Palabras clave
Genes de resistencia a los medicamentos
Metales pesados
Nanomedicina
Nanopartículas
Resistencia a los antimicrobianos
Cómo citar
Resumen
La resistencia antimicrobiana representa una de las amenazas más importantes para la salud pública, especialmente en infecciones hospitalarias causadas por bacterias multirresistentes (BMR). En los últimos años, la nanomedicina ha propuesto el uso de nanopartículas metálicas (NPs) como alternativa terapéutica por su capacidad de liberar iones con efecto bactericida y generar estrés oxidativo. Sin embargo, la existencia de genes bacterianos que confieren resistencia a metales pesados podría limitar su eficacia. El objetivo de este estudio fue analizar la distribución de genes de resistencia a metales en la base de datos abierta MEGARes v3.0 y explorar su relación con genes de resistencia a antibióticos clínicamente relevantes. Se realizó un estudio observacional y descriptivo-analítico de 8,733 genes clasificados en antibióticos, metales, biocidas y multicompuestos. Los antibióticos representaron el 86.7 % de los genes, destacando los β-lactámicos (n = 4,599), mientras que los metales correspondieron al 6.1 %, con predominio de resistencia multimetal (n = 224), cobre (n = 115) y mercurio (n = 62). Se observaron mecanismos basados en proteínas detoxificantes y bombas de eflujo (ABC/RND). La categoría multicompuesto evidenció coexistencia de determinantes de resistencia entre antibióticos, biocidas y metales. El análisis de chi-cuadrada indicó diferencias significativas en la distribución de clases (χ² = 144.26; p < 0.0001). Estos hallazgos sugieren que la resistencia a metales pesados es un fenómeno extendido y puede representar una barrera para la eficacia clínica de las nanopartículas metálicas en la nanomedicina antimicrobiana.
Citas
World Health Organization. Global action plan on antimicrobial resistance. Geneva (CH): World Health Organization; 2015. 64 p. Available from: https://www.who.int/publications/i/item/9789241509763
Antimicrobial Resistance Collaborators. Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. Lancet. 2022 Feb 12;399(10325):629-655. doi: 10.1016/S0140-6736(21)02724-0. Epub 2022 Jan 19. Erratum in: Lancet. 2022 Oct 1;400(10358):1102. doi: 10.1016/S0140-6736(21)02653-2. PMID: 35065702; PMCID: PMC8841637.
Price R. O'Neill report on antimicrobial resistance: funding for antimicrobial specialists should be improved. Eur J Hosp Pharm. 2016 Jul;23(4):245-247. doi: 10.1136/ejhpharm-2016-001013. PMID: 31156859; PMCID: PMC6451500.
Tacconelli E, Carrara E, Savoldi A, Harbarth S, Mendelson M, Monnet DL, Pulcini C, Kahlmeter G, Kluytmans J, Carmeli Y, Ouellette M, Outterson K, Patel J, Cavaleri M, Cox EM, Houchens CR, Grayson ML, Hansen P, Singh N, Theuretzbacher U, Magrini N; WHO Pathogens Priority List Working Group. Discovery, research, and development of new antibiotics: the WHO priority list of antibiotic-resistant bacteria and tuberculosis. Lancet Infect Dis. 2018 Mar;18(3):318-327. doi: 10.1016/S1473-3099(17)30753-3. Epub 2017 Dec 21. PMID: 29276051.
Rai MK, Deshmukh SD, Ingle AP, Gade AK. Silver nanoparticles: the powerful nanoweapon against multidrug-resistant bacteria. J Appl Microbiol. 2012 May;112(5):841-52. doi: 10.1111/j.1365-2672.2012.05253.x. Epub 2012 Mar 28. PMID: 22324439.
Dakal TC, Kumar A, Majumdar RS, Yadav V. Mechanistic Basis of Antimicrobial Actions of Silver Nanoparticles. Front Microbiol. 2016 Nov 16;7:1831. doi: 10.3389/fmicb.2016.01831. PMID: 27899918; PMCID: PMC5110546.
Singh P, Pandit S, Beshay M, Mokkapati VRSS, Garnaes J, Olsson ME, Sultan A, Mackevica A, Mateiu RV, Lütken H, Daugaard AE, Baun A, Mijakovic I. Anti-biofilm effects of gold and silver nanoparticles synthesized by the Rhodiola rosea rhizome extracts. Artif Cells Nanomed Biotechnol. 2018;46(sup3):S886-S899. doi: 10.1080/21691401.2018.1518909. Epub 2018 Nov 13. PMID: 30422688.
Baker-Austin C, Wright MS, Stepanauskas R, McArthur JV. Co-selection of antibiotic and metal resistance. Trends Microbiol. 2006 Apr;14(4):176-82. doi: 10.1016/j.tim.2006.02.006. Epub 2006 Mar 14. PMID: 16537105.
Seiler C, Berendonk TU. Heavy metal driven co-selection of antibiotic resistance in soil and water bodies impacted by agriculture and aquaculture. Front Microbiol. 2012 Dec 14;3:399. doi: 10.3389/fmicb.2012.00399. PMID: 23248620; PMCID: PMC3522115.
Pal C, Asiani K, Arya S, Rensing C, Stekel DJ, Larsson DGJ, Hobman JL. Metal Resistance and Its Association With Antibiotic Resistance. Adv Microb Physiol. 2017;70:261-313. doi: 10.1016/bs.ampbs.2017.02.001. Epub 2017 Apr 3. PMID: 28528649.
Wales AD, Davies RH. Co-Selection of Resistance to Antibiotics, Biocides and Heavy Metals, and Its Relevance to Foodborne Pathogens. Antibiotics (Basel). 2015 Nov 13;4(4):567-604. doi: 10.3390/antibiotics4040567. PMID: 27025641; PMCID: PMC4790313.
Puvača N, de Llanos Frutos R. Antimicrobial Resistance in Escherichia coli Strains Isolated from Humans and Pet Animals. Antibiotics (Basel). 2021 Jan 13;10(1):69. doi: 10.3390/antibiotics10010069. PMID: 33450827; PMCID: PMC7828219.
Kot B, Witeska M, Szweda P, Piechota M, Kondera E, Horoszewicz E, Balak I, Bin Hafeez A, Synowiec A. Antibiotic Resistance, Virulence Genes, and Molecular Diversity of Clinical Klebsiella pneumoniae Isolates from Patients of District Hospital in Central Poland. Pathogens. 2025 Jun 30;14(7):648. doi: 10.3390/pathogens14070648. PMID: 40732695; PMCID: PMC12298917.
Doster E, Lakin SM, Dean CJ, Wolfe C, Young JG, Boucher C, Belk KE, Noyes NR, Morley PS. MEGARes 2.0: a database for classification of antimicrobial drug, biocide and metal resistance determinants in metagenomic sequence data. Nucleic Acids Res. 2020 Jan 8;48(D1):D561-D569. doi: 10.1093/nar/gkz1010. PMID: 31722416; PMCID: PMC7145535.
Lakin SM, Dean C, Noyes NR, Dettenwanger A, Ross AS, Doster E, Rovira P, Abdo Z, Jones KL, Ruiz J, Belk KE, Morley PS, Boucher C. MEGARes: an antimicrobial resistance database for high throughput sequencing. Nucleic Acids Res. 2017 Jan 4;45(D1):D574-D580. doi: 10.1093/nar/gkw1009. Epub 2016 Nov 28. PMID: 27899569; PMCID: PMC5210519.
Bonin N, Doster E, Worley H, Pinnell LJ, Bravo JE, Ferm P, Marini S, Prosperi M, Noyes N, Morley PS, Boucher C. MEGARes and AMR++, v3.0: an updated comprehensive database of antimicrobial resistance determinants and an improved software pipeline for classification using high-throughput sequencing. Nucleic Acids Res. 2023 Jan 6;51(D1):D744-D752. doi: 10.1093/nar/gkac1047. PMID: 36382407; PMCID: PMC9825433.
McKinney W. Data Structures for Statistical Computing in Python. Proc 9th Python in Science Conf. 2010;445:51–56.
Virtanen P, Gommers R, Oliphant TE, Haberland M, Reddy T, Cournapeau D, Burovski E, Peterson P, Weckesser W, Bright J, van der Walt SJ, Brett M, Wilson J, Millman KJ, Mayorov N, Nelson ARJ, Jones E, Kern R, Larson E, Carey CJ, Polat İ, Feng Y, Moore EW, VanderPlas J, Laxalde D, Perktold J, Cimrman R, Henriksen I, Quintero EA, Harris CR, Archibald AM, Ribeiro AH, Pedregosa F, van Mulbregt P; SciPy 1.0 Contributors. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nat Methods. 2020 Mar;17(3):261-272. doi: 10.1038/s41592-019-0686-2. Epub 2020 Feb 3. Erratum in: Nat Methods. 2020 Mar;17(3):352. doi: 10.1038/s41592-020-0772-5. PMID: 32015543; PMCID: PMC7056644.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2026 En caso de que el manuscrito sea aprobado para su publicación, los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y de que pueda editarlo, reproducirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos.