《Nucleic Acids Research》：Omni-ARMD: an integrated genomic and clinical knowledgebase bridging clinical phenotypes and molecular determinants of antimicrobial resistance
编辑推荐：
抗菌药物耐药（AMR）是全球健康重大威胁，但其分子决定因素在真实世界环境中仍难以表征，因为基因组与临床数据分散于不同资源。现有数据库通常将基因水平机制、经整理的基因型–表型关联和大规模临床抗菌药物敏感性试验（AST）数据彼此分离，限制跨尺度解读。在此，研究人员
抗菌药物耐药（AMR）是全球健康重大威胁，但其分子决定因素在真实世界环境中仍难以表征，因为基因组与临床数据分散于不同资源。现有数据库通常将基因水平机制、经整理的基因型–表型关联和大规模临床抗菌药物敏感性试验（AST）数据彼此分离，限制跨尺度解读。在此，研究人员提出Omni-ARMD，一个开放获取知识库，整合多来源基因组与临床数据，以系统推断AMR中的基因型–表型关系。Omni-ARMD通过置信加权log-odds富集框架，将大规模临床AST记录与基因水平耐药证据桥接；该框架在微生物–抗菌药物水平量化基因型–表型关联，并将这些关联整合为聚合的跨域证据表示。当前版本包含来自超过100万例患者的逾1200万条去标识微生物学记录，经统一化生成逾783万条标准化AST记录。其还整合逾36万条基因–表型关联，覆盖38种微生物、52种抗菌药物和375个耐药基因。Omni-ARMD将逾516万条临床记录与基因组证据连接，匹配率达65.86%，微生物–抗菌药物对覆盖率为2.61%。Omni-ARMD提供用于临床调查、基因组证据分析、机制解释和人工智能（AI）辅助探索的交互模块，支持AMR中整合性与数据驱动的发现。Omni-ARMD可在www.omniarmd.cn免费获取。
研究背景与科学问题。抗菌药物耐药（AMR）持续构成全球健康挑战，并增加经验性抗菌治疗的不确定性。2021年细菌AMR相关死亡估计为471万例，其中114万例直接归因于耐药；若不有效干预，2050年全球每年AMR归因死亡预计达191万例。临床实践中药敏结果常需48–72 h才可获得，经验性治疗需在病原、局部易感性、既往抗菌暴露和耐药机制等信息不完整时决策。现有证据高度异质：临床微生物记录提供真实世界微生物–抗菌药物易感性分布，但常缺乏与耐药基因或机制证据的显式联系；CARD等基因组资源整理耐药决定因素、机制和本体，但通常不直接连接患者来源的临床AST记录；EMBL-EBI-AMR等基因型–表型关联资源提供群体水平统计关系，但缺乏临床背景，且基因存在并不必然对应耐药表型。临床AST数据、基因组耐药知识和基因型–表型关联多独立发展，缺乏统一整合层。基于此，研究人员开发Omni-ARMD，以统一框架整合临床、表型和基因组证据；该论文发表于《Nucleic Acids Research》。该研究结论和意义在于构建开放获取知识库，将临床AST表型、基因型–表型证据及微生物–抗菌药物桥接知识整合为可追溯框架，支持AMR监测、机制探索、预测建模和证据缺口识别。
关键技术方法。临床表型层整合4个公开ARMD队列（ARMD-Stanford、ARMD-UTSW、ARMD-ECUH、ARMD-MGB，其中MGB来自PhysioNet）及中山大学附属第七医院（深圳）新整理的CNSZ队列；分子证据来自EMBL-EBI AMR Portal和CNSZ全基因组测序（WGS；GSA-Human号HRA020197），并用CARD/ARO（Comprehensive Antibiotic Resistance Database/Antibiotic Resistance Ontology，综合抗生素耐药数据库/耐药本体）注释。流程包括将微生物、抗菌药物和AST表型标准化为S/I/R，映射至NCBI Taxonomy、国际非专利药名（INN）及WHO ATC/DDD分类；构建基因型–表型关联评分（GPAS）和Omni-Bridge匹配；机制记录导入Neo4j；采用H2O AutoML、SHAP（Shapley加性解释）及检索增强生成（RAG）式Omni-Agent。
主要研究结果。数据库内容与使用方面，研究人员比较Omni-ARMD与代表性AMR资源，显示其同时覆盖临床AST、AMR基因、基因型–表型链接、临床–基因型映射、证据评分、AI解释和临床监测能力，构建了连接AST表型与微生物–抗菌药物–基因知识的临床–基因组框架。Omni-ARMD概览方面，当前版本纳入12 025 180条培养记录、1 011 009例患者，经统一化保留7 838 413条标准化微生物–抗菌药物AST记录，覆盖479种微生物和86种抗菌药物；证据图谱含362 974条基因型–表型记录，聚合为6 173个独特微生物–抗菌药物–基因关联，覆盖38种微生物、52种抗菌药物和375个耐药基因；证据置信度分为高、中、低和极低，并给出耐药/敏感方向和证据不足分类。结论是Omni-ARMD可在种–药–基因水平系统解释耐药模式，为监测、机制探索和预测建模提供基础。使用与功能方面，平台通过临床图谱、证据图谱和Omni-Bridge支持多维查询、可视化与证据缺口识别，结论是可在统一界面中开展可解释的跨域分析。通过ARMD Clinical Atlas探索临床AMR模式方面，用户可按微生物、抗菌药物、来源和时间探索S/I/R分布、耐药热图和时间趋势；非易感率按观察性AST比例计算而非人群流行病学估计，MGB时间戳经归一化仅保留相对时序，结论是临床图谱支持跨来源和跨时间耐药模式探索。通过AMR Evidence Atlas解读基因型–表型证据方面，GPAS经参数敏感性、传统关联指标基准比较和文献支持评估，排名稳定，与校正logOR、signed Chi-square和signed Fisher统计量具较高一致性，前100个多样化高排名关联中81个有已发表证据支持，结论是该图谱强调关联强度、方向和不确定性，可区分支持充分与稀疏/不确定的耐药决定因素。通过Omni-Bridge连接临床观察与分子证据方面，7 838 413条标准化记录中5 162 115条（65.86%）匹配至至少一个基因水平证据；7 332个微生物–抗菌药物对中仅191个（2.61%）有分子证据支持，97.39%尚无基因型–表型证据支持；排除CNSZ分子证据后，匹配记录降至1 940 210条（24.75%），对覆盖率降至1.34%，但444个关联仍可检测，GPAS排名一致性ρ=0.946，结论是桥接揭示广泛证据缺口，同时高GPAS关联模式较稳健。病例研究：克林霉素耐药肺炎链球菌（Streptococcus pneumoniae）的整合探索方面，临床分析显示1 059株中非易感率23.23%，其中耐药19.17%、中介4.06%；基因组证据显示erm基因为主要决定因素，平均证据评分2.38；Omni-Bridge显示临床表型与基因组信号高度一致并偏耐药；时间分析显示非易感率早期接近100%后下降并趋稳；知识图谱将erm映射至抗生素靶点改变（核糖体靶点甲基化）；模型示例粪肠球菌（Enterococcus faecalis）–四环素（tetracycline）内部患者水平验证AUROC（受试者工作特征曲线下面积）为0.622、AUPRC（精确率–召回率曲线下面积）为0.838，源留出验证AUROC为0.479–0.525，AUPRC接近耐药流行率基线；Omni-Agent在50个查询中准确率96%、可追溯性95%、弃答率100%、幻觉率1%。结论是该案例实现监测、分子证据、机制解释、建模和AI辅助的端到端整合，但模型跨机构泛化有限，AI不替代专家判断。
讨论与结论。讨论指出，Omni-ARMD的动因是经验性治疗在病原鉴定和AST结果前的显著不确定性，以及AMR证据空间长期孤立。相较CLSI（Clinical and Laboratory Standards Institute，临床和实验室标准协会）和EUCAST（European Committee on Antimicrobial Susceptibility Testing，欧洲抗菌药物敏感性试验委员会）等仅定义解释标准而缺乏真实世界数据集，CHINET和CARSS等监测系统通常不整合分子证据，CARD和EMBL-EBI-AMR等虽提供高质量分子证据但未直接连接大规模临床易感性分布，Omni-ARMD将基因水平证据映射至广泛临床AST空间，便于评估耐药机制的临床相关性和覆盖度。Omni-Bridge采用微生物–抗菌药物匹配而非分离株水平基因组连接，使异构数据可扩展整合，并显式呈现桥接覆盖、证据置信度、耐药方向和证据缺口。局限包括：真实世界AST数据受不同机构流程影响，尽管统一化仍可能残留变异；MGB时间转换不保留原始日历日期；证据图谱受来源限制并非穷尽，如blaTEM、blaSHV、blaCTX-M和pbp1A未出现在所用原始EMBL-EBI AMR Portal和CNSZ记录中；基因型–表型关联为统计证据而非因果；桥接目前限于微生物–抗菌药物水平，不能进行分离株或谱系特异分析；H2O AutoML预测框架跨机构泛化有限，需更广验证。研究结论可译为：Omni-ARMD既是AMR知识的整合资源，也是识别临床耐药表型与潜在分子证据之间关键缺口的框架，从而指导未来AMR研究，并提供交互模块支持AMR中的整合性与数据驱动发现。
