Descifrar las redes de plásmidos para luchar contra las bacterias resistentes a múltiples fármacos

Alvaro San Millan

Consejo Superior de Investigaciones Científicas (CSIC), Madrid, España

La resistencia a los antimicrobianos (RAM) que presentan las bacterias es un grave problema de salud mundial que provoca más de un millón de muertes cada año. Con frecuencia, las bacterias se vuelven resistentes adquiriendo pequeños fragmentos de ADN, denominados plásmidos, que son portadores de genes de resistencia. Algunas bacterias pueden contener varios plásmidos, lo que les confiere resistencia a múltiples fármacos. Sin embargo, no todas las combinaciones de plásmidos son igual de frecuentes, aunque es un fenómeno que todavía no se comprende plenamente. Este proyecto tiene como objetivo descubrir las reglas de coexistencia de los plásmidos, para poder predecir cuáles tienen más probabilidad de convivir juntos como una «comunidad».

El equipo de investigación pretende mapear las redes de plásmidos, secuenciar bacterias multirresistentes y probar posibles combinaciones de plásmidos candidatos en el laboratorio para aprender a predecir qué plásmidos son más susceptibles de coexistir con otros y cuáles no. Esta información será muy valiosa para prever la aparición de RAM y diseñar estrategias eficaces para evitar su propagación en entornos clínicos. Los resultados se integrarán mediante modelos matemáticos y teoría ecológica, y esta integración representará un avance fundamental para comprender de qué modo las interacciones de los plásmidos conforman el sistema de comunidades de plásmidos en las bacterias clínicas.

Se espera que este proyecto genere resultados absolutamente innovadores, tanto desde una perspectiva de ciencia básica como aplicada, y que contribuya al desarrollo de nuevas herramientas y modelos para predecir y controlar la evolución de la RAM mediada por plásmidos.

• María Teresa Coque, Instituto Ramon y Cajal de Investigación Sanitaria, Madrid, España

Assembly rules of plasmid communities in bacteria: towards predicting antimicrobial resistance

989.250,00 €