Informe final del proyecto: Estrategia proteómica shotgun para el diagnóstico de infecciones bacterianas y la identificación de marcadores de resistencia a antibióticos: Validación e implementación

Abstract

Las infecciones bacterianas, y en particular aquellas causadas por cepas resistentes a los antibióticos, representan un problema para la salud. Para la identificación del microorganismo los laboratorios clínicos disponen de métodos de diagnóstico molecular que complementan los métodos clásicos. Entre ellos, la espectrometría de masa MALDI-TOF que permite el análisis proteómico de una célula entera, revolucionó la identificación de microorganismos. Sin embargo, no siempre permite una identificación confiable, y en general no aporta datos sobre resistencia a los antibióticos. De hecho, laboratorios nacionales constataron que no obtenían resultados confiables por MALDI para un número importante de aislamientos. Esto nos impulsó a desarrollar una metodología basada proteómica “shotgun” para identificar bacterias en aislamientos clínicos que demostró ser útil para asistir el diagnóstico en caso de bacterias no identificadas o con identificaciones presuntivas dudosas por métodos rutinarios. El método desarrollado constituyó el punto de partida esta propuesta. Durante la ejecución del presente proyecto generamos un protocolo optimizado y validado para la identificación de bacterias por proteómica “shotgun”. Además, extendimos el alcance de la metodología previa mediante la incorporación de una base de datos que permite la detección de proteínas relacionadas a la resistencia a antibióticos. Generamos un kit para facilitar el procesamiento de la muestra y un programa que permite una fácil interpretación de los resultados. Este método está hoy disponible para asistir el diagnóstico en casos en los que los métodos utilizados por los laboratorios clínicos no ofrezcan identificaciones confiables. Finalmente, realizamos un análisis proteómico más profundo utilizando aislamientos de Acinetobacter baumannii resistentes y sensibles a la polimixina B. Para ello nos centramos en estrategias basadas en librerías espectrales y aprendizaje automático, los que nos permitió discriminar entre cepas resistentes y sensibles y reportar un gran número de espectros exclusivos de las cepas resistentes que representan posibles biomarcadores de resistencia.