Return to search

Genotypisierung von Streptococcus agalactiae mithilfe des DNA-Microarray

Streptococcus (S.) agalactiae sind grampositive, in Ketten gelagerte Kokken, die auf Blutagar eine Hämolyse zeigen. Aufgrund ihrer Zugehörigkeit zur Lancefield-Gruppe B werden sie auch als Gruppe B Streptokokken (GBS) bezeichnet (Hof, 2005). GBS sind die Hauptursache von Sepsis, Meningitis und Pneumonie bei Neugeborenen (Schrag, et al., 2000).
Die Arbeit beschäftigte sich mit der Genotypisierung von GBS. Darüber hinaus konnten auch Einblicke in die Phylogenese sowie die Populationsstruktur von GBS gewonnen werden. Ziel war es, einen DNA-Microarray zu entwickeln und zur Genotypisierung von GBS einzusetzen. Während der Evaluierung des DNA Microarray konnten stammspezifische Muster beobachtet werden, diese wurden durch bereits etablierte Typisierungmethoden (MLST) bekannten Genotypen zugeordnet. Die Ergebnisse wurden in einer Datenbank zusammengefasst. Mithilfe der Datenbank konnte die Software zur Auswertung entwickelt werden.
(siehe http://alere-technologies.com/en/products/lab-solutions.html).
Der DNA-Microarray trägt Sonden für GBS-spezifische Virulenzfaktoren und Oberflächenmarker. Für die auf dem Microarray basierende Typisierung wurden 11 über das ganze Genom verteilte Gene bzw. Gencluster (bac, alp, pil1 locus, pepS8, fBsB, capsule locus, hylB, abiG-I/-II plus Q8DZ34, pil2 locus, nss plus srr plus rogB2 und rgfC/A/D/B) ausgewählt. Ubiquitär vorkommende, konservierte Gene (z. B. cylD/cylE) eignen sich nicht als Marker für eine Typisierung, wurden aber als Kontrollen und zur Normierung eingeschlossen. Zur vollständigen Charakterisierung wurden außerdem Sonden für hochmobile plasmidgebundene Resistenzgene wie z. B. erm(A), erm(B), erm(C), tet(M), emrB/qacA aufgetragen (Aracil, et al., 2002; Betriu, et al., 2003; Uh, et al., 2001). Diese Gene sind nicht für GBS spezifisch. Sie eignen sich z. B. für eine Unterscheidung einzelner Isolate, nicht jedoch für die Unterteilung der GBS Population in verschiedene Stämme.
Für die vorliegende Arbeit wurden insgesamt 448 klinische Isolate von GBS ausgewählt und untersucht. Darunter waren Isolate, die schwerwiegende Erkrankungen wie Sepsis und Meningitis verursacht haben, Isolate aus lokalen Infektionen sowie Isolate von asymptomatischen/gesunden Trägern. Zu Vergleichszwecken wurden außerdem Isolate aus der Veterinärmedizin (von bovinen Mastitisfällen) und humane Isolate aus einer geographisch weit entfernten Region (Trinidad und Tobago) genotypisiert. Für 36 ausgewählte Isolate mit repräsentativen Hybridisierungsmustern wurde zusätzlich eine Typisierung mittels Multilocus-Sequenztypisierung (MLST) (Jones, et al., 2003) durchgeführt. Die Hybridisierungsmuster vom Microarray wurden mit Daten aus diesem bereits etablierten Typisierungssystem verbunden. Durch die Verknüpfung beider Methoden konnte eine Einteilung der GBS Isolate in verschiedene Stämme vorgenommen werden. Mit Hilfe des eBURST-Algorithmus wurde gezeigt, dass einige Hybridisierungsmuster sich zu Gruppen zusammenfügen. Dieses Verfahren veranschaulicht die Populationsstruktur und beschreibt die genetische Vielfalt.
Mit den 11 definierten Markern konnten die untersuchten Isolate 76 verschiedenen Stämmen bzw. „hybridization profiles“ (HP) zugeordnet werden. Die Einteilung beruht auf dem Fehlen bzw. Vorhandensein einzelner Gene/Gencluster bzw. deren allelischen Varianten. Diese Stämme korrelieren mit den durch MLST definierten klonalen Komplexen (CC). Isolate mit identischen oder ähnlichen Hybridisierungsprofilen gehören zum selben CC. Dagegen können Isolate mit einem ähnlichen MLST-Profil verschiedene Hybridisierungsmuster zeigen. Es konnte außerdem häufig beobachtet werden, dass ansonsten ähnliche Stämme sich in einzelnen Merkmalen, z. B. Kapsel-Genen, alp- oder pili-Genen, voneinander unterscheiden, und dass diese Gene unabhängig voneinander variieren. Zusätzlich zeigten einige ubiquitäre Gene/Gencluster, die sich in den publizierten Genomsequenzen immer an derselben Position befinden, zahlreiche verschiedene Allele. Welches Allel in einem gegebenen Stamm gerade vorliegt, scheint dabei eher zufällig zu sein. Eine Erklärung dieses Phänomens könnte in vergangenen Rekombinationsereignissen liegen. Auch eine konvergente Evolution könnte diskutiert werden.
Ähnliche Stämme/ „hybridization profiles“ wurden in Analogie zu den MLST-definierten klonalen Komplexen zu Gruppen zusammengefügt. Das bedeutet jedoch nicht notwendigerweise eine direkte Verwandtschaft der Isolate im Sinne des Vorhandenseins eines unmittelbaren gemeinsamen Vorfahren. Die Typisierung sowohl über den DNA-Microarray als auch über die MLST kann nicht die „wahre“ Phylogenese im Rahmen der Evolutionsgeschichte und Herkunft widerspiegeln. Sie stellt lediglich ein zufälliges Modell dar, ein Ordnungssystem im Sinne eines genetischen Fingerabdrucks, das einen Vergleich von Isolaten, aber keine Rückschlüsse über deren Abstammung und Herkunft erlaubt.Die untersuchten GBS Isolate konnten in fünf klonale Komplexe (CC19, CC23, CC26, CC103, CC130) eingeteilt werden, deren Häufigkeit unterschiedlich war. Deutsche humanmedizinische Isolate konnten vorwiegend CC19 zugeordnet werden. Karibische humanmedizinische Isolate sind zumeist CC19 und CC23 zugehörig. Bovine Isolate gehören meist zu CC19 und CC103. Unter humanen Isolaten ist CC103 rar. Vermutlich basierend auf der geografischen und wirtsspezifischen Herkunft der untersuchten GBS Isolate gibt es Unterschiede in der Populationsstruktur.
In der vorliegenden Arbeit war CC19 der am häufigsten gefundene und außerdem ein genetisch besonders inhomogener CC. Er besteht aus mehreren unterschiedlichen, bisher als eigenständig angesehenen CCs (darunter CC1, CC17, CC19 und CC22). Diese werden von dem zur MLST-Verwandtschaftsanalysen verwendeten eBURST-Algorithmus zu CC19 zusammengefasst, seit die MLST-Profile von 'missing links' zwischen den CCs identifiziert wurden, da eBURST „gemeinsame Vorfahren“ nicht von durch horizontalem Gentransfer bzw. durch Hybridisierungen entstandenen „Chimären“ unterscheiden kann. Da diese Komplexe klar unterscheidbare Hybridisierungsmuster aufweisen, wurden sie hier als CC19/01, CC19/17, CC19/19 und CC19/22 bezeichnet.
Einzelne Gene traten in Gruppen von Isolaten aus verschiedener Herkunft unterschiedlich häufig auf. So fand sich der Virulenzfaktor scpB in 412 von 418 humanen Isolaten (98,6 %), aber nur in 10 von 21 Rinderisolaten (48 %). Ferner ließ sich beobachten, dass invasive Isolate weniger wahrscheinlich abiGI-/II und Q8DZ34 tragen, jedoch häufiger pil1 locus, fbsB (515) und Kapseltyp III sowie pil2b, nss/srr und rgf (COH1 like) aufweisen. Einige dieser Marker erscheinen zusammen in CC19/17-Stämmen, welche häufig bei invasiven Krankheitsverläufen beobachtet werden. CC19 (incl. ST01, ST17, ST19) konnte bei neonatalen Sepsis-Fällen in verschiedenen geografischen Regionen isoliert werden (Brzychczy-Wloch, et al., 2012; Ryu, et al., 2014; Sorensen, et al., 2010; Strakova, et al., 2010; Tien, et al., 2011). Zusätzlich wurden andere Virulenzfaktoren wie speM (Exotoxin M) und das cyl-Operon (beta-Hämolysin) untersucht. In lediglich sieben Isolaten wurde speM nachgewiesen. Das cyl-Operon konnte in allen Isolaten gefunden werden, sein Nachweis ist daher für eine Vorhersage der Virulenz eines gegebenen Isolates nicht hilfreich.
Es konnte kein einzelner Faktor zur definitiven Unterscheidung zwischen invasiven Isolaten und Trägerisolaten bestimmt werden. Für die Virulenz eines Isolates ist wahrscheinlich nicht das bloße Vorhandensein oder Fehlen eines bestimmten Genes ausschlaggebend, sondern dessen Expression in vivo. Wichtig wäre in diesem Zusammenhang auch die genaue Betrachtung der Sequenz eines als Virulenzfaktor angesehenen Genes sowie die Untersuchung der zugehörigen regulatorischen Gene.
Über den Nachweis der Gene erm(A), erm(B) und erm(C) konnte eine Aussage über die Macrolid-/Clindamycinresistenz eines GBS Isolates getroffen werden. Bei keinem der karibischen Isolate wurden erm Gene nachgewiesen. Innerhalb der deutschen GBS Population wurde erm(B) am häufigsten beobachtet. Die Gene erm(A) und erm(C) waren in humanen Isolaten selten und wurden in bovinen Isolaten überhaupt nicht gefunden. Das Tetracyclinresistenzgen tet(M) wurde häufig in humanen Isolaten und sehr selten in veterinärmedizinischen Isolaten gefunden.
Für weiterführende Untersuchungen könnte die beschriebene Typisierungsmethode verfeinert werden. So lassen sich z. B. die oben beschriebenen 11 ausgewählten Typisierungsmarker des Microarrays mit denen der MLST zu einem 18 Marker-System verknüpfen. Daneben können auch erm-, cad-, mer- oder tet-Gene zur Feststellung oder zum Ausschluss der Identität verwandter Isolate in vitro oder in silico verwendet werden. Mit der nun einsatzbereiten Genotypisierungsmethode können in Zukunft weitere Studien zur Untersuchung regionaler und wirtsspezifischer Unterschiede der GBS Population durchgeführt werden.
In dieser Arbeit konnte gezeigt werden, dass der DNA-Microarray stabile und reproduzierbare Resultate erbringt. Es kann ein detaillierter Befund erstellt werden, die Ergebnisse sind mit denen anderer Typisierungsmethoden und der Genomsequenzierung vergleichbar. Jedoch steht mit dem DNA-Microarray ein wesentlich unkomplizierteres und schnelleres Procedere zur Verfügung, welches zudem geringere Kosten verursacht.:1. Einleitung 5
1.1 Gegenstand der Untersuchung 5
1.2 Entdeckungsgeschichte 6
1.3 Klinische Bedeutung 7
1.4 Veterinärmedizinische Bedeutung 9
1.5 Stand der Forschung mit Hinblick auf Typisierung von GBS 9
1.6 Ziele der vorliegenden Untersuchung 10
1.7 Vorgehensweise 11
1.7.1 Untersuchungsmaterial 11
1.7.2 Untersuchungsmethode 11
1.8 Zur Typisierung ausgewählte Marker 12
2. DNA Microarray-Based Typing of Streptococcus agalactiae Isolates 15
2.1 Abstract 16
2.2 Introduction 17
2.3 Materials and methods 18
2.3.1 Bacterial isolates 18
2.3.2 Ethics statement 18
2.3.3 Preparation of genomic DNA 19
2.3.4 MLST 19
2.3.5 Microarray design and protocol optimization 19
2.3.6 Microarray procedures 20
2.3.7 eBURST 21
2.4 Results 22
2.4.1 Typing GBS by MLST 22
2.4.2 Genotyping GBS by microarray hybridization 22
2.4.3 Population structure 25
2.4.4 Detection of antibiotic resistance markers 25
2.4.5 Detection of heavy metal resistance markers 26
2.5 Discussion 27
2.6 Acknowledgments 30
2.7 References 31
2.8 Tables and figures 33
3. Zusammenfassung 45
3.1 Zusammenfassung 45
3.2 Summary 49
4. Korrespondenz mit dem Editor 53
4.1 Hinweise des Editors und der Gutachter 53
4.2 Antworten an den Editor 56
4.3 Endgültige Annahme 58
Anhang 61 / Streptococcus (S.) agalactiae are Gram-positive, chain-forming cocci, which show hemolysis on blood agar. They are also referred to group B streptococci (GBS) because of their affiliation to Lancefield-group B (Hof, 2005). GBS are the main cause of sepsis, meningitis and pneumonia in newborns (Schrag, et al., 2000).
The work focused on genotyping of GBS. The aim was to develop a DNA microarray and to use it for epidemiological typing of GBS. During the evaluation of the microarray, strain-specific patterns could be observed and these patterns assigned to genotypes as defined by other typing methods (MLST). The results were summarized in a database that subsequently was developed into software for automated analysis of experiments
(http://alere-technologies.com/en/products/lab-solutions.html).
The DNA microarray carries probes for GBS specific virulence factors and surface markers. For the microarray-based typing, 11 genes or gene clusters were selected that are distributed across the entire genome (bac, alp, pil1 locus, pepS8, fBsB, capsule locus, hylB, abiG-I/-II plus Q8DZ34, pil2 locus, nss plus srr plus rogB2 and rgfC/A/D/B). Ubiquitous, conserved genes (e.g. cylD/cylE) were included to be used as species markers and controls. Furthermore, probes for highly mobile plasmid-borne resistance genes such as erm(A), erm(B), erm(C), tet(M), emrB/qacA were also included (Aracil, et al., 2002; Betriu, et al., 2003; Uh, et al., 2001). These genes are not specific to GBS, but they are found in some isolates. They can be used to distinguish individual, related isolates, rather than for a definition of distinct strains.
A total of 448 isolates of GBS was selected and examined for the present work. Among them were isolates from severe diseases, such as sepsis and meningitis, isolates from local infections as well as isolates from asymptomatic/healthy carriers. For comparison, isolates from veterinary medicine (from cases of bovine mastitis) and human isolates from a geographically distant region (Trinidad and Tobago) were genotyped.
For 36 selected isolates with representative hybridization patterns, parallel typing was performed using a second method, multilocus sequence typing (MLST) (Jones, et al., 2003). Hybridization patterns on the Microarray could thus be linked to this already established typing system. With the array based GBS typing isolates could be divided into 76 different strains or 'hybridization profiles', HP. The classification with both methods is based on the absence or presence of individual genes or gene clusters or their allelic variants.
Similar isolates were lumped together. The eBURST algorithm was used to group strain-specific patterns into groups of related strains illustrating the population structure and describing the genetic diversity. Groups of similar hybridization patterns largely correlate with the clonal complexes (CC) defined by MLST. While isolates with identical or similar hybridization profiles belong to the same CC, isolates with a similar MLST profile can show different hybridization patterns. It has also often been observed that otherwise similar strains differ from each other in individual traits, e.g. capsule genes, alp or pili genes, and that these genes vary independently of one another. In addition, some ubiquitous genes/gene clusters, which are always localized at the same position in the published genomic sequences, show numerous different alleles and related strains (that belong to one clonal complex) might differ in the presence of one allele. Alleles are thus not linked to clonal complexes, but rather randomly distributed. An explanation of this phenomenon could be a frequent occurrence of recombination events or horizontal gene transfers. A convergent evolution could also be discussed as an alternative explanation.
A similarity of hybridization profiles does not necessarily mean a direct phylogenetic relationship between the isolates in the sense of being derived from a direct common ancestor. Typing both the DNA microarray and the MLST cannot reflect the 'true' phylogenesis, evolutionary history and origin. Assuming frequent recombination i.e., random events, the MLST profiles as well as the hybridization patterns can be used as genetic fingerprints, allowing a comparison of isolates, but no conclusions about their phylogeny and origin.
The investigated GBS isolates were classified into five clonal complexes (CC19, CC23, CC26, CC103, CC130) with very different relative abundances indicating differences in the population structure with regard to geographic origin and host organisms. German medical isolates were mainly assigned CC19. Caribbean medical isolates mostly were assigned to CC19 and CC23. Bovine isolates usually belonged to CC19 and CC103. Among human isolates, CC103 was rare. In the present work, CC19 was the most abundant and the genetically most inhomogeneous CC. Several different clusters that previously been regarded as CCs (CC1, CC17, CC19 and CC22) have recently been merged to CC19 by the eBURST algorithm since MLST profiles of missing links between the CCs have been identified. Unfortunately, eBURST cannot distinguish whether two MLST types are linked by true common ancestors or by hybrid or chimera strains originating from horizontal gene transfers or hybridization events. Since these complexes
within CC19 have clearly distinguishable hybridization patterns, they have been referred to herein as CC19/01, CC19/17, CC19/19 and CC19/22, and we assume that they are linked by hybridizations or gene transfers rather than by shared ancestry.
Few differences were found between isolates from different origins. The virulence factor scpB was found in 412 of 418 human isolates (98.6%), but only in 10 of 21 bovine isolates (48%). Furthermore, it was observed that invasive isolates are less likely to carry abiGI-/II and Q8DZ34, but are more likely to have pil1 locus, fbsB (515) and capsule type III as well as pil2b, nss/srr and rgf (COH1 like). Some of these markers appear together in CC19/17 strains, which are often observed in invasive disease. speM (exotoxin M) was also investigated. It was detected only in seven isolates. Contrarily, the cyl (beta-hemolysin) operon was found in all isolates. Thus, it detection is not helpful for a prediction of the virulence of a given isolate.
No single factor could be identified that allowed a definitive distinction between invasive isolates and carrier isolates. Probably, the virulence of an isolate does not depend on the presence or absence of one particular gene. In this context, it would be important to investigate the expression in vivo of the various putative virulence factors as well as the allelic variants of the factors and of their associated regulatory genes.
Macrolide-/clindamycin resistance genes erm(A), erm(B) and erm(C) can also be detected by the microarray. None of these genes was identified in any of the Caribbean isolates. Within the German GBS population, erm(B) was most frequently observed. The genes erm(A) and erm(C) were rare in human isolates, and they were not found in bovine isolates. The tetracycline resistance gene tet(M) was observed frequently in human isolates but only very rarely in veterinary isolates.
With the genotyping method that was developed during the present work, further studies can be carried out to study regional and host-specific differences in the GBS population. For future investigations, the described typing method could further be refined. For example, the 11 selected typing markers on the microarray can be combined with those from MLST to one comprehensive marker system. In addition, it is also possible to use genes on mobile genetic elements such as resistance genes (erm, cad, mer or tet) to prove or to rule out the identity of related isolates in vitro or in silico. In our study, it was shown that the DNA microarray provides stable and reproducible results that are comparable to those of other typing methods and genome sequencing. However, since the DNA microarray offers a much more uncomplicated and faster procedure, which also results in lower costs, it is more suitable to a routine setting.:1. Einleitung 5
1.1 Gegenstand der Untersuchung 5
1.2 Entdeckungsgeschichte 6
1.3 Klinische Bedeutung 7
1.4 Veterinärmedizinische Bedeutung 9
1.5 Stand der Forschung mit Hinblick auf Typisierung von GBS 9
1.6 Ziele der vorliegenden Untersuchung 10
1.7 Vorgehensweise 11
1.7.1 Untersuchungsmaterial 11
1.7.2 Untersuchungsmethode 11
1.8 Zur Typisierung ausgewählte Marker 12
2. DNA Microarray-Based Typing of Streptococcus agalactiae Isolates 15
2.1 Abstract 16
2.2 Introduction 17
2.3 Materials and methods 18
2.3.1 Bacterial isolates 18
2.3.2 Ethics statement 18
2.3.3 Preparation of genomic DNA 19
2.3.4 MLST 19
2.3.5 Microarray design and protocol optimization 19
2.3.6 Microarray procedures 20
2.3.7 eBURST 21
2.4 Results 22
2.4.1 Typing GBS by MLST 22
2.4.2 Genotyping GBS by microarray hybridization 22
2.4.3 Population structure 25
2.4.4 Detection of antibiotic resistance markers 25
2.4.5 Detection of heavy metal resistance markers 26
2.5 Discussion 27
2.6 Acknowledgments 30
2.7 References 31
2.8 Tables and figures 33
3. Zusammenfassung 45
3.1 Zusammenfassung 45
3.2 Summary 49
4. Korrespondenz mit dem Editor 53
4.1 Hinweise des Editors und der Gutachter 53
4.2 Antworten an den Editor 56
4.3 Endgültige Annahme 58
Anhang 61

Identiferoai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:34180
Date11 June 2019
CreatorsNitschke, Heike
ContributorsMonecke, Stefan, Berner, Reinhard, Technische Universität Dresden
Source SetsHochschulschriftenserver (HSSS) der SLUB Dresden
LanguageGerman
Detected LanguageGerman
Typeinfo:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0052 seconds