《Current Opinion in Systems Biology》：From cells to populations: multi-scale quantitative approaches to antimicrobial resistance
编辑推荐：
抗菌药物耐药性（AMR）是当前关键的全球健康挑战，正日益通过定量和系统层面的方法来加以应对。除进化遗传学和突变适应之外，细菌在抗生素作用下的存活还反映了生理状态转变和代谢约束。研究人员综述了跨尺度的数学模型，从群体层面的方法（涵盖剂量优化、多药治疗、群落效应和
抗菌药物耐药性（AMR）是当前关键的全球健康挑战，正日益通过定量和系统层面的方法来加以应对。除进化遗传学和突变适应之外，细菌在抗生素作用下的存活还反映了生理状态转变和代谢约束。研究人员综述了跨尺度的数学模型，从群体层面的方法（涵盖剂量优化、多药治疗、群落效应和全局上位效应），到基于蛋白质组分配和资源分配的细胞框架。这些粗粒度模型揭示了代谢约束如何塑造抗生素作用、基因编码耐药性以及非遗传耐受性或持留性，尤其是对核糖体抑制剂，以及日益增多的其他抑菌和杀菌药物。它们还识别了非线性行为，包括双稳定性、阈值效应和依赖于状态的耐药策略。尽管实验室模型与临床应用之间存在巨大差距，这一多尺度框架阐明了细菌代谢、群体动态和抗生素作用之间的相互作用。研究人员讨论了当前方法的成就与局限性，以及临床转化必须克服的挑战。
**1. 引言**
抗菌药物耐药性（AMR），即细菌在抗生素治疗下存活的能力，是现代医学中最紧迫的挑战之一。耐药性从根本上是一个进化问题：抗生素对细菌群体施加强烈的选择压力，有利于那些能抵抗其作用的变异体，并使耐药性决定因子得以传播。传统框架强调遗传改变：群体选择降低药物效力的突变，或通过质粒等可移动元件的水平转移获得耐药基因。这一视角指导了监测、诊断和药物发现。新抗生素的开发进展缓慢，但替代方案包括人工智能辅助发现、非抗生素药物再利用、双靶点制剂、既定耐药途径的抑制剂以及噬菌体疗法。现有抗生素也在机制上被重新审视，可能揭示增强其效力的新方法。抗生素暴露下的存活并非仅通过遗传改变产生。细菌还能通过非遗传的生理反应来耐受治疗，包括耐受性和持留性，这一维度日益被认为是抗生素作用的核心。这些转变可能是突然的，并涉及动力系统理论中熟悉的非线性动态：双稳定性、阈值效应和状态转换。因此，一个遗传同质的群体可能在无突变的情况下分裂为耐受性或持留性细胞以及活跃生长的药物敏感细胞。这一生理维度为连接细胞状态与群体结果的定量方法创造了机会。数学模型在相互作用但需要不同方法的组织尺度上解决AMR问题。作者首先回顾了群体层面的剂量、多药治疗、群落效应和全局上位效应方法，然后讨论资源分配、抗生素作用和生理转变的细胞模型。最后总结了连接这些尺度并在临床上转化其见解的挑战，并引入了“动态管理”作为一个理想框架。
**2. AMR中的近期定量进展**
AMR在实验上异常易于处理：细菌在廉价培养基中快速生长，进化可在数天内观察到，自动化生长和药敏试验提供了可重复的定量读数。这使得模型与实验能够异常紧密地结合。以下群体层面的方法针对治疗失败的不同但相关的原因：剂量如何设定杀伤与选择之间的平衡，药物选择和顺序如何塑造耐药性进化，微生物群落如何改变杀伤和持留，以及突变效应如何依赖于遗传背景。治疗失败可能是因为被杀伤的细胞过少，因为存活者在不产生遗传耐药性的情况下耐受药物，或者因为耐药性出现并传播。
**2.1. 抗生素剂量的效应**
Czuppon等人模拟了两种密度依赖形式下的两种药物作用（杀菌和抑菌）。在出生竞争下，拥挤降低分裂；在死亡竞争下，拥挤提高死亡。抑菌药物作用于分裂，杀菌药物作用于死亡，因此作用模式与两种竞争机制以不同方式耦合。耐药性在中等剂量下最容易持续存在：低剂量对敏感群体提供的选择优势很小，而高剂量则抑制耐药细胞或在耐药性建立前消灭群体。中等剂量结合了耐药细胞的明显优势和足够的群体存活以实现该优势。对于死亡竞争下的抑菌药物，使存活最大化的剂量接近敏感菌株的最低抑菌浓度（MIC），这与实证研究一致。
适应性海景将基因型生长速率描述为药物浓度的函数。该框架允许在连续变化暴露下研究进化。King等人表明，固定适应性景观可能错误预测进化轨迹，因为基因型排名随剂量变化。脉冲和连续给药也已被比较：它们的相对性能取决于剂量-反应曲线的凹凸性和野生型与耐药菌株之间的竞争及其死亡速率。控制理论方法包括由Filippov系统建模的阈值策略，其向量场在耐药群体超过指定水平时切换，以及最小化药物浓度同时仍实现根除的方案。
**2.2. 多药治疗：交叉敏感性**
多药治疗可能“拯救”较老的抗生素，尽管某些组合可能不如单一疗法有效。另一种方法是利用交叉敏感性（CS）的序贯治疗，即对一种药物的耐药性通过生理或代谢权衡增加对另一种药物的敏感性。动态CS谱可以指导切换策略，强化学习可以识别有效的方案。Muetter等人将大规模体外实验与建模相结合，发现联合治疗对质粒介导的耐药性最有效。这种优势是该类系统特有的：接合可以将两个耐药质粒组装在一个细胞中，而同时治疗则抑制了单个耐药群体，否则这些群体将成为双重耐药性的储库。Molina-Hernández等人发现，最佳切换周期跟踪群体时间尺度，并揭示了细菌根除与双重耐药性出现之间的帕累托前沿。临床证据仍然有限。实验室CS谱可能是菌株和条件特异性的，在体内可能不同，并且通常是在模式生物和确定培养基中测量，而非在现实环境中的临床分离株。普适性并非必要：针对特定菌株和条件已知的模式仍可指导治疗。然而，临床使用需要在相关背景下具有足够的可预测性，以及基于CS采取行动能改善结局的证据。
**2.3. 群落效应对治疗结局的影响**
大多数实验室研究考察分离状态下的细菌，但体内它们栖息于能改变净杀伤、耐受性或持留性、群落恢复力以及耐药性进化的群落中。这些途径可能指向不同方向，因此必须明确相关的治疗结局。Galera-Laporta和Garcia-Ojalvo表明，共培养可以逆转物种相对于单一培养的抗生素反应。在双稳定群落中，共存物种间的相互作用可以改变相对于单一培养的抗生素反应。例如，即使最终占优势的物种更敏感，抗生素也可能偏向任一物种，而交叉保护相互作用可以使敏感和耐药菌株共存。群落还重塑进化。种间相互作用影响耐药性的出现和传播；受保护病原体中的耐药性可以消除最初保护它的物种，从而移除暴露保护的生态基础；无菌小鼠中的脉冲治疗产生复杂的群落动态、菌株特异性恢复力和耐药变体的选择。
**2.4. 全局上位效应**
全局上位效应描述了突变适应性效应可预测地依赖于背景适应性的趋势。它提供了无需详细生理模型的现象学预测，并已被应用于质粒相容性和环境调节的药物耐药性景观。这些规律在其成立之处是强大的，但其有效域是不均匀的。基因缺失可施加限制耐药性进化的负上位效应，核糖体背景在进一步进化耐药性的能力上可能以特有种方式不同。功能特异性上位效应可以使少数背景偏离原本可重复的轨迹；常驻染色体变异可以增强获得性耐药基因的能力；历史偶然性可以重塑可进化性。因此，全局上位效应应被视为一种依赖于系统的预测工具，其适用性必须被确立而非假定。
**3. 超越群体动态：代谢与抗生素作用之间的反馈**
在群体水平进化之外，抗生素暴露下的存活可能源于由蛋白质组、基因表达、代谢和资源分配约束触发的非线性生理转变。抗生素效应日益被理解为依赖于细菌代谢。这对于靶向核糖体的药物尤其明显，其中翻译抑制与核糖体产生之间的反馈可以产生双稳定性。
**3.1. 资源分配与抗生素效应：蛋白质组分配及其他**
Scott等人将生长与有限蛋白质组在核糖体、代谢和管家部门之间的分配联系起来；Droghetti等人提供了构建此类粗粒度模型的实用指南。细菌生长定律对核糖体抑制抗生素尤为成功。在翻译抑制下，代偿性核糖体产生减少了对耐药蛋白的分配，加强抑制并在相同药物浓度下产生生长和非生长状态。Greulich等人推导了剂量-反应关系，其中药物转运和核糖体结合的可逆性将两种具有相反生长速率依赖性的类别分开：生长更快的细胞对可逆结合剂（如四环素和氯霉素）更敏感，但对有效不可逆结合剂（如链霉素和卡那霉素）敏感性较低。在极端情况下，该谱大致对应于抑菌和杀菌行为。Kavcic等人随后将该框架扩展到抗生素组合。超越核糖体抑制的扩展包括一个胁迫部门，它从生长相关损伤与胁迫反应之间的平衡预测死亡和MIC。一个相关的靶向DNA复制的杀菌药物模型表明，低剂量预处理可以诱导一种蛋白质组分配，牺牲生长同时通过应激蛋白表达提高存活。一个最小自催化循环模型进一步恢复了细菌生长定律和对单药及多药治疗的剂量反应。这些模型在确定培养基中的稳态附近最可靠，此时优化资源分配的假设最合理，并且它们对靶向核糖体的药物最为成功。扩展到杀菌作用和胁迫反应仍是活跃研究而非既定理解。此外，将蛋白质组划分为几个部门必然丢弃分子细节。这种粗粒度化揭示了普遍原理，但限制了跨任意生物和条件的定量预测。
**3.2. 基于生理转变的耐药机制**
代谢约束也塑造了哪些耐药策略是可及的。Pinheiro等人预测了调控、膜、胁迫反应和靶点机制之间依赖剂量的切换。这些切换发生在不同机制的最大生长曲线交叉处。结果不仅取决于生长优势，还取决于突变供应：罕见的靶点突变在低剂量下可能输给更易获得的调控或胁迫反应变化，即使它们最终能支持更快的生长。营养质量进一步改变这些机制，使耐药性进化成为药物浓度、突变速率和代谢背景的联合函数。Piskovsky和Oliveira表明，运动性可以首先加速然后阻碍适应。在临界阈值之上，高度运动的细胞采样到负的空间平均野生型适应性，通过跨临界分岔产生灭绝。Catalán等人模拟了由共享外膜组分的外排泵之间竞争引起的交叉敏感性。一个系统的过表达隔离了该组分，损害另一个系统的氨基糖苷外排并增加细胞内药物水平。Hindley等人模拟了非线性RNA修复Rtc系统，该系统通过修复受损rRNA和tRNA来维持翻译。在一系列RNA损伤速率下，细胞根据初始Rtc水平是否超过阈值而占据活性或非活性核糖体状态，提示Rtc抑制作为增强核糖体靶向药物作用的策略。
**4. 展望：成就、挑战与未来方向**
定量方法已经解释了核糖体抑制下的双稳定性，预测了剂量反应和药物相互作用，将资源分配模型扩展到杀菌作用，并确定了给药和序贯治疗的原则。新模型还区分了随时间变化的抑菌和杀菌效应，并将资源分配与耐药机制联系起来。转化仍然有限，因为大多数模型研究特定药物和确定培养基中的克隆模式生物。临床感染增加了时空变化的营养物质和抗生素浓度、免疫相互作用、扩散梯度、生物膜、多种微生物生态以及患者间药代动力学和治疗依从性的异质性。耐药性动态还将治疗过程中的宿主内进化与宿主间传播耦合，而大多数模型仅处理其中一个尺度。这些局限性并不否定模型，而是意味着它们目前提供机制和可检验假设比直接临床处方更可靠。核糖体抑制下的生长双稳定性说明了这一差距：其机制在实验室中已充分理解，但它是否在体内发生、是否为复发创造储库、或是否应改变治疗仍属未知。代谢也通过其对群体规模、活性和突变供应的效应塑造进化。中等药物水平可以通过靶向活性细胞最大化杀伤，而极高剂量可能放过低代谢活性的休眠亚群。其他优先事项包括核糖体抑制剂的延长寿命效应和先前药物暴露诱导的生理驱动的交叉敏感性，两者都可能为序贯治疗提供杠杆。弥合这些差距需要在临床相关条件下验证，包括动物模型和临床分离株，而非仅确定培养基。它还需要更好地整合细胞生理学与群体进化、确立背景特异性CS模式是否能指导序贯治疗的试验，以及实时报告生理状态和耐药性的诊断技术。作者将这一定整愿景称为“动态管理”：考虑感染不断变化的代谢、进化和生态状态的治疗。它将通过实时生理监测、状态依赖性治疗时机和预测性多尺度模型来扩展当前侧重于药物选择、剂量和持续时间的管理。实现它需要改进的诊断技术、验证过的模型以及证明益处的临床试验。
