelos de Machine Learning, entrenados en base a la presencia-ausencia de genes mediante el algoritmo Random Forest. De esta manera se ha identificado una isla genómica que parece ser determinante para la patogenicidad de la especie y genes codificantes para sensores ambientales de metales pesados propios a las cepas no infecciosas. También se ha observado que las cepas infecciosas de esta especie poseen de manera global menos genes que las no infecciosas. Así se plantea la hipótesis de que el entorno del hospital es un entorno dinámico que propicia el intercambio de genes entre las distintas especies bacterianas que lo habitan, como genes de resistencia a antibióticos o de capacitación para la infección. De este modo, una cepa de A. baumannii que se desarrolla en este entorno va adquiriendo genes del medio, que serán propagados entre su progenie y de los que se precindirá cuando se presente la oportunidad de iniciar un proceso de infección, optimizando su genoma para una replicación más eficiente.