В то время как разработке новых антибиотиков уделяется должное внимание, разработка тестов для быстрого и надежного выявления антимикробной резистентности (AMR) все еще остается за рамками общественного внимания.
Помимо индивидуального лечения, антибиотики можно считать "социальными" фармацевтическими препаратами, поскольку они могут оказывать и общезначимое воздействие. Аналогичным образом, диагностические тесты, используемые для идентификации микроорганизмов и определения чувствительности к антибиотикам (AST), заслуживают того, чтобы считаться "социальной" диагностикой, требующей такого же внимания и поддержки, как и антибиотики, поскольку неправильные или несвоевременные результаты тестов могут негативно повлиять как на антибиотикотерапию пациента, так и на меры профилактики мультирезистентных микроорганизмов (MDRO), что приведет к передаче MDRO, которой можно избежать, и усилит давление селекции за счет неоправданно широкой терапии.
Применение MALDI-TOF MS помимо идентификации может идеально расширить возможности применения этого диагностического метода, уже имеющегося во многих рутинных лабораториях. Ни один метод в отдельности не может удовлетворить все современные требования к полному, быстрому, надежному, не требующему большого количества персонала, экономически эффективному, высокопроизводительному и готовому к рутинной работе подходу к диагностике AMR с превосходной чувствительностью и специфичностью.
Преимущество MALDI-TOF MS заключается в том, что этот метод представляет собой фенотипический подход, позволяющий проводить анализы, не зависящие от механизма резистентности, как это происходит в классическом методе AST на основе роста. Помимо специфических тестов MALDI-TOF MS, основанных на механизме резистентности, например, на изменениях антибиотика, вызванных ферментами, уже сообщалось об универсальных подходах, таких как анализ роста микрокапель непосредственно на мишени (DOT-MGA). К дополнительным преимуществам MALDI-TOF MS относятся скорость и возможность свободного доступа.
В настоящее время основные усилия по расширению сферы применения MALDI-TOF MS за рамками идентификации направлены на его использование для AST, что отражено в большинстве оригинальных статей, рассмотренных в данном обзоре. Однако они направлены не на дальнейшее развитие и оптимизацию технических процедур для AST, а на поддержку этого метода, например, с помощью программных инструментов машинного обучения (ML).
Сейчас все большее внимание уделяется использованию алгоритмов искусственного интеллекта (ИИ) для анализа паттернов пиков MALDI-TOF MS для идентификации микроорганизмов и AST. Так, на примере патогенов пищевого происхождения Campylobacter coli и C. jejuni, Feucherolles et al. описывают подход ML-предсказания в качестве инструмента скрининга AMR для оценки резистентности к семи антимикробным препаратам. Целью диагностических тестов является достижение высокой чувствительности и специфичности. Данное исследование показывает потенциал этого подхода, но также и нерешенные проблемы для достижения необходимого баланса между чувствительностью и специфичностью. В данном случае высокая чувствительность была выбрана в качестве наиболее важного параметра для корректировки порогового значения в процессе настройки, что привело к проблемам со специфичностью в отношении некоторых тестируемых антибиотиков. Авторы пришли к выводу, что настройка пороговых значений является жизненно важной при разработке ML-конвейера для рутинного использования на основе масс-спектров MALDI-TOF.
Wang H-Y. et al. использовали ML-подходы для построения модели прогнозирования для быстрого обнаружения резистентных к ципрофлоксацину штаммов Klebsiella pneumoniae на основе выявленных значимых биомаркеров. Однако, как и в случае с аналогичными ML-подходами, они поняли, что эти модели не могут быть обобщены на другие виды микроорганизмов и антибиотиков.
Это ограничение было устранено в работе Zhang et al. по предсказанию серийной резистентности к антибиотикам. Они создали модель прогнозирования с несколькими метками для чувствительности к клиндамицину и оксациллину у Staphylococcus aureus на основе данных MALDI-TOF MS.
Wang C. et al. сообщили об алгоритме глубинного обучения на основе нейронной сети (CNN), для которого недавно было проведено сравнительное исследование, показавшее, что он способен превзойти традиционные методы машинного обучения. В данной работе, используя полную информацию масс-спектров MALDI-TOF для выявления Enterococcus faecium, была представлена модель CNN для быстрого и точного прогнозирования клинических ванкомицин-резистентных E. faecium (VREfm).
За последнее десятилетие были предприняты многочисленные усилия для прямой идентификации и AST микроорганизмов в положительных культурах крови (КК). Verroken et al. оценили характеристики коммерчески доступной системы, предназначенной для выделения и концентрации микробных клеток непосредственно из флакона с положительной КК, так называемых "жидких колоний", в качестве эквивалента ночного субкультивирования колоний для идентификации методом MALDI-TOF MS и других целей.
Полимиксин колистин, поликатионный пептидный антимикробный препарат, по-прежнему считается последней линией обороны против продуцентов карбапенемазы. Определению резистентности на основе MS оценки отрицательно заряженного компонента липополисахарида липида A как клеточной мишени полимиксинов благоприятствует переключение анализатора MALDI-TOF-MS в режим отрицательных ионов. Jeannot et al. оценили MALDIxin-тест для выявления резистентных к колистину клинических штаммов Pseudomonas aeruginosa. Все чувствительные к колистину и большинство резистентных штаммов были обнаружены за <1 ч; оставшиеся резистентные штаммы были обнаружены после 4-часовой предварительной экспозиции колистином.
Однако эта процедура требует наличия спектрометра, оснащенного соответствующим переключателем режимов, и требует больших трудозатрат, например, дополнительных этапов калибровки, поскольку для рутинных диагностических целей в клинической микробиологии используется режим положительных ионов. По этой причине Foglietta et al. разработали тест MALDI-TOF MS в режиме положительных ионов для быстрого обнаружения резистентных к колистину K. pneumoniae после 3-часовой инкубации, достигнув полного соответствия с фенотипическим референсным методом.
Gato et al. оценили эффективность MALDI-TOF MS для быстрого выявления активности карбапенемазы у Enterobacterales, используя стандартизированную процедуру с онлайн-программой для анализа данных с использованием продуцентов карбапенемазы и контроля в многоцентровом исследовании с последующей клинической оценкой в течение 2-месячного периода. Точность варьировала от 83,3 до 100% по данным восьми международных центров.
Shaidullina et al. оценили диски, содержащие эртапенем в качестве источника субстрата в анализе на основе MALDI-TOF MS для выявления Enterobacterales, продуцирующих карбапенемазу, и нашли чувствительную, специфичную и экономически эффективную альтернативу.
Lu et al. использовали наноразмерную жидкостную хроматографию, объединенную с тандемной MS (nano LC-MS/MS) для обнаружения энтеробактериальных карбапенемаз методом скрининга на основе пептидных групп (14 пептидов со 100% специфичностью, девять пептидов с 95-100% чувствительностью).
Olson et al. использовали MALDI-TOF MS для генотипирования штаммов Moraxella bovis на основе двух моделей биомаркеров для классификации штаммов по генотипу с общей точностью 85,8-100%.
В целом, основной вывод, который можно сделать по результатам данного обзора, заключается в том, что развитие приложений MALDI-TOF MS не только для идентификации стоит продолжать. Главным преимуществом этого метода является его особый потенциал для получения большого количества информации из одного анализа спектра белков, т.е. идентификации вида, результатов AST, данных о генетическом разнообразии и, возможно, дополнительной информации, например, о факторах вирулентности.
