DOI: https://doi.org/10.1038/s44259-025-00169-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41507571
تاريخ النشر: 2026-01-08
المؤلف: Chad M. Centner وآخرون
الموضوع الرئيسي: استخدام المضادات الحيوية والمقاومة
نظرة عامة
تتناول المراجعة الدور الحاسم لقواعد بيانات مقاومة المضادات الحيوية (AMR) في تحديد محددات مقاومة المضادات الحيوية من بيانات الجينوم للجراثيم وتوقع ملفات المقاومة، مما يعزز مراقبة مقاومة المضادات الحيوية ويبلغ التدخلات الصحية العامة. تبرز المراجعة التباين بين قواعد بيانات مقاومة المضادات الحيوية المتاحة مجانًا وتؤكد على أهميتها في المراقبة الجينومية، وإدارة التفشي، ومكافحة العدوى. يدعو المؤلفون إلى جهود تعاونية لتحسين جودة البيانات، والتوحيد، والتمثيل العالمي، والوصول، مع تقليل التكرار والتجزئة.
تحدد الخاتمة الحاجة إلى موارد مركزية، مثل نظام مراقبة مقاومة المضادات الحيوية العالمي التابع لمنظمة الصحة العالمية (GLASS)، الذي يهدف إلى دمج بيانات الجينوم من أجل مراقبة شاملة. يقترح المؤلفون تطوير كتالوج موحد لمحددات مقاومة المضادات الحيوية، مع التركيز في البداية على الجراثيم ذات الأولوية، لدعم الجهود العالمية. يؤكدون على أهمية التعاون الدولي ومشاركة البيانات لتعزيز اكتمال وتمثيل قواعد بيانات مقاومة المضادات الحيوية. قد تشمل التطورات المستقبلية دمج بيانات الجينوم والبيانات الظاهرة، وتطبيق التعلم الآلي لتوقع الظواهر، وإنشاء معايير بيانات لضمان صلاحية هذه الموارد. يدعو المؤلفون إلى دعم مستمر من الحكومات، ووكالات الصحة العامة، والباحثين لبناء وصيانة هذه الموارد الجينومية الأساسية لمقاومة المضادات الحيوية، والتي تعتبر حيوية لتحسين نتائج الصحة العالمية.
طرق
في هذه الدراسة، هدف المؤلفون إلى تحديد قواعد بيانات مقاومة المضادات الحيوية (AMR) من خلال إجراء بحث منهجي على مركز المعلومات الوطنية للتكنولوجيا الحيوية (NCBI) PubMed. استخدموا مصطلحات البحث: (مقاومة المضادات الحيوية* أو مقاومة المضادات الحيوية*) AND (طفرة أو جين أو متغير أو محدد) AND (كتالوج أو قاعدة بيانات)، مع التركيز على المقالات المنشورة من 1 يناير 2017 إلى 31 ديسمبر 2023. أسفر هذا البحث عن 1,300 مقالة، منها 22 كانت مرتبطة مباشرة بـ 12 قاعدة بيانات لمقاومة المضادات الحيوية. كشفت التحقيقات الإضافية من خلال قوائم المراجع والبحث عبر الإنترنت عن 12 قاعدة بيانات إضافية.
في النهاية، حدد المؤلفون 24 قاعدة بيانات تلبي معايير الإدراج الخاصة بهم. من بين هذه، تم اعتبار 8 قواعد بيانات ذات صلة بتطبيقات تسلسل الجينوم الكامل، وكانت متاحة مجانًا، وتم تحديثها بانتظام (محددًا بأنها تحتوي على تحديث واحد على الأقل بين 1 يناير 2024 و1 يناير 2025). بالإضافة إلى ذلك، كانت هذه القواعد ذات صلة على الأقل بجرثوم واحد ذي أولوية من منظمة الصحة العالمية وتغطي آليات مقاومة متعددة، وفئات المضادات الحيوية، أو فئات التعقيم، كما هو موضح في الجدول 1.
مناقشة
يوفر قسم المناقشة في ورقة البحث مراجعة شاملة لمختلف قواعد بيانات مقاومة المضادات الحيوية (AMR)، مع تسليط الضوء على هياكلها، ووظائفها، ومساهماتها في الصحة العامة. تُعتبر قاعدة بيانات مقاومة المضادات الحيوية الشاملة (CARD) ملحوظة لقاعدة بيانات التسلسل المنسقة الخاصة بها وأنتولوجيا مقاومة المضادات الحيوية (ARO)، مما يعزز إدارة البيانات والتشغيل البيني. تتطلب معايير إدراج CARD أوصافًا تمت مراجعتها من قبل الأقران لمحددات مقاومة المضادات الحيوية والأدلة التجريبية المرتبطة بها، مما يضمن بيانات عالية الجودة. تكمل قاعدة بيانات AMRFinderPlus قاعدة CARD من خلال استخدام نماذج ماركوف المخفية لتصنيف جينات ومتحولات مقاومة المضادات الحيوية، بينما تركز ResFinder على محددات المقاومة المكتسبة، مع التأكيد على الأهمية السريرية من خلال التوقعات الحاسوبية.
يناقش القسم أيضًا دور قواعد بيانات مثل Kleborate وPathogenwatch في تحليل الجراثيم المحددة، وتقديم رؤى مخصصة حول آليات المقاومة وتسهيل المراقبة الجينومية. يُظهر كتالوج منظمة الصحة العالمية للطفيرات في مجمع المتفطرة السلية (MTBc) كيف يمكن أن تُعلم جمع البيانات المنهجي إرشادات العلاج واستراتيجيات الصحة العامة. على الرغم من التقدم، لا تزال التحديات قائمة، بما في ذلك التغطية غير الكاملة لتنوع مقاومة المضادات الحيوية، والدقة في ارتباطات الجينوتيب-الظاهرة، والحاجة إلى ممارسات تنسيق موحدة. إن معالجة هذه التحديات أمر حيوي لتعزيز فعالية قواعد بيانات مقاومة المضادات الحيوية في مكافحة مقاومة المضادات الحيوية وإبلاغ اتخاذ القرارات السريرية.
DOI: https://doi.org/10.1038/s44259-025-00169-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41507571
Publication Date: 2026-01-08
Author(s): Chad M. Centner et al.
Primary Topic: Antibiotic Use and Resistance
Overview
The review discusses the critical role of antimicrobial resistance (AMR) databases in identifying AMR determinants from pathogen genomic data and predicting resistance profiles, thereby enhancing AMR surveillance and informing public health interventions. It highlights the variability among existing freely available AMR databases and emphasizes their importance in genomic surveillance, outbreak management, and infection control. The authors advocate for collaborative efforts to improve data quality, standardization, global representation, and accessibility, while minimizing duplication and fragmentation.
The conclusion outlines the need for centralized resources, such as the WHO’s Global Antimicrobial Resistance Surveillance System (GLASS), which aims to integrate genomic data for comprehensive surveillance. The authors propose the development of a standardized catalogue of AMR determinants, initially focusing on priority pathogens, to support global efforts. They stress the importance of international collaboration and data sharing to enhance the completeness and representation of AMR databases. Future advancements may include the integration of genomic and phenotypic data, the application of machine learning for phenotype prediction, and the establishment of data standards to ensure the validity of these resources. The authors call for sustained support from governments, public health agencies, and researchers to build and maintain these essential AMR genomic resources, which are vital for improving global health outcomes.
Methods
In this study, the authors aimed to identify antimicrobial resistance (AMR) databases by conducting a systematic search on the National Centre for Biotechnology Information (NCBI) PubMed. They utilized the search terms: (antimicrobial resistan* OR antibiotic resistan*) AND (mutation OR gene OR variant OR determinant) AND (catalogue OR database), focusing on articles published from January 1, 2017, to December 31, 2023. This search yielded 1,300 articles, of which 22 were directly related to 12 AMR databases. Further investigation through reference lists and web searches revealed an additional 12 databases.
Ultimately, the authors identified 24 databases that met their inclusion criteria. Out of these, 8 databases were deemed relevant for whole genome sequencing applications, were freely accessible, and had been regularly updated (defined as having at least one update between January 1, 2024, and January 1, 2025). Additionally, these databases were pertinent to at least one WHO bacterial priority pathogen and covered multiple AMR mechanisms, antibiotic classes, or disinfection classes, as detailed in Table 1.
Discussion
The discussion section of the research paper provides a comprehensive review of various antibiotic resistance (AMR) databases, highlighting their structures, functionalities, and contributions to public health. The Comprehensive Antibiotic Resistance Database (CARD) is noted for its curated sequence database and the antibiotic resistance ontology (ARO), which enhances data management and interoperability. CARD’s inclusion criteria require peer-reviewed descriptions of AMR determinants and associated experimental evidence, ensuring high-quality data. The AMRFinderPlus database complements CARD by utilizing hidden Markov models to classify AMR genes and mutations, while ResFinder focuses on acquired resistance determinants, emphasizing clinical relevance through in silico predictions.
The section also discusses the role of databases like Kleborate and Pathogenwatch in analyzing specific pathogens, providing tailored insights into resistance mechanisms and facilitating genomic surveillance. The WHO catalogue of mutations in Mycobacterium tuberculosis complex (MTBc) exemplifies how systematic data collection can inform treatment guidelines and public health strategies. Despite the advancements, challenges remain, including incomplete coverage of AMR diversity, accuracy in genotype-phenotype associations, and the need for standardized curation practices. Addressing these challenges is crucial for enhancing the effectiveness of AMR databases in combating antibiotic resistance and informing clinical decision-making.