Un equipo de investigación liderado por el profesor Tong Zhang, del Departamento de Ingeniería Civil de la Facultad de Ingeniería de la Universidad de Hong Kong, ha desarrollado una herramienta computacional innovadora, llamada Argo, destinada a rastrear con precisión los genes de resistencia a los antibióticos (ARGs) en muestras medioambientales. Este avance proporciona una valiosa perspectiva sobre la difusión de estos genes y los riesgos asociados.
El estudio titulado «Species-resolved profiling of antibiotic resistance genes in complex metagenomes through long-read overlapping with Argo», publicado en la revista Nature Communications, destaca la necesidad de métodos más eficaces para abordar la creciente amenaza de la resistencia a los antibióticos.
La Limite de la Secuenciación de Lectura Corta
Según el profesor Zhang, el método de secuenciación de lectura corta, que se utiliza actualmente como técnica de secuenciación de ADN de alto rendimiento, genera grandes volúmenes de fragmentos de ADN cortos, típicamente de 150 pares de bases. Sin embargo, este enfoque a menudo no logra proporcionar información sobre los hospedadores de los ARGs, dificultando la evaluación precisa de los riesgos y la trazabilidad de su transmisión.
Argo, en cambio, utiliza secuenciación de lectura larga, lo que permite generar fragmentos de ADN considerablemente más largos. Gracias a este método, es posible identificar y cuantificar rápidamente los ARGs en metagenomas ambientales. Argo mejora la resolución de la detección de ARGs al asignar etiquetas taxonómicas a los grupos de lecturas, es decir, a colecciones de lecturas que se superponen entre sí, en lugar de hacerlo a lecturas individuales.
El principal diferenciador de Argo radica en su método de agrupación y análisis de fragmentos de ADN basado en sus superposiciones, lo que permite una mayor precisión en la identificación de hospedadores y proporciona un perfil más completo de los ARGs.
El profesor Zhang compara el proceso con la resolución de un rompecabezas: «Inicialmente, agrupamos las piezas del fragmento de ADN en función de características compartidas, como el color, lo que facilita la identificación y etiquetado de las ubicaciones de las piezas superpuestas o similares en grupos».
Los resultados de la investigación mostraron que el enfoque de superposición de lecturas de Argo logró la tasa de mala clasificación más baja en comparación con otras herramientas, completando el análisis de una muestra metagenómica de 10 Gbp en aproximadamente 20 minutos utilizando 32 núcleos de CPU.
A pesar de que la secuenciación de lectura larga sigue siendo costosa para lograr un alto rendimiento, el equipo considera que este nuevo método es crucial para enfrentar la creciente amenaza que representan los ARGs. El profesor Zhang concluyó que Argo tiene el potencial de estandarizar la vigilancia de los ARGs y mejorar nuestra capacidad para rastrear los orígenes y las vías de difusión de estos genes, contribuyendo así a los esfuerzos por combatir la amenaza global de la resistencia antimicrobiana.
Más información:
Xi Chen et al, Species-resolved profiling of antibiotic resistance genes in complex metagenomes through long-read overlapping with Argo, Nature Communications (2025). DOI: 10.1038/s41467-025-57088-y
