Nya vapen mot antibiotikaresistens

Med miljöövervakning av riskfyllda gener och farliga bakterier vill Johan Bengtsson-Palmes forskargrupp förutsäga förekomsten av antibiotikaresistens i miljön. Förhoppningen är att kunna förebygga och begränsa spridningen av hotfulla infektionssjukdomar i framtiden.

Under många decennier har stora mängder antibiotika använts på ett felaktigt sätt, vilket har lett till en snabb utveckling av motståndskraftiga bakterier.
Varje år dör uppskattningsvis drygt en miljon människor i världen av bakteriella infektionssjukdomar som är antibiotikaresistenta, exempelvis sepsis (blodförgiftning), lunginflammation, kolera och salmonella. Och om bara några decennier, år 2050, förväntas antalet ha ökat till 10 miljoner.
– Covid-19 orsakades av ett nytt och för människan okänt virus. Men det är inte säkert att också nästa pandemi kommer att orsakas av ett virus, det kan likaväl handla om en bakterie. Historiskt sett har de dödligaste pandemierna orsakats av bakterier. Och med en ökad antibiotikaresistens är risken stor att vi får se infektioner som just nu är lättbehandlade, men som i framtiden riskerar att bli livshotande, säger Johan Bengtsson-Palme.
Han är forskarassistent vid avdelningen för Systembiologi på Chalmers tekniska högskola.
– Övervakningen av infektionssjukdomar kan vara ett kraftfullt verktyg för att begränsa spridningen av infektionssjukdomar, eller möjligen att till och med hindra dem från att orsaka stora utbrott. Men för att lyckas måste vi veta vad vi letar efter, i vilka miljöer och vilka ekonomiskt hållbara verktyg vi ska använda, säger Johan.

Miljöövervakning
Han leder en forskargrupp som arbetar med datadriven mikrobiologi och mikrobiell ekologi. I gruppen ingår dataanalytiker och forskare med bakgrund inom mikrobiologi och bioinformatik. Gruppen har också ett nära samarbete med infektionsläkare.
– Vårt huvudsakliga mål är att hitta sätt att etablera miljöövervakning för antibiotikaresistens och infektionssjukdomar. Med dagens övervakning kan vi endast upptäcka smittämnen efter att de redan har blivit stora problem. Covid-19 hade vi till exempel inte kunnat förutse med hjälp av övervakning, eftersom vi inte visste vad vi skulle leta efter, säger Johan.
De forskarfrågor som gruppen försöker besvara är: hur ser potentiellt farliga bakterier ut? Vilka egenskaper har de? Går det att identifiera och förutse vilka bakterier som har störst risk att sprida hotfulla infektionssjukdomar med snabba förlopp?
– Vi vill identifiera nya högriskgener för resistens hos bakterier som orsakar svåra infektionssjukdomar och sedan integrera dem i miljöövervakning. Vi kan inte övervaka allt, vi fokuserar på relevanta miljöer där spridningen är som störst och där människan interagerar med bakterier från miljön, exempelvis reningsverk och badstränder, men även där det finns olika typer av interaktioner mellan människa och djur.
För att undersöka och analysera antibiotikaresistens hos bakterier använder forskargruppen bioinformatik och metagenomik, det vill säga storskalig sekvensering av DNA från alla bakterier i ett prov.
Forskargruppen har hittills lyckats identifiera ett 50-tal nya resistensgener. Nu återstår att klassificera dem utifrån risknivå och även utveckla enkla och billiga diagnostiska tester.

Atlas med högriskgener
Målet är också att etablera en global databas med en slags atlas över riskresistensgener i olika typer av miljöer. Syftet är att tidigt kunna vidta preventiva åtgärder, men också att hitta nya behandlingar.
– När det gäller att beskriva vad som specifikt utmärker patogena, sjukdomsframkallande bakterier har vi preliminära resultat från en bakterie som heter Pseudomonas aeruginosa. Det finns sedan tidigare vissa kända faktorer, men vi vill mer i detalj kartlägga mekanismer som de sjukdomsalstrande bakterierna verkar bära på, men som ofarliga bakterier saknar.
För att kunna hantera de storskaliga datamängderna använder forskargruppen maskininlärning och bioinformatik. På sikt tror Johan Bengtsson-Palme att generativ AI skulle kunna vara till stor hjälp för att ur omfattande datamängder urskilja specifika mönster som förutsäger en potentiell pandemi.
– Visionen är att den kunskap och infrastruktur som växer fram ur forskningsprojektet ska leda till att myndigheter och beslutsfattare mycket snabbare ska kunna vidta lämpliga åtgärder för att undanröja eller dämpa konsekvenserna av en framtida pandemi.