Nanopore WGS BacT-Seq: 혈액배양 병원체 identification과 항생제 내성 예측 기술 정리

BacT-Seq, a Nanopore-Based Whole-genome Sequencing Workflow Prototype for Rapid and Accurate Pathogen Identification and Resistance Prediction from Positive Blood Cultures: A Feasibility Study

혈액배양에서 바로 병원체를 찾는다 - Nanopore 기반 BacT-Seq workflow 정리

패혈증 진단에서 가장 중요한 것은 “속도”

 

혈류 감염(BSI, bloodstream infection)은 패혈증으로 이어질 수 있는 매우 치명적인 질환입니다. 실제로 전 세계 사망의 약 20%가 패혈증과 관련되어 있을 정도로 임상적으로 매우 중요한 문제입니다. 이러한 감염에서 가장 중요한 것은 단순한 진단이 아니라 어떤 균인지, 그리고 어떤 항생제가 듣는지를 최대한 빠르게 아는 것입니다.

---

기존 방법의 한계

현재 표준 방법은 여전히 배양 기반 검사입니다.

• 혈액배양 → colony 분리 → 동정 → AST
• 결과까지 2–3일 이상 소요

---

또 다른 방법으로 PCR 기반 진단이 있지만

• 특정 타겟만 분석 가능
• 새로운 resistance 놓칠 가능성 있음

---

결국 문제는 명확합니다.

빠른 방법은 정보가 부족하고 정확한 방법은 너무 느리다

---

새로운 접근: WGS 기반 진단

이 논문에서는 이 문제를 해결하기 위해

Nanopore 기반 WGS workflow (BacT-Seq)를 제안합니다.

---

핵심 아이디어는 간단합니다.

 

혈액배양에서 바로 DNA를 추출해서 전체 genome을 sequencing하고 병원체와 항생제 내성을 동시에 분석하자

 

---

BacT-Seq workflow (전체 구조)

 

---

Step 1: Sample preparation

• positive blood culture 사용
• microbial DNA enrichment 수행

여기서 중요한 것이 MITUBE 시스템

MITUBE의 역할 (핵심) 혈액 샘플에서 가장 큰 문제는: human DNA가 너무 많음 MITUBE를 사용하면: microbial DNA 농축 human DNA 제거 실제 결과: microbial DNA: ~80% → ~97% 증가 human DNA: ~17% → ~1% 감소 → sequencing quality 크게 개선

---

Step 2: DNA extraction

• Zymo kit 사용
• microbial pellet에서 DNA 추출

---

Step 3: Library preparation

• ONT Rapid barcoding kit 사용
• 여러 샘플 pooling 가능

---

Step 4: Nanopore sequencing

• GridION 사용
• real-time sequencing

---

Step 5: Bioinformatics 분석

Pipeline 구성:

• Kraken2 → taxonomic classification
• plasmid detection
• ARD (resistance gene 기반 분석)
• ASP (machine learning 기반 예측)

즉, 단순 sequencing이 아니라 완전한 진단 pipeline
BacT-Seq의 가장 큰 장점: 속도 가장 인상적인 결과는 속도입니다.

 

 

---

병원체 identification

• 대부분 샘플에서
  10분 이내 검출
• 88.8%는
  5분 이내

→ 거의 real-time 수준

 

항생제 내성 예측 (ASP)

• 평균 약 1.8–4시간
• 80% 결과 → 약 2.5시간

전체 turnaround time

• 전체 workflow: 약 6시간 내외

→ 기존 2–3일 대비 압도적 개선

---

성능 결과

1. 병원체 identification

• accuracy: 94.7%
• sensitivity: 96.3%

또한 흥미로운 점:

• 기존 방법보다 더 정확한 species identification 가능
• 추가 pathogen detection 가능

→ sequencing의 장점

 

2. polymicrobial 샘플

• 일부 missed detection 존재
• 여전히 challenging

→ 현실적인 limitation

---

항생제 내성 분석: 2가지 접근

1. ARD (gene 기반)

• resistance gene 탐지
• database 기반

결과:

• specificity 높음 (≈80–90%)
• sensitivity 낮음 (≈40–50%)

문제: resistance gene만으로 phenotype 예측 한계

 

 

 

2. ASP (machine learning)

• genome 전체 기반 예측
• k-mer 기반 모델

결과:

• E. coli → 매우 우수 (96.5% sensitivity)
• 다른 균 → 성능 제한

핵심: ML 접근이 더 유망하지만 아직 발전 필요

 

 

---

중요한 개념: heteroresistance

이 논문에서 매우 중요한 메시지 중 하나는 이것입니다.

 

기존 AST:

• single colony 기반
  → population diversity 반영 못함

WGS:

• 전체 population 분석
  → minor resistant population까지 탐지 가능

그래서 WGS 결과가 “틀린 게 아니라 더 민감한 것일 수도 있음”

 

 

---

이 연구의 진짜 의미

이 논문이 중요한 이유는 단순한 기술 개발이 아닙니다.

 

1. 진단 패러다임 변화

• culture → sequencing
• days → hours

2. precision medicine

• 환자별 맞춤 항생제 선택 가능

3. population-level 분석

• heteroresistance 탐지
• 치료 실패 예방 가능

---

한계

논문에서도 명확히 언급합니다.

• polymicrobial detection 어려움
• ML 모델 아직 제한적
• 일부 species에서 성능 낮음

---

결론

BacT-Seq는 아직 prototype 단계이지만, 혈액배양 기반 감염 진단을 “실시간 sequencing 기반”으로 바꿀 수 있는 가능성

 

 

을 보여준 매우 중요한 연구입니다.

---

한 줄 요약

BacT-Seq는 Nanopore 기반 WGS를 이용해 혈액배양에서 병원체와 항생제 내성을 빠르게 동시에 분석할 수 있는 차세대 진단 workflow이다.

https://www.mdpi.com/2075-4418/16/1/133