Abstract
Klebsiella pneumoniae (KP) è un patogeno opportunista di primaria importanza clinica, noto per l’elevata variabilità genotipica, la resistenza antimicrobica (AMR) e la presenza di cloni ipervirulenti. KP è oggi tra i principali agenti di batteriemia in ambito ospedaliero ed è incluso nella lista prioritaria dell’OMS per la ricerca su nuove strategie terapeutiche. Questo studio mira a identificare, mediante approcci di intelligenza artificiale, le firme genomiche e cliniche associate alla mortalità nei pazienti con sepsi KP ed è condotto congiuntamente dall’Università degli Studi di Bologna (U.O. Microbiologia di Pievesestina e DIFA) e dall’Università degli Studi di Catania. Per quanto riguarda l’ U.O. Microbiologia di Pievesestina, sono stati completati l’isolamento, l’identificazione e la caratterizzazione fenotipica di 350 ceppi di K. pneumoniae, ottenuti da emocolture positive, secondo le metodiche standard della diagnostica microbiologica. Per ogni paziente sono stati inoltre raccolti dati demografici, clinici, biochimici e microbiologici, incluse le concentrazioni minime inibenti (MIC) e la relativa interpretazione secondo EUCAST. Tali dati sono in fase di integrazione sistematica, al fine di costruire un dataset strutturato e ottimizzato per l’analisi multivariata. Ad oggi, 106 ceppi sono stati sottoposti con successo a sequenziamento whole genome (WGS) con tecnologia Illumina. Sui dati risultanti sono stati eseguiti i necessari controlli di qualità e un primo step di analisi bioinformatica, una pipeline standardizzata che comprende la tipizzazione multilocus dei ceppi sequenziati (MLST) e l’identificazione di geni di virulenza in base al database VFDB, di determinanti di resistenza antimicrobica (database CARD) e di eventuali repliconi plasmidici (PlasmidFinder). Tutti i risultati sono stati organizzati in un formato compatibile con l’integrazione con le informazioni fenotipiche e cliniche. Ulteriori 94 ceppi sono stati sottoposti ad estrazione degli acidi nucleici e conservati in attesa di sequenziamento. Il prossimo step prevede il completamento delle fasi di estrazione del DNA, sequenziamento e analisi bioinformatica preliminare, a cui seguirà l’unificazione del dataset esteso. I dati saranno quindi sottoposti ad analisi statistica e computazionale, con stratificazione dei pazienti nei tre gruppi clinici previsti al fine di identificare variabili discriminanti associate agli esiti clinici. L’applicazione di algoritmi di machine learning permetterà infine la costruzione di modelli predittivi basati sull’integrazione delle componenti genomiche, fenotipiche e clinico-biochimiche. Le firme molecolari identificate saranno contestualizzate biologicamente tramite mappatura su database pubblici, con l’obiettivo di chiarire i meccanismi patogenetici sottostanti e contribuire allo sviluppo di strumenti predittivi per la gestione precoce e personalizzata delle sepsi da KP.
Risultati raggiunti
La crescente diffusione di batteri resistenti agli antibiotici rappresenta oggi una delle più gravi minacce per la salute pubblica a livello mondiale. Secondo l'Organizzazione Mondiale della Sanità (OMS), l'antimicrobico-resistenza compromette l'efficacia delle terapie disponibili, aumentando il rischio di complicanze, la durata delle degenze ospedaliere, i costi sanitari e la mortalità associata alle infezioni. Tra i patogeni più critici rientra Klebsiella pneumoniae resistente ai carbapenemi (Carbapenem-Resistant Klebsiella pneumoniae, CRKP), un batterio responsabile di numerose infezioni correlate all'assistenza sanitaria, tra cui polmoniti, infezioni delle vie urinarie, e, soprattutto, batteriemie e sepsi. Per affrontare questa sfida, il progetto PRIN ha sviluppato un approccio multidisciplinare e altamente innovativo che integra genomica, bioinformatica, dati clinici e intelligenza artificiale, con l'obiettivo di migliorare la comprensione dei meccanismi biologici alla base delle infezioni da CRKP e di sviluppare strumenti in grado di prevedere l'evoluzione clinica della malattia. L'obiettivo finale è fornire ai clinici sistemi di supporto alle decisioni che consentano di identificare precocemente i pazienti a maggior rischio di complicanze e di orientare strategie terapeutiche sempre più personalizzate. La ricerca è stata condotta grazie alla collaborazione tra l'Università di Bologna e l'Università di Catania. Il progetto ha portato alla realizzazione di uno dei più ampi database italiani dedicati a Klebsiella pneumoniae resistente ai carbapenemi. Complessivamente sono stati raccolti e analizzati 464 isolati clinici provenienti da pazienti affetti da infezioni del torrente circolatorio: 321 isolati sono stati ottenuti presso l'Università di Bologna e 143 presso l'Università di Catania. Tutti i campioni sono stati sottoposti a sequenziamento genomico di nuova generazione (Next Generation Sequencing, NGS), una tecnologia che consente di analizzare in modo completo il patrimonio genetico del microrganismo, fornendo informazioni estremamente dettagliate sui geni coinvolti nella resistenza agli antibiotici, nella virulenza e nella diffusione epidemiologica dei diversi ceppi. L'analisi bioinformatica dei dati genomici ha permesso di ricostruire il profilo genetico degli isolati e di identificare i principali determinanti molecolari della resistenza antimicrobica. I risultati hanno evidenziato una notevole omogeneità dei meccanismi di resistenza tra i diversi ceppi, confermando la predominanza di cloni multidrug-resistant già ampiamente descritti a livello internazionale e responsabili della diffusione globale di questo patogeno. In particolare, sono stati identificati numerosi geni associati alla resistenza ai carbapenemi e ad altre classi di antibiotici, a testimonianza della straordinaria capacità di adattamento evolutivo di Klebsiella pneumoniae. Parallelamente, è stata condotta una dettagliata caratterizzazione dei fattori di virulenza, ossia di quelle caratteristiche genetiche che consentono al batterio di colonizzare l'organismo ospite, sfuggire alle difese immunitarie e causare infezioni più gravi. Nella maggior parte degli isolati è stata osservata una presenza relativamente limitata di tali fattori, suggerendo che la gravità clinica delle infezioni sia spesso legata più alla resistenza antimicrobica che a un'elevata virulenza intrinseca. Tuttavia, alcuni cloni, in particolare appartenenti al lineage ST147, hanno mostrato combinazioni di determinanti genetici che potrebbero conferire una maggiore aggressività biologica. Questi ceppi rappresentano quindi un'importante priorità per il monitoraggio epidemiologico e per la sorveglianza microbiologica, poiché potrebbero favorire la comparsa di varianti ad elevato impatto clinico. Oltre alla caratterizzazione genomica, il progetto ha sviluppato un database clinico strutturato e completamente anonimizzato, che raccoglie informazioni demografiche e cliniche. La disponibilità di questo patrimonio informativo rappresenta uno degli elementi più innovativi del progetto, poiché consente di integrare dati provenienti da fonti diverse in un'unica piattaforma analitica. L'integrazione dei dati genomici con le informazioni cliniche costituisce infatti il presupposto per lo sviluppo di modelli di machine learning e di intelligenza artificiale capaci di individuare biomarcatori, firme molecolari e combinazioni di variabili associate agli esiti clinici della sepsi. Attraverso algoritmi di apprendimento automatico sarà possibile identificare pattern complessi difficilmente riconoscibili con le tradizionali analisi statistiche, migliorando la capacità di prevedere la progressione dell'infezione, il rischio di mortalità, la risposta ai trattamenti antibiotici e la probabilità di sviluppare complicanze. In prospettiva, questi strumenti potranno contribuire alla realizzazione di sistemi di supporto decisionale per la pratica clinica, in grado di assistere il personale sanitario nella scelta delle strategie terapeutiche più appropriate sulla base delle caratteristiche specifiche del paziente e del profilo genomico del patogeno responsabile dell'infezione. Ciò rappresenta un passo importante verso l'implementazione della medicina di precisione nel campo delle malattie infettive, dove l'integrazione tra dati biologici e strumenti computazionali può tradursi in diagnosi più rapide, trattamenti più efficaci e una migliore gestione delle risorse sanitarie. Nel complesso, il progetto ha creato solide basi scientifiche, tecnologiche e metodologiche per affrontare una delle principali emergenze della medicina contemporanea. La combinazione di genomica, bioinformatica, epidemiologia clinica e intelligenza artificiale offre infatti nuove opportunità per comprendere l'evoluzione dei batteri resistenti, identificare precocemente i pazienti più vulnerabili e sviluppare strumenti innovativi a supporto della pratica clinica.Dettagli del progetto
Responsabile scientifico: Vittorio Sambri
Strutture Unibo coinvolte:
Dipartimento di Scienze Mediche e Chirurgiche
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 167.360,00
Contributo totale Unibo: Euro (EUR) 101.197,00
Durata del progetto in mesi: 24
Data di inizio
28/09/2023
Data di fine:
15/02/2026
