A resistência aos antimicrobianos é um dos maiores desafios da saúde pública e, Corynebacterium striatum vem se destacando como um microrganismo oportunista capaz de causar infecções hospitalares difíceis de tratar. Isso ocorre porque este microrganismo utiliza diferentes estratégias para escapar da ação dos antibióticos, incluindo as bombas de efluxo, estruturas que expulsam o medicamento antes que ele cumpra sua função. Neste artigo, discutimos porque essa espécie se tornou tão problemática, como as bombas de efluxo contribuem para a resistência e de que maneira ferramentas de bioinformática podem ajudar na busca por novas alternativas terapêuticas, especialmente peptídeos bioativos capazes de inibir esses mecanismos. Ao aproximar genética, microbiologia e computação, mostramos como o estudo digital de microrganismos pode acelerar o desenvolvimento de soluções inovadoras contra bactérias multirresistentes.
Autores: Diogo Luiz de Carvalho Castro †, Max Roberto Batista Araújo †, Genrikh Ashniev Alfredovich, Luan Freitas Lana, Rafael Augusto Ribeiro, Vinícius Dias do Carmo Costa, Evandro Bento Rodrigues †, Maria Letícia Carneiro Rodrigues, Vasco Azevedo
†Estes autores contribuíram igualmente para este trabalho.
1. Introdução
A resistência aos antimicrobianos (RAM) e as infecções hospitalares são desafios globais, responsáveis por milhões de casos e mortes anuais [1–3]. Em 2019, a RAM esteve associada a 4,95 milhões de óbitos e pode atingir 10 milhões por ano até 2050, com grandes perdas econômicas [4,5]. No Brasil, estima-se cerca de 34 mil mortes diretas, anuais, destacando a urgência no desenvolvimento de novas terapias [6,7].
Nos últimos anos, Corynebacterium striatum deixou de ser um microrganismo quase irrelevante para se tornar uma preocupação real em hospitais. Embora faça parte da nossa própria pele, essa bactéria pode causar infecções graves quando encontra pacientes debilitados ou submetidos a longos tratamentos com antibióticos. O problema é ampliado por sua capacidade de resistir a diversas classes de medicamentos, o que torna o tratamento mais difícil e prolongado. Essa resistência ocorre por diferentes mecanismos, mas um dos mais importantes é a presença de bombas de efluxo, estruturas que atuam como “portas de emergência químicas”, expulsando rapidamente os antibióticos do interior da célula. Com isso, mesmo medicamentos fortes podem se tornar ineficazes [7-13].
Para compreender por qual razão C. striatum se tornou tão resistente, precisamos olhar para o seu genoma, o conjunto de instruções que controla o funcionamento da célula. Alterações genéticas podem ativar mecanismos de defesa, aumentar a virulência e até favorecer a transmissão em ambientes hospitalares. Porém, devido à complexidade dessas informações, compreender a resistência aos antimicrobianos exige cada vez mais o uso de ferramentas computacionais capazes de analisar volumes maiores de dados de forma rápida e integrada.
2. A contribuição da bioinformática para desvendar a resistência
A bioinformática se tornou indispensável no estudo da resistência bacteriana porque permite transformar grandes quantidades de dados genéticos em conhecimento útil. Em vez de depender apenas de experimentos longos e caros em laboratório, pesquisadores podem utilizar o computador para identificar genes de resistência, prever o comportamento de proteínas e até simular o efeito de moléculas terapêuticas. Isso acelera a pesquisa, reduz custos e amplia a capacidade de investigação.
Por exemplo, ferramentas como ARIBA (https://www.sanger.ac.uk/tool/ariba/) e ResFinderFG (https://genepi.food.dtu.dk/resfinder) conseguem identificar automaticamente genes ligados à resistência antimicrobiana diretamente a partir das sequências genômicas. Outras plataformas, como eggNOG-mapper (https://eggnog-mapper.embl.de/), ajudam a entender a função desses genes, enquanto FastMLST (https://anaconda.org/bioconda/fastmlst), PHASTEST (https://phastest.ca/) e CRISPRCasFinder (https://crisprcas.i2bc.paris-saclay.fr/CrisprCasFinder/Index) revelam características da linhagem que podem influenciar sua virulência ou adaptação. Para comparar diferentes isolados clínicos, programas como PYANI (https://pypi.org/project/pyani/), PPanGGOLiN (https://github.com/labgem/PPanGGOLiN), PHYLOViZ (https://www.phyloviz.net/) e PopPUNK (https://www.sanger.ac.uk/tool/poppunk/) mostram como as bactérias se organizam em grupos e como evoluem ao longo do tempo.
Essas ferramentas permitem compreender de forma muito mais profunda como C. striatum se adapta ao ambiente hospitalar e quais mecanismos utiliza para sobreviver aos antibióticos. Ao revelar o funcionamento interno da bactéria, a bioinformática se transforma em uma aliada fundamental no combate à resistência.
Figura 1. Ilustração simplificada mostrando como o uso de antibióticos seleciona bactérias resistentes, que passam a sobreviver e se multiplicar
3. Bombas de efluxo: foco central e alvo terapêutico promissor
Entre todos os mecanismos identificados por meio dessas análises computacionais, as bombas de efluxo ganham atenção especial. Elas são proteínas localizadas na membrana da bactéria e funcionam literalmente como bombas, expulsando antibióticos antes que consigam agir. Alguns genes já conhecidos, como tetA, tetB e cmx, estão diretamente associados ao funcionamento dessas bombas em C. striatum [14].
Com a ajuda da bioinformática, é possível não apenas identificar essas bombas, mas também prever sua estrutura tridimensional utilizando ferramentas como GalaxyWeb (https://status.galaxy.seoklab.org/) e AlphaFold (https://github.com/google-deepmind/alphafold). Isso permite visualizar, no computador, como essas proteínas se organizam e onde moléculas poderiam se ligar para bloqueá-las. Em seguida, softwares de simulação, como GROMACS (https://www.gromacs.org/), permitem observar o movimento dessas bombas ao longo do tempo, quase como assistir a um vídeo microscópico funcionando em velocidade real. Esses recursos são essenciais para compreender como a proteína interage com compostos e onde um potencial inibidor poderia atuar.
A bioinformática transforma bombas de efluxo, antes apenas um conceito abstrato, em alvos terapêuticos muito mais tangíveis e estratégicos.
4. Peptídeos bioativos e a busca computacional por novos inibidores
Com o avanço das ferramentas digitais, tornou-se possível testar virtualmente moléculas que possam bloquear as bombas de efluxo, restaurando a ação de antibióticos já existentes. Nesse contexto, peptídeos bioativos se destacam como candidatos promissores. São pequenas moléculas compostas por aminoácidos que podem se ligar a regiões específicas das bombas, impedindo seu funcionamento.
A seleção desses peptídeos pode ser totalmente guiada por bioinformática. Bancos de dados e métodos de mineração de texto, como aqueles utilizados em dbAMP, permitem encontrar peptídeos já descritos na literatura. Em seguida, softwares como MODELLER (https://salilab.org/modeller/), GalaxyWeb (https://status.galaxy.seoklab.org/) e AlphaFold (https://github.com/google-deepmind/alphafold) podem prever a estrutura desses peptídeos, enquanto ferramentas de docking, como HPEPDOCK (http://huanglab.phys.hust.edu.cn/hpepdock/hpepdock_test.tgz), simulam a interação entre peptídeos e bombas de efluxo. Depois, análises de interação molecular por PyMOL (https://www.pymol.org/) e PLIP (https://github.com/pharmai/plip) revelam quais ligações são mais fortes ou estáveis.
Modelos preditivos com redes neurais convolucionais (CNNs) e pacotes como CD-HIT ajudam a avaliar milhares de peptídeos ao mesmo tempo, descartando os menos promissores e destacando aqueles com maior potencial terapêutico. Por fim, moléculas selecionadas podem ser testadas em simulações mais longas em GROMACS, que estimam sua estabilidade e eficiência como possíveis inibidores.
Essa integração mostra como a bioinformática pode acelerar a busca por novas terapias que combatam a resistência bacteriana sem depender exclusivamente de descobertas tradicionais em laboratório.
Figura 2. Etapas básicas da triagem computacional de peptídeos candidatos a inibir bombas de efluxo
5. Problema, caminho e solução
A resistência antimicrobiana em C. striatum representa um desafio crescente, especialmente devido à ação das bombas de efluxo, que tornam os antibióticos comuns muito menos eficazes. Esse problema tem impactos diretos na saúde pública, aumentando o tempo de internação e reduzindo as opções terapêuticas disponíveis para pacientes hospitalizados.
A bioinformática surge como uma ponte entre a complexidade biológica e a necessidade de respostas rápidas. Ao decodificar o genoma da bactéria e prever como suas proteínas funcionam, ela permite enxergar oportunidades terapêuticas que não seriam visíveis a olho nu. As ferramentas mencionadas, de identificação genética, comparação populacional, modelagem estrutural, docking e simulação molecular, formam um arsenal moderno capaz de transformar milhares de dados biológicos em conhecimento acionável.
A combinação entre o problema clínico, a investigação digital e a triagem de moléculas criam um caminho concreto para o desenvolvimento de inibidores de bombas de efluxo, especialmente peptídeos bioativos. Essa abordagem integrada torna possível enfrentar bactérias multirresistentes de maneira mais rápida, precisa e inovadora, e oferece novas esperanças para o controle de infecções hospitalares.
Referências
[1] Friedrich A. W. (2019). Control of hospital acquired infections and antimicrobial resistance in Europe: the way to go. Wiener medizinische Wochenschrift (1946), 169(Suppl 1), 25–30. https://doi.org/10.1007/s10354-018-0676-5
[2] Richet H. (2012). Seasonality in Gram-negative and healthcare-associated infections. Clinical microbiology and infection : the official publication of the European Society of Clinical Microbiology and Infectious Diseases, 18(10), 934–940. https://doi.org/10.1111/j.1469-0691.2012.03954.x
[3] O’Neill, J. (2016). Tackling drug-resistant infections globally: Final report and recommendations (84 pp.). Wellcome Trust.
[4] Antimicrobial Resistance Collaborators (2022). Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. Lancet (London, England), 399(10325), 629–655. https://doi.org/10.1016/S0140-6736(21)02724-0
[5] World Health Organization. Antimicrobial resistance. 2021. Available from: https://www.who.int/news-room/fact-sheets/detail/antimicrobial-resistance
[6] Yanai, M et al. Retrospective evaluation of the clinical characteristics associated with Corynebacterium species bacteremia. Braz J Infect Dis. 2018 Jan-Feb;22(1):24-29. https://doi: 10.1016/j.bjid.2017.12.002
[7] Bernard K. The genus corynebacterium and other medically relevant coryneform-like bacteria. J Clin Microbiol. 2012 Oct;50(10):3152-8. https://doi: 10.1128/JCM.00796-12
[8] Milosavljevic, MN et al. Antimicrobial treatment of Corynebacterium striatum invasive infections: a systematic review. Rev Inst Med Trop Sao Paulo. 2021 Jun 18;63:e49. https://doi: 10.1590/S1678-9946202163049
[9] Lee PP, Ferguson DA Jr, Sarubbi FA. Corynebacterium striatum: an underappreciated community and nosocomial pathogen. J Infect. 2005 May;50(4):338-43. https://doi: 10.1016/j.jinf.2004.05.005
[10] Martinez-Martinez, L et al (1997). Clinical significance of Corynebacterium striatum isolated from human samples. Clin. Microbiol. Infect. 3, 634–639. https://doi: 10.1111/j.1469-0691.1997.tb00470.x
[11] Verroken, A., Bauraing, C., Deplano, A., Bogaerts, P., Huang, D., Wauters, G., et al. (2014). Epidemiological investigation of a nosocomial outbreak of multidrug-resistant Corynebacterium striatum at one Belgian university hospital. Clin. Microbiol. Infect. 20, 44–50. https://doi: 10.1111/1469-0691.12197
[12] Chen, FL et al. (2012). Corynebacterium striatum bacteremia associated with central venous catheter infection. J. Microbiol. Immunol. Infect. 45, 255–258. https://doi: 10.1016/j.jmii.2011.09.016
[13] Zhang, H et al. (2023). Targeted antibiotics for lower respiratory tract infection with corynebacterium striatum. Infect. Drug Resist. 16, 2019–2028. https://doi: 10.2147/IDR.S404855
[14] Ramos, JN et al. Genome sequence of a multidrug-resistant Corynebacterium striatum isolated from bloodstream infection from a nosocomial outbreak in Rio de Janeiro, Brazil. Mem Inst Oswaldo Cruz. 2018 Jul 10;113(9):e180051. https://doi: 10.1590/0074-02760180051