Antimicrobial Chemicals Are Associated with Elevated Antibiotic Resistance Genes in the

Indoor Dust Microbiome (6 de marzo)

La resistencia a los antibióticos está cada vez más extendida, en gran

parte debido a la influencia humana. Aquí, exploramos la relación
entre los genes de resistencia a los antibióticos y los antimicrobianos
químicos triclosán, triclocarban y metil-, etil-, propil- y butilparabeno en
el microbioma de polvo. Las muestras de polvo de una instalación
atlética y educativa de uso mixto fueron sometidas a análisis
microbianos y químicos usando una combinación de 16S rRNA
amplicon secuenciación, escopeta metagenome secuenciación, y la
cromatografía líquida en tándem espectrometría de masas. La
resistencia al polvo se caracterizó por identificar genes de resistencia
a los antibióticos anotados en la Base de Datos de Resistencia a
Antibióticos Integrales (CARD) de los metagenomas de cada muestra
usando el conjunto de datos de extracto corto, mejor representativo
(ShortBRED). Los tres genes de resistencia a los antibióticos más
abundantes fueron tet (W), blaSRT-1 y erm (B). La resistencia al polvo
completa se comparó entonces con las concentraciones medidas de
productos químicos antimicrobianos, que para el triclosán osciló entre
0,5 y 1970 ng / g de polvo. Se observaron seis asociaciones positivas
significativas entre la concentración de un producto químico
antimicrobiano y la abundancia relativa de un gen de resistencia a
antibióticos, incluyendo uno entre el triclosán antimicrobiano
omnipresente y erm (X), una ARNm de 23S metiltransferasa implicada
en la resistencia a varios antibióticos. Este estudio es el primero en
buscar una asociación entre los genes de resistencia a los antibióticos
y los productos químicos antimicrobianos en el polvo.

NTRODUCCIÓN
Con la secuenciación completa de metagenomas, ahora es posible
monitorear el desarrollo de resistencia a antibióticos en comunidades
microbianas enteras. Esta tecnología ha permitido estudiar la
colección de genes de resistencia a los antibióticos -la resistencia- en
una amplia gama de sistemas biológicos. Los investigadores están
descubriendo que la resistencia a los antibióticos es omnipresente e
interconectada con la estructura y dinámica de la comunidad
microbiana. Los genes de resistencia a los antibióticos ocurren
naturalmente en el intestino del lactante humano durante los primeros
días de colonización microbiana, incluso en ausencia de fármacos
antibióticos.1 Los genes de resistencia a los antibióticos también están
presentes cada vez más en las bacterias asociadas con el ganado,
impulsadas por la aplicación generalizada de antibióticos veterinarios.
Así como en el ambiente al aire libre.2 La resistencia a los antibióticos
también es frecuente en el ambiente interior, donde los seres humanos
pasan hasta el 90% de su tiempo. Los microbios en el ambiente
interior, denominados microbioma interior, han sido identificados como
una importante fuente de infecciones resistentes a los antibióticos. Por
ejemplo, los aislamientos cultivables resistentes a los antibióticos
Staphylococcus aureus están más concentrados en el aire interior que
en el aire exterior 3, y los factores no humanos (es decir, los
elementos de la casa excluyendo a sus residentes) en el ambiente
doméstico pueden contribuir a la recurrencia de infecciones
antibióticas en los habitantes de ciertos A pesar del aumento en el
conocimiento de la resistencia a los antibióticos en los
microorganismos asociados al hospedador y la existencia de
patógenos resistentes a los antibióticos de alto perfil en el medio
ambiente construido, todavía sabemos muy poco sobre el resistom
interior. La propagación de los genes de resistencia a los antibióticos
se ve exacerbada por el uso generalizado de sustancias químicas
antimicrobianas, que prevalecen en los materiales de construcción y
en los productos de cuidado personal.5 A diferencia de los antibióticos,
los antimicrobianos dejan residuos duraderos y pueden acumularse en
el medio ambiente. Triclosan, un antimicrobiano de uso común, puede
promover el desarrollo de la propia resistencia. Algunas estrategias
para la resistencia a triclosán Como alteraciones de la membrana
externa o expresión de bombas de eflujo inespecíficas, dan a las
bacterias resistencia cruzada a los fármacos antibióticos, como se
observó en S. aureus, Pseudomonas aeruginosa, Escherichia coli,
Salmonella enterica y Rhodospirillum rubrum. 6 Las bombas de eflux
no están comúnmente sujetas a transferencia horizontal, limitando la
propagación de la resistencia cruzada mediada por el eflujo entre
especies; Sin embargo, todas las bacterias tienen genes que codifican
bombas de eflujo, 7 lo que sugiere que el triclosán podría provocar
resistencia a múltiples fármacos en muchas especies
independientemente. Al igual que los antibióticos, el triclosán puede
tener impactos dramáticos sobre la estructura de los microbios
intestinales asociados al huésped, al menos en el pez cebra.8 En el
medio ambiente, la resistencia al triclosán aumenta en las
comunidades microbianas que están expuestas a concentraciones
más elevadas de la sustancia química.9 Los químicos antimicrobianos
son frecuentes en Polvo interior Las encuestas de polvo doméstico de
Bélgica, Canadá, China y España encontraron triclosan en 137 de 138
muestras recogidas, con valores medianos en el intervalo ppb.10 La
concentración de triclosán en polvo doméstico es, por tanto,
comparable a la encontrada en aguas residuales, donde triclosán es
Un contaminante emergente de preocupación. Se detectó otro
antimicrobiano, el metilparabeno, en ≥90% de las muestras
recolectadas en Estados Unidos, China, Corea, Japón, España y
Canadá, con valores medianos entre 320 y 1470 ppb, 10c, 11
superiores a las encontradas en aguas residuales municipales en
aproximadamente 4 órdenes de magnitud.12 Sin embargo, no se ha
examinado la relación entre los productos químicos antimicrobianos en
el microbioma de polvo interior y la resistencia. Este estudio es el
primero en reportar una relación entre los genes de resistencia a los
antibióticos y los químicos antimicrobianos en el ambiente interior.
Hemos probado las siguientes hipótesis: 1) la composición de la
resistencia y / o el microbioma se correlacionan con la concentración
de productos químicos antimicrobianos y 2) la abundancia de genes
específicos de resistencia a los antibióticos se correlaciona con la
concentración de productos químicos antimicrobianos. Para probar
estas hipótesis, recogimos 44 muestras de polvo de una instalación
atlética y educativa de uso mixto. Las muestras se subdividieron para
la extracción química y de ADN y se examinaron mediante
cromatografía líquida de espectrometría de masas en tándem (LCMS /
MS) y secuenciación de ácidos nucleicos de próxima generación. El
polvo en este edificio, que se caracteriza por una ventilación natural y
una alta infiltración, contenía un poco menos de triclosán que en
estudios previos (concentración media de 200 ppb en este estudio
comparado con 220-702 ppb en otros lugares10) y bajas
concentraciones de genes de resistencia a antibióticos Mediana por
kilobase por millón de lecturas (RPKM) por muestra 23,24 comparado
con 47,71 en otros estudios13). Sin embargo, se observó una
asociación positiva entre la concentración de antimicrobianos y la
abundancia de múltiples genes de resistencia a los antibióticos,
incluidos los 23S rRNA metiltransferases erm (C), erm (X) y erm (33) y
las bombas de eflujo tet (K) y Vga (A). Estos resultados sugieren que
los productos químicos antimicrobianos y los genes de resistencia a
los antibióticos están correlacionados positivamente en el entorno
construido.
SECCIÓN EXPERIMENTAL Colección de muestras. El edificio a ser
muestreado fue seleccionado para sus tipos de espacio (es decir,
habitaciones con diferentes patrones de ocupación y uso) para
capturar una gran diversidad de comunidades microbianas de
interior.14 El polvo fue recolectado usando un vacío equipado con
colectores Dustream (Indoor Biotechnologies, Charlottesville,
VIRGINIA). Se aspiró el polvo de cada espacio hasta que se hubieran
llenado al menos dos colectores o no hubiera disponible más polvo
aparente. Las muestras se almacenaron en bolsas de plástico
estériles en la oscuridad a temperatura ambiente hasta el
procesamiento posterior. El polvo se dividió en partes alícuotas para
extracción química o de ADN mezclando la muestra recogida y
distribuyendo la masa deseada usando fórceps y espátulas estériles
en una cubierta estéril. En total, se recogieron 44 muestras (Tabla S1).
Análisis químico. Se submuestrearon muestras con masa suficiente (≥
0,75 g de polvo, Tabla S1) y se colocaron alícuotas de 100 mg en
tubos de centrífuga de 10 ml para extracción química. Se añadieron
alícuotas con 100 μl de patrones internos marcados con isótopos de
100 ppb, se extrajeron dos veces usando 3 ml de metanol: acetona 1:
1 (v / v) con ácido acético 10 mM, se centrifugaron y se reunieron. Las
muestras se secaron hasta aproximadamente 1 ml y se mezclaron con
5 ml de ácido acético 10 mM para cargar en una columna de
extracción en fase sólida Oasis HLB 3 cc Flangeless Vac Cartridge
(Waters) a 60 mg de sorbente por cartucho de tamaño de partícula de
30 $ μ $ m. Después de la extracción en fase sólida, las muestras se
reconstituyeron en 1 ml de metanol y se diluyeron 1: 1 (v / v) con agua.
Se inyectaron 10 microlitros de cada muestra en una HPLC 2100
(Shimadzu) acoplada con un espectrómetro de masas de triple
cuadrupolo API 4000 (MS / MS AB Sciex) que funcionaba en modo de
ionización por electrospray (ESI). Los analitos se separaron en una
columna X-Bridge C8 (2,1 x 100 mm, tamaño de partícula de 3,5 \ mu
m), precedida por una columna de protección equivalente usando un
protocolo de gradiente LC. El caudal era de 0,2 ml / min, y el gradiente
era el siguiente: partiendo de metanol al 50% durante 1 min, luego se
elevó hasta metanol al 95% durante 5 min, se mantuvo a metanol al
95% durante 3 min, luego disminuyó de nuevo hasta 50% Metanol
durante 1 min, y se mantuvo a metanol al 50% durante 1 min. Una
válvula de conmutación permitió que la muestra fluyera al MS / MS
entre 0,5 y 10,5 min de cada ciclo de 11 minutos. El ESI se operó en
modo negativo y los parámetros de la fuente se establecieron de la
siguiente manera: gas de cortina = 25 psi, gas 1 = 70 psi, gas 2 = 50
psi, IS = -4500 eV, temperatura de fuente = 500 ° C, potencial de
entrada = -10 eV, y gas de disociación activado por colisión = 12 psi.
Los tiempos de destino y las masas se enumeran en la Tabla S2. Las
recuperaciones relativas medias para todos los analitos oscilaron entre
79% y 97%, con desviación estándar variando entre 5% y 31%. Cada
muestra se dividió en alícuotas y se extrajo en dos experimentos
independientes; Los duplicados se promediaron para el análisis
estadístico. Todos los reactivos fueron de grado de espectrometría de
masas. Análisis de ADN. Para muestras que contenían ≥ 0,25 g de
polvo (Tabla S1), se extrajeron alícuotas de 0,25 g para extracción de
ADN.15 Para las muestras restantes se extrajo la totalidad de la
muestra y se registró la masa de polvo. El ADN genómico se extrajo
como anteriormente.14b Se prepararon bibliotecas para la
secuenciación del amplicón del gen rRNA 16S en la Universidad de
Oregon Genomics Core Facility utilizando 1 μl de ADN molde de todas
las extracciones y los cebadores 515F y 806R dirigidos a la región V4
del gen 16S rRNA. 16 Las muestras se secuenciaron en un Illumina
HiSeq en modo de 150 pares de pares de final. Los datos de
secuencia se procesaron usando otra aplicación de administración de
análisis automatizado de datos (AnADAMA; https: // huttenhower.
Sph.harvard.edu/anadama) utilizando la canalización
Usearch16SPipeline. AnADAMA automatiza los siguientes pasos: las
lecturas de secuencias de amplicon 16S de pares de datos se
demultiplexaron usando QIIME v1.8 (split_libraries_fastq.py), cosidas
utilizando las herramientas de línea de comandos ea-utils
(https://expressionanalysis.github.io/ea-utils/) , Y se agruparon en
unidades taxonómicas operativas (OTU) utilizando UPARSE para su
baja tasa de falsos positivos para los informes OTU en relación con
otras tuberías de identificación. Las lecturas se filtraron con calidad
utilizando el umbral de filtración de calidad UPARSE17 de Emax = 1,
en el que el número más probable de errores de base por lectura Es
cero para lecturas filtradas.18 Las lecturas filtradas se recortaron a
una longitud fija, y los singletons se retiraron y se agruparon de novo
en OTU, seguido por filtrado de quimeras. La clasificación taxonómica
y la cuantificación de las OTU se realizaron entonces contra la base
de datos del rRNA de la versión 13.5 16S de Greengenes19. Para la
secuenciación con metagenome de escopeta, se prepararon
bibliotecas utilizando el Kit de Preparación de la Muestra de ADN
Nextera XT (Illumina) de todas las extracciones que contenían ADN de
≥15 ng / ml. La secuenciación se realizó en un Illumina NextSeq en
modalidad de pares en la Universidad de Oregon Genomics Core
Facility. Los datos metagenómicos se procesaron utilizando el
oleoducto AnGAMA WGSPipeline, por los siguientes pasos
automatizados. Las secuencias de secuencias de escopeta de
genoma completo fueron las siguientes: 1) concatenado en un solo
archivo fastq, 2) filtrado para lecturas de baja calidad y contaminantes
de secuencia humana usando Knead v0.3
(http://huttenhower.sph.harvard.edu/kneaddata) Y 3) taxonómicamente
clasificado y cuantificado usando MetaPhlAn221
(http://huttenhower.sph.harvard.edu/metaphlan2). Todos los datos de
secuencia están disponibles en el Archivo de Lectura de Secuencia
(http://www.ncbi.nlm.nih.gov/; BioProject ID PRJNA321035). Las
unidades taxonómicas operacionales (OTU) derivadas de los datos de
secuenciación de rRNA 16S identificados como cloroplastos y
mitocondrias, así como probables contaminantes que predominaban
tanto en los controles de reactivos como en las muestras, se
eliminaron según Meadow et al.22 Las OTU eliminadas en este
Fueron identificados como Halomonadaceae y Shewanella. Una
muestra con un número bajo de lecturas (<4000) después de la
eliminación de contaminantes se excluyó del análisis de aguas abajo.
Análisis Arquitectónico. Para cada espacio muestreado, se recogieron
los siguientes datos: tipo de espacio; Número, tipo y estado operativo
de las ventanas; Y el área de la grieta para todas las ventanas y
puertas. Todos los metadatos arquitectónicos y el archivo de mapeo
para su posterior análisis se presentan en las Tablas S1 y S3. Análisis
de los datos. Bayesiano fuente de seguimiento se realizó utilizando el
SourceTracker23 algoritmo en MacQIIME (v1.9.1) para identificar
putativo fuentes de microbios de interior. Microbiome humano Los
datos del proyecto de cinco sitios corporales, incluidos con el tutorial
de SourceTracker, se suministraron como datos de origen. Además de
los datos del presente estudio, analizamos los datos de dos estudios
publicados recientemente sobre microbiomas de interior en
instalaciones deportivas24 y hogares25. Los tres conjuntos de datos
se procesaron utilizando el mismo gasoducto OTU de USEARCH
antes del análisis SourceTracker. Los genes de resistencia a los
antibióticos se cuantificaron usando el conjunto de datos de extracto
corto, mejor representativo (ShortBRED) .26 Brevemente, ShortBRED
comprende dos partes, ShortBRED-identifier y ShortBRED-quantify.
ShortBRED-identifier genera marcadores peptídicos únicos para un
conjunto de secuencias de proteínas. Específicamente, ShortBRED-
identificar utilizó un 85% de aminoácidos identidad umbral para
agrupar la proteína homólogo modelo gen conjunto de la base de
datos CARD en nonredundant representativo secuencias. ShortBRED-
cuantificar entonces los mapas traducidos a los marcadores de
proteínas a ≥95% de identidad de aminoácidos a través de ≥95% de la
longitud del marcador. El uso de marcadores, en lugar de secuencias
completas de proteínas, asegura un mapeo más rápido y preciso,
conduciendo a menos recuentos de RPKM positivos falsos. Por otra
parte, las lecturas son necesarias para mapear con más especificidad
a los marcadores que los marcadores son necesarios para alinear
unos con otros. Para la comparación con los resultados de estudios
anteriores, 13 genes de resistencia a los antibióticos también se
identificaron utilizando ShortBRED con marcadores de la Antibiotic
Resistance Database (ARDB) .27 Debido a que el ARDB ya no se
mantiene, los resultados utilizando CARD como la referencia Es
probable que reflejen con mayor exactitud la comprensión actual de
los genes de resistencia a los antibióticos. Los análisis estadísticos se
realizaron usando R o prueba de significación jerárquica All-contra-All
(HAllA, http: // huttenhower .sph.harvard.edu/halla) según
corresponda. Los análisis a nivel comunitario de los datos del ARNr
16S se realizaron en R en muestras enrarecidas a 16.000 lecturas de
secuencia. La diversidad beta taxonómica se calculó utilizando la
métrica de disimilitud de Canberra. Se determinó la disimilitud entre
los perfiles químicos (triclosán, triclocarbano, metilparabeno,
etilparabeno, propilparabeno y butilparabeno) calculando distancias
euclidianas en pares en el conjunto de concentraciones químicas de
cada muestra (normalizado por transformación logarítmica). Para
determinar si la composición de la comunidad microbiana y los perfiles
químicos totales se correlacionaron, las matrices de disimilitud /
distancia química y taxonómica se compararon usando una prueba de
Mantel en el paquete R vegan. Además, se realizó un análisis de
permutación de varianza (PERMANOVA) para determinar si la
variación en la composición de la comunidad se explicó
significativamente por las concentraciones de los productos químicos
individuales (log-transformado) utilizando el paquete vegano en R.
Relaciones entre las concentraciones químicas individuales y
resistencia a los antibióticos familia familiar Las abundancias se
probaron utilizando HAllA. Los archivos de entrada para HAllA se
filtraron para eliminar todos los elementos que no se detectaron en
más de una muestra. Los genes de resistencia a los antibióticos se
analizaron utilizando la correlación de Pearson para las
comparaciones individuales y un umbral de Benjamini-Hochberg q-
valor de 0,2 para controlar la tasa de descubrimiento falso para
múltiples pruebas. El análisis de datos y la visualización se realizó en
R principalmente utilizando las funciones de los paquetes R vegan28 y
labdsv.29 Los datos y el código R necesarios para reproducir los
análisis se encuentran en https://github.com/uo-green-lab/dust-2015. ■
RESULTADOS Y DISCUSIÓN Para explorar la relación entre los
productos químicos antimicrobianos y los genes de resistencia a los
antibióticos en el polvo, se recogieron 44 muestras de polvo de 31
espacios en una instalación atlética y educativa de uso mixto. Se
analizaron estas muestras de los productos químicos antimicrobianos,
perfiles de comunidades microbianas, y los perfiles de genes de
resistencia a los antibióticos. Se obtuvieron datos químicos de 23
muestras (el resto tenía una masa de polvo insuficiente para el análisis
químico). Después del control de calidad, se obtuvieron datos
comunitarios microbianos de 42 muestras y datos de genes de
resistencia a los antibióticos de 42 muestras. Correlación del diseño
arquitectónico con la composición comunitaria microbiana. A partir de
la secuenciación del amposo del gen ribosómico 16S, se observó una
mediana de 23.980 lecturas por muestra (mínimo 16.450, máximo
37.460), correspondiente a 853 unidades taxonómicas operativas
después del filtrado y control de calidad. De las 44 muestras, 41
produjeron poblaciones donde ninguna OTU representaba más del
50% en base a las abundancias relativas (Figura S1). Dos muestras
fueron Enterobacteriaceae 52%, y uno fue de 65% Pseudomonas. Las
investigaciones previas han demostrado que la composición de la
comunidad microbiana en interiores está vinculada al diseño de
edificios14,30. En cuanto al diseño, el tipo de espacio ha sido un factor
significativo demostrado.14b Por esta razón, hemos seleccionado
intencionadamente un edificio con una variedad de tipos de espacio
para capturar Una amplia franja de composiciones de microbiomas. Se
observó una correlación significativa entre el espacio tipo y la
comunidad disimilitud (PERMANOVA, R2 = 0,22885, p = 0,006, la
Figura S2a). Otro factor que se ha demostrado que se correlaciona
con la composición del microbioma de polvo es la construcción del tipo
de ventilación. Estudio edificio fue construido en 1921 y fue diseñado
para suministrar aire a través de las ventanas a través de la
ventilación natural. Además, la envoltura del edificio no está
herméticamente sellada, lo que resulta en una alta infiltración a través
de grietas. En promedio, las anchuras de las grietas eran 70, 101, 730
y 413 mm (arriba, lados, medio y fondo, respectivamente) alrededor de
puertas exteriores y 105, 168, 226 y 152 mm alrededor de ventanas de
doble colgado. El área de la grieta, normalizada por la superficie del
piso del espacio, promedió 0.4 in.2 / sq ft o 2788 mm2 / sq m. Este
edificio puede caracterizarse como "permeable", y el microbioma
interior probablemente esté más influenciado por la afluencia de aire
exterior que en los edificios más apretados.14,30 La infiltración, al
igual que la ventilación natural, aumenta la afluencia de microbios
ambientales30. Las áreas de grietas que observamos influyen
probablemente en la composición de los microbios interiores, aunque
este efecto podría ser exacerbado o mitigado por otros factores, como
el viento o los efectos de pila, el comportamiento de los ocupantes, los
patrones de viento específicos del sitio o los patrones mecánicos del
funcionamiento del sistema. Al abordar la cuestión con la metodología
microbiológica, se utilizó el algoritmo bayesiano SourceTracker para
examinar la posible influencia de las fuentes ambientales frente a las
derivadas del hombre en el microbioma del polvo. Se predijo que la
mayoría de la comunidad bacteriana en la mayoría de las muestras
era de origen putativo medioambiental (es decir, no humano) (Figura
1a). Se predijo que 25% o menos de origen humano, de los cuales la
mayoría estaba asociada con piel humana (Figura 1a). En general, se
observó una menor proporción de bacterias de origen humano en
nuestras muestras en comparación con estudios previos de superficies
en instalaciones deportivas y hogares polvo interior (Figura 1b]. El
microbioma de interior en nuestro sistema de estudio, por lo tanto,
parece ser fuertemente influenciado por los microbios que no están
asociados con seres humanos, más que los ambientes construidos
previamente estudiados. Correlación de los productos químicos
antimicrobianos con la composición comunitaria microbiana.
Examinamos nuestras muestras para varios productos químicos
antimicrobianos que se han detectado de manera confiable en
estudios previos de polvo en interiores. Triclosan, triclocarban y metil-,
etil-, propil- y butilparaben fueron cuantificados en todas las muestras
donde estaba disponible suficiente masa de polvo (≥0,75 g). Aunque
estos antimicrobianos se detectaron a concentraciones variables en
todo el edificio (Tablas 1 y S3), eran comparables a los valores
previamente observados en ambientes construidos. Otros estudios de
polvo interior reportaron valores medianos que oscilaron entre 320-
1470, 11-276, 182-800 y 2-212 ng / g para metil-, etil-, propil- y
butilparabeno, respectivamente; 10a, c, 11 Los valores medianos de
nuestro estudio son 1020, 60, 380 y 60 ng / g, respectivamente. En
otros estudios, las concentraciones medias de triclosán en el polvo
doméstico oscilaron entre 220 y 702 ng / g; en la nuestra, la
concentración media es de 200 ng / g. La correlación entre la
concentración de sustancias químicas antimicrobianas y la
composición de la comunidad microbiana no fue significativa (p =
0,086, Figura 2b suplementaria), como se determinó a partir de una
prueba de Mantel. Las pruebas individuales de PERMANOVA
revelaron que la concentración de triclosán y todos los parabenos se
correlacionan débil pero significativamente con la disimilitud de la
comunidad microbiana (R2 entre 0.07 y 0.08, p <0.03). HAllA no reveló
ningún taxón individual que se asoció significativamente con cualquier
producto químico antimicrobiano (datos no presentados). Correlación
de productos químicos antimicrobianos con genes de resistencia a
antibióticos. Se identificaron las familias de genes de resistencia a los
antibióticos de los datos metagenómicos shotgun utilizando
marcadores generados a partir de la base de datos CARD31. Se
identificaron 17 familias de genes de resistencia a los antibióticos en
todo el edificio (Figura 2a, Tabla S4). Los espacios tenían en promedio
21 RPKM Atribuido a un gen de resistencia a antibióticos, aunque la
desviación estándar fue bastante grande (27 RPKM). Los tres genes
de resistencia a los antibióticos más abundantes codificaron el gen de
resistencia a la tetraciclina tet (W), el espectro extendido Beta-
lactamasa blaSRT-1 y el gen de resistencia a macrólidos erm (B)
(Tabla S4). Mientras están presentes en bajas abundancias, juntos
estos genes cubren la resistencia a un amplio espectro de antibióticos.
En comparación con las investigaciones previas de la resistencia al
medio ambiente construido, nuestro sistema de estudio tiene menos
genes de resistencia a los antibióticos (mediana RPKM por muestra
23,24 comparado con 47,71 en otros estudios, 13 Figura 2b). Los
entornos construidos incluidos en este análisis son hogares, oficinas,
un hospital, un muelle y un sistema de tránsito metropolitano. Los
datos de una instalación atlética y educativa de uso mixto no estaban
disponibles para comparación. En general, la abundancia relativa de
los genes de resistencia a los antibióticos en todos los ambientes
construidos es un orden de magnitud menor que en el intestino
humano (536,30 RPKM, Figura 2b). Este hallazgo es consistente con
las observaciones de que el intestino humano tiene la mayor
abundancia de genes de resistencia a los antibióticos de cualquier
sistema biológico encuestado.32 Usando HAllA, identificamos varios
genes de resistencia a los antibióticos que están significativamente
asociados positivamente (FDR q <0,05, puntuación de similitud> 0,5)
Con triclosán o metilparabeno (Tabla 2). Específicamente, las mayores
abundancias relativas del gen 23S rRNA metiltransferasa gen (X) se
asociaron con mayores concentraciones de triclosán y mayor
abundancia relativa de erm (33), que es un híbrido entre erm (A) y erm
(C) que es específico A Staphylococcus sp., Y erm (C) se asociaron
con mayores concentraciones de metilparabeno (Figura 3). Las ARN
metiltransferasas ribosómicas, como estos genes erm, pueden conferir
resistencia a los antibióticos que actúan atacando el centro de la
peptidiltransferasa en bacterias, inhibiendo así la síntesis de
proteínas.33 Además, la abundancia relativa de dos genes que
codifican bombas de eflujo (tet (K) y vga A)) se asociaron con la
concentración de triclosán y la abundancia relativa de la bomba de
eflujo cmr se asoció con la concentración de metilparabeno. Tet (K)
codifica una bomba de eflujo con actividad específica hacia tetraciclina
y actividad reducida hacia derivados de tetraciclina que carecen del
grupo 6-hidroxi. 34 vga (A) codifica un transportador de casete de
unión a ATP que confiere resistencia a lincosamidas y estreptogramina
A Como las pleuromutilinas, 35 que sólo se han aprobado para uso en
seres humanos desde 2007.36 Aunque el triclosán no se ha asociado
previamente con las erm metiltransferasas o las bombas de eflujo tet
(K) o vga (A), Se ha asociado con una mayor expresión de múltiples
genes de bombeo de eflujo en otros contextos.37 De las seis
asociaciones identificadas (Tabla 2), tres implican rRNA
metiltransferasas, una clase de resistencia a los antibióticos genes
conocidos por la resistencia a los macrólidos. Sin embargo, ni el
triclosán ni el metilparabeno están estructural o funcionalmente
relacionados con los macrólidos. Las restantes asociaciones implican
una bomba de eflujo específica de tetraciclina, estreptogramina o
cloranfenicol. Los objetivos de estas bombas de eflujo representan
diferentes clases de antibióticos y, de nuevo, ninguna está estructural
o funcionalmente relacionada con el triclosán o el metilparabeno. Si
bien nuestros datos muestran que las mayores abundancias relativas
de los genes de resistencia a los antibióticos se correlacionan con
mayores concentraciones de productos químicos antimicrobianos en el
polvo interior, estudios adicionales son necesarios para determinar si
esta relación es causal. Implicaciones y limitaciones. Los
antimicrobianos son sustancias químicas de gran volumen de
producción distribuidas, por lo que se encuentran rutinariamente en
muchos ambientes diferentes, incluyendo aguas superficiales, peces y
fluidos corporales humanos.5,38 Debido a que se encuentran tan
comúnmente bioacumulados en estos ambientes, los efectos del
triclosán En las comunidades microbianas se han estudiado
principalmente en sistemas acuáticos y tratamiento de aguas
residuales. El triclosán fue identificado como un contaminante de
preocupación emergente en el agua potable y se encontró que se
acumulaba en aguas residuales en concentraciones que alcanzaban
partes por billón.38 Estas concentraciones son comparables a las
encontradas en el polvo interior. En las comunidades microbianas
sembradas en las plantas de tratamiento de aguas residuales, la
adición de triclosan provocó un aumento en el número de copias del
gen de la bomba de eflujo de múltiples fármacos [39], que también
confiere resistencia a beta-lactamas, quinolonas, tetraciclinas y
trimetoprim.40 En las comunidades microbianas bentónicas , Donde
las concentraciones típicas de triclosán son más bajas que en los
lodos de aguas residuales, el triclosán no se asoció con ningún
cambio en la composición o diversidad de la comunidad microbiana,
pero las comunidades expuestas a mayores concentraciones de
triclosán produjeron mayores proporciones de cepas cultivables
resistentes a triclosán. El primer estudio para identificar un vínculo
entre el triclosán antimicrobiano y la resistencia a los antibióticos; Sin
embargo, es el primero que lo hace en el polvo interior. Nuestras
observaciones son correlativas y no dan evidencia de una relación
causal entre la presencia de antimicrobianos Químicos en el polvo y
un aumento en los genes de resistencia a los antibióticos en el
microbioma del polvo. Sin embargo, plantean preguntas sobre cómo
se produce la selección de genes de resistencia a los antibióticos y si
los productos químicos antimicrobianos también afectan la viabilidad
microbiana. Otros estudios que investigaron el efecto del triclosán en
diversas situaciones encontraron similarmente que el producto
químico tiene poco efecto en la composición de la comunidad
microbiana, 9,41 posiblemente debido a un tiempo de exposición
insuficiente42 oa la concentración.41 Las concentraciones medias de
triclosán y otros observados en el polvo son 3 Órdenes de magnitud
más bajos que la concentración de triclosan cuando se utiliza como
ingrediente activo en la pasta dental (0,3-2 mg / g) .38,43
Desafortunadamente, las preguntas centradas en la selección y la
viabilidad de los genes bacterianos no pueden abordarse directamente
usando los métodos de secuenciación actuales. Debido a que
recogemos el polvo in situ, no podemos evaluar si la relación entre los
antimicrobianos y los genes de resistencia a los antibióticos refleja
eventos que ocurren antes o después de los productos químicos y los
microbios se depositan en el polvo. Basándose en nuestros datos, la
composición de la comunidad microbiana se correlaciona
significativamente con el tipo de espacio pero no con la concentración
química antimicrobiana en el polvo en interiores; Sin embargo, la
concentración de antimicrobianos individuales se correlaciona
fuertemente con la abundancia relativa de genes de resistencia a
antibióticos individuales. Esta observación sugiere que estos
antimicrobianos poco afectan al ensamblaje de las comunidades
microbianas en polvo, pero pueden tener una fuerte influencia en la
promoción y retención de genes de resistencia a los antibióticos. Este
hallazgo es similar al encontrado en las comunidades microbianas
bentónicas.9 Dado que el microbioma de interior desempeña un papel
importante en la salud humana, 4,15 el efecto de los antimicrobianos
sobre la acumulación de genes de resistencia a los antibióticos en el
microbioma de interiores merece más atención.