淋病是一种由淋球菌（Neisseria gonorrhoeae）引起的常见性传播感染，其防治正面临抗菌素耐药性（AMR）日益严重的威胁。抗生素的引入会改变细菌的竞争环境，使携带耐药基因的菌株获得生长优势，从而导致耐药性流行率上升。然而，一旦耐药性广泛传播，临床通常会减少该抗生素的使用，转而采用其他药物，这又使得原本有益的耐药基因可能变为中性甚至有害。细菌的AMR适应性景观十分复杂，受到当前及既往抗生素压力、多种遗传途径（有时相互作用的）共同作用，以及种群结构、宿主行为等多种因素影响。尽管耐药遗传决定因素在耐药谱系种群扩张与收缩中扮演重要角色，但其在真实世界中的适应性影响一直缺乏量化估计。
为了填补这一空白，研究人员开展了一项题为“量化抗生素使用和耐药性遗传决定因素对淋球菌动态的真实世界影响”的研究，并发表于《Nature Microbiology》。该研究利用美国疾病控制与预防中心（CDC）淋球菌隔离监测项目（GISP）在2000年至2019年间收集的超过5000株淋球菌分离株的基因组测序数据、耐药表型数据及相关元数据，结合美国同期抗生素使用情况，开发了一个分层贝叶斯系统发育动力学模型。该模型能够同时考虑多个谱系、多种耐药途径以及多个随时间变化的协变量，旨在定量估计在流行的淋球菌中，特定耐药决定因素在抗生素压力下的适应性贡献。
研究人员首先根据主要AMR决定因素（针对氟喹诺酮类、第三代头孢菌素类和大环内酯类药物）的祖先状态重建，定义了29个与AMR相关的谱系。通过构建层次贝叶斯系统发育动力学模型，他们量化了这些耐药决定因素对谱系成功（以有效种群大小e(t)的增长率r(t)为指标）的贡献，并分析了其与抗生素使用模式变化的相互作用。
研究发现，即使表型相同的耐药性，其遗传途径也可能导致截然不同的适应性效应。例如，在gyrA基因（氟喹诺酮类主要耐药决定基因）中，GyrA 91F/95A 和 GyrA 91F/95G 两种突变均能导致耐药，但在氟喹诺酮类不再被推荐作为一线治疗后，携带GyrA 91F/95A的谱系显示出比携带GyrA 91F/95G的谱系更高的增长率。体外竞争实验证实，在等基因背景下，GyrA 91F/95A确实比GyrA 91F/95G具有适应性优势。对于头孢菌素耐药关键基因penA，研究显示，镶嵌型penA34等位基因在头孢克肟和头孢曲松125 mg广泛使用时期为携带谱系带来了巨大的增长率优势，但随着治疗指南转向仅推荐头孢曲松250 mg联合阿奇霉素，这种优势迅速消失。对于与青霉素耐药及一定程度头孢菌素耐药相关的ponA基因PBP1 421P突变，模型估计其在整个研究期间均表现出轻微的适应性缺陷，小鼠体内竞争实验也验证了PBP1 421P在体内存在适应性代价。此外，对于影响包括大环内酯类在内的多种抗生素耐药的mtr操纵子，研究估计镶嵌型mtrR启动子等在阿奇霉素联合治疗引入后，为携带谱系带来了增长率益处。
研究人员还进行了谱系水平的分析，揭示了耐药决定因素对个体谱系增长动态的变化贡献。例如，同时携带GyrA 91F/95G和镶嵌型penA34的谱系22，尽管在氟喹诺酮类停用后GyrA 91F/95G带来适应性成本，但其有效种群大小在2010年左右达到峰值，这主要得益于镶嵌型penA34在当时头孢菌素使用模式下的适应性优势。而谱系21的扩张则主要归因于其携带的GyrA 91F/95A。
该研究还发现，并非所有谱系的动态都能完全由所研究的耐药决定因素解释。例如，一些不携带任何已分析耐药决定因素的谱系也表现出显著增长，提示可能存在其他未被考虑的遗传或环境驱动因素，例如对四环素类抗生素耐药的tetM基因的影响，或其他非抗生素压力。
本研究成功地将大规模病原体基因组数据、抗生素处方数据和系统发育动力学建模相结合，量化了在真实世界抗生素使用变迁的背景下，不同耐药遗传决定因素对淋球菌谱系适应性的贡献。该方法不仅深化了对淋球菌AMR进化动力学的理解，证明了表型相同的耐药性可能对应着不同的适应性轨迹，强调了在分析和建模AMR动态时考虑具体耐药途径的重要性，而且为更广泛地研究其他微生物在不同环境压力下的进化生态学提供了可推广的框架。
关键技术方法概述
研究的关键技术方法包括：1) 利用美国GISP项目长达20年的淋球菌分离株进行全基因组测序和耐药表型分析；2) 基于基因组数据通过祖先状态重建定义AMR相关谱系；3) 开发分层贝叶斯系统发育动力学模型，将谱系有效种群大小的增长率与携带的特定耐药决定因素以及随时间变化的抗生素使用数据相关联；4) 使用体外和小鼠感染模型进行竞争实验，验证模型预测的特定耐药突变（如GyrA 91F/95A vs. 91F/95G, PBP1 421P vs. 421L）的适应性差异。样本来源为美国CDC的GISP监测网络。
Defining N. gonorrhoeaedrug resistant lineages（定义淋球菌耐药谱系）
研究人员首先从GISP标本中定义了与AMR相关的谱系。他们利用对三种主要抗生素类别（氟喹诺酮类、第三代头孢菌素类和大环内酯类）的主要AMR决定因素进行祖先状态重建，识别出那些自最近共同祖先（MRCA）以来AMR状态未发生改变的样本簇，并最终确定了29个谱系。大多数谱系（21/29）携带至少一种AMR决定因素，并且对于给定抗生素，在不同谱系中存在多种耐药途径。
Hierarchical Bayesian phylodynamic modelling reveals a changing fitness landscape（分层贝叶斯系统发育动力学模型揭示变化的适应性景观）
为了量化耐药遗传决定因素的适应性贡献及其随时间的变化，研究团队建立了一个分层贝叶斯系统发育动力学模型。该模型将每个谱系有效种群大小的增长率表述为谱系所携带的耐药决定因素与抗生素使用模式（以治疗比例表示）的函数，同时考虑了谱系特异性背景和残差项以解释未被模型包含的因素造成的过度离散。
Fluoroquinolones and the fitness impact of gyrAdeterminants of resistance（氟喹诺酮类与gyrA耐药决定因素的适应性影响）
对于氟喹诺酮类主要耐药决定基因gyrA，模型分析揭示了不同等位基因的差异性适应效应。在氟喹诺酮推荐使用期间，携带GyrA 91F/95G且同时有ParC 86D/87R/91E等位基因的谱系增长率有所增加。而在氟喹诺酮不再推荐后，GyrA 91F/95G与ParC 86D/87R/91E组合相比野生型显得略有劣势。相反，携带GyrA 91F/95A的谱系在氟喹诺酮停用后显示出比GyrA 91F/95G更高的增长率。体外竞争实验证实，在ParC 86D/87R/91E背景下，GyrA 91F/95A比GyrA 91F/95G具有显著的适应性优势。
Beta lactam resistance and the fitness impact of resistance-conferring penAalleles and mutations（β-内酰胺耐药性与耐药性penA等位基因和突变的适应性影响）
对于头孢菌素耐药关键基因penA，模型估计显示，当头孢克肟和头孢曲松125 mg广泛使用时，镶嵌型penA34等位基因为携带谱系带来了巨大的增长率优势。然而，随着治疗转向头孢曲松250 mg，这种优势迅速减弱甚至消失。此外，PBP2 501T在头孢曲松250 mg成为唯一推荐治疗后与适应性大幅下降相关，而PBP2 501V则在治疗后显示出微弱的适应性增加。
Beta lactams and the fitness impact of ponAL421P（β-内酰胺类与ponAL421P的适应性影响）
对于与青霉素耐药相关的ponA基因PBP1 421P突变，模型估计其在研究期间始终与轻微的适应性缺陷相关。这一发现得到了体内竞争实验的支持：在小鼠淋球菌感染模型中，与携带野生型PBP1 421L的菌株相比，携带PBP1 421P的菌株表现出明显的适应性劣势。
Azithromycin use and the fitness impact of variants in the mtrlocus（阿奇霉素使用与mtr基因座变异的适应性影响）
对于影响大环内酯类耐药的mtr操纵子，模型估计在2010年引入阿奇霉素联合治疗后，镶嵌型mtrR启动子和镶嵌型mtrD等位基因的携带为谱系增长率带来了益处。此外，mtrR启动子中13-bp反向重复序列的A缺失（与包括大环内酯类在内的多种抗生素耐药性增加有关）在转向头孢曲松250 mg和阿奇霉素治疗后，也与增长率的微弱增加相关。
How much of the lineage growth trajectory is explained by resistance determinants?（耐药决定因素在多大程度上解释了谱系增长轨迹？）
通过可视化每个谱系中个体耐药决定因素的平均增长率效应、谱系残差效应和谱系背景效应，研究发现耐药决定因素的组合在很大程度上解释了许多谱系的动态变化，但也揭示了某些谱系的动态无法完全由这些决定因素解释，指出了其他遗传或环境驱动因素的作用。
研究结论与讨论
本研究通过整合20年的淋球菌基因组监测数据、抗生素使用数据和先进的系统发育动力学建模，成功量化了在真实世界抗生素使用变迁的背景下，不同耐药遗传决定因素对淋球菌谱系适应性的贡献。研究结果表明，即使对表型相同的耐药性，其背后的具体遗传途径也可能导致显著不同的适应性后果，例如GyrA 91F/95A与91F/95G的差异。这种差异性强调了在分析和预测AMR动态时，不能仅凭表型耐药数据，而必须深入基因型层面，考虑具体的耐药突变及其遗传背景。
此外，研究揭示了抗生素政策变化如何通过改变选择性压力，迅速影响不同耐药谱系的命运。例如，镶嵌型penA34等位基因的优势随着头孢菌素使用模式的变化而迅速消长，体现了进化动力学的快速响应。同时，一些耐药决定因素（如PBP1 421P）被检测到存在适应性成本，这为理解耐药性在无抗生素压力下的持久性或消退提供了机制解释。
本研究建立的分析框架能够同时处理多个谱系、多种耐药决定因素和随时间变化的抗生素使用协变量，为在种群水平上量化微生物特征（如AMR决定因素）的适应性效应提供了强大工具。尽管存在数据限制（如采样偏差、非抗生素压力数据缺失），但该方法成功地揭示了淋球菌AMR进化中此前难以量化的复杂性。未来，随着更全面、纵向数据集的出现，以及结合个体层面处方数据和空间异质性模型，该方法有望得到进一步扩展和细化，从而更精确地揭示病原体在多变环境中的进化轨迹，为制定更有效的抗生素管理策略和遏制耐药性传播提供科学依据。
