Vegard Eldholm. Molekylær TB epidemiologi

Transkript

1 Vegard Eldholm Molekylær TB epidemiologi

2 Molekylærepidemiologiske metoder Sannsynliggjøre eller avkrefte transmisjonslinker mellom TB pasienter. Avdekke krysskontaminasjon i laboratoriet Skille reinfeksjon fra reaktivering

3 Molekylærepidemiologiske metoder Metoder varier mht utstyrsbehov, hurtighet ++ Ulike genetiske markører evolverer ulikt, derfor ulik nøyaktighet Molekylærepidemiologi sammen med «klassisk» epidemiologi svært viktig for å identifisere og bryte pågående smittekjeder

4 Metoder: historikk ~ : RFLP Tidkrevende Krever mye DNA av god kvalitet For «gruppering», tolkning, deling må man transformere data analog digital. Stort rom for feil

5 Metoder: historikk ~1995-i dag: Spoligotyping + - Stabile mønstre Stabile mønstre Raskt & enkelt (PCR) Dårlig oppløsning Databaser «homoplasier»

6 MIRU-VNTR (fra 2005) Rutinemetode på FHI + store deler av Europa + verden Rask (PCR) OK oppløsning + - Deling & Database Krever kapillær elektroforese (HT) Homoplasier Ikke god nok oppløsning til å konkludere ang utbrudd/transmisjon

7 Like MIRU profiler kan være (og er/var) et seleksjonkriterium for igangsetting av epidemiologiske undersøkelser. Dessuten: data velegnet for deling og felles europeisk overvåkning MIRU data for MDR-stammer rapporteres til TESSy (The European Surveillance System)

8 Neste-generasjon sekvensering (NGS) Alle Mtb stammer sekvenseres ved FHI, men foreløpig ikke i «real-time» Rutine-workflow under etablering Verdifullt for utbruddsovervåkning: slektskap mellom stammer kartlegges detaljert ved å identifisere forskjeller i enkeltnukleotider (SNPer) Mtb: 4.4 millioner bp Får også detaljert info om resistensmutasjoner

9 M. tuberculosis kan deles inn i 7 «lineages» Disse er i større eller mindre grad assosiert med spesifikke geografiske områder Pepperell et al - unpublished Bentley S et al Plos negl trop dis 2012

10 Relevant også for tolkning av MIRU data. I Norge er TB byrden størst blant ikke-etniske nordmenn. I Afghanistan er f.eks L2 utbredt, på Afrikas horn L1 og L3 etc Typiske cut-off for å si at to stammer er «genomisk linka»: 3-12 SNPer (stort spenn altså vi vil aldri få en fasit) MIRU presterer ulikt for ulike lineages. For identiske MIRU typer (D. Wyllie presentation «TB is changing»): median SNP-forskjeller L4 19 L1 220 Identiske MIRU profiler er absolutt ingen garanti for direkte smitte eller at to personer er nære hverandre i en smittekjede

11 NGS har åpenbare fordeler for overvåkning Mye mer detaljert bilde, resistensmutasjoner kan påvises direkte, svært bra utgangspunkt for kontakt-sporing Kan spare ressurser ved å ikke igangsette unødvendig smitte-sporing

12 MIRU WGS Bjorn-Mortensen et al 2016 Sci Rep

13 NGS på FHI (TB): noen funn Plassere utbrudd i større kontekst, studere spredning i tid og rom, påvise resistens etc. Eldholm et al 2016 PNAS Studere TB transmisjon og resistensutvikling etc som funksjon av vertens HIV status Eldholm et al 2016 elife

14 NGS på FHI (TB): noen funn NGS avdekker MIRU-homoplasier

15 Studie av stort MIRU-cluster, i hovedsak assosiert med pasienter fra Afrikas horn (stamme: L3) MIRU-homoplasier + Stor genetisk variasjon i MIRU cluster Gjennomsnittelig parvis SNPdistanse: 57 SNPs

16 NGS i rutinen Under etablering. Brukes bare til identifikasjon av resistens ved mistanke. Per i dag bruker vi SeqSphere for NGS-basert overvåkning. (wgmlst). Kontinuerlig oppdatert intern database. Detaljert oversikt over slektskap som oppdateres fortløpende med nye isolater.

17 SeqSphere (NGS): MIRU-klynge kan være så mangt Utbrudd Oslo: Utbrudd (?) nord på:

18 NGS på mellomlang sikt Vil kunne gjøres hurtig Vil overta for MIRU Vil overta for fenotypisk DST (?) (Direkte fra sputum/vev/væske?) Uansett bør vi lagre kulturer. Plutselig dukker det opp nye spm/metoder

19 Takk til: Janne Oseberg Rønning, Anne Torunn Mengshoel og alle på TB labben på FHI + diverse samarbeidspartnere