Characterisation of a new megaplasmid family associated with the spread of multidrug resistance in Pseudomonas aeruginosa
Notice bibliographique
Résumé
Unlike in other important pathogens, the role of plasmids in the emergence of antimicrobial resistance (AMR) in Pseudomonas aeruginosa (Pa) has remained largely unaddressed. Previous work on AMR in Pa has mostly used genome sequencing methods that are limited because of the difficulty of using short-read data to detect and reconstruct complex plasmids. Here, using superior long-read sequencing, comprehensive bioinformatics analyses, and experimental characterization, we uncover an emerging family of important Pseudomonas megaplasmids and report its contribution to dissemination of multidrug resistance (MDR) on a global scale. Firstly, we identified large plasmids with a key role in the spread of MDR in a hospital in Thailand, and characterised their resistance regions revealing evidence of duplication, recombination and shared repeats, indicative of dynamic adaptation. Applying phylogenomics and pangenomics approaches we linked related megaplasmids and defined a core and pangenome for the family, exposing wide variations in AMR genes carriage. We then surveyed thousands of publicly available genomes, leading to discovery of dozens of megaplasmid relatives overlooked in multiple datasets, including already published studies. By integrating all this information and looking beyond the pathogenic species we gained valuable insights into the evolution of the megaplasmid family and revealed its widespread and multispecies distribution. We also showed that members of this family are stable in the absence of antibiotic pressure, bear no fitness cost to their host, and can be readily transferred between different Pseudomonas species. Our findings expand the bacterial plasmidome and provide insights on how MDR plasmids emerge from environmental reservoirs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».