Corynebacterium auriscanis é uma espécie pouco estudada, isolada principalmente de cães e gatos, mas ocasionalmente associada a infecções humanas. Seu papel como potencial patógeno zoonótico, entretanto, permanece pouco compreendido. A identificação laboratorial ainda depende de técnicas moleculares como a espectrometria de massas MALDI‑TOF, que são precisas, mas pouco acessíveis em muitas rotinas diagnósticas. Nesse contexto, ferramentas de bioinformática representam um caminho para ampliar o conhecimento sobre diversidade genômica, fatores de virulência e mecanismos de resistência. Este artigo discute como análises genômicas, predição de genes e identificação de sistemas CRISPR‑Cas, dentre outros, podem contribuir para compreender o potencial patogênico de C. auriscanis, além de destacar, de forma concisa, como modelos animais como Caenorhabditis elegans podem complementar investigações funcionais. O foco é apresentar como a integração entre sequenciamento, bioinformática e ensaios biológicos pode apoiar ações de vigilância e prevenção, especialmente diante da importância da interface animal‑humano na disseminação de patógenos.
Autores: Evandro Bento Rodrigues †, Max Roberto Batista Araújo †, Luan Freitas Lana, Diogo Luiz de Carvalho Castro, Genrikh Ashniev Alfredovich, Rafael Augusto Ribeiro, Vinícius Dias do Carmo Costa, Maria Letícia Carneiro Rodrigues, Vasco Azevedo
† Estes autores contribuíram igualmente para este trabalho.
1. Introdução
O gênero Corynebacterium inclui espécies amplamente conhecidas pela relevância clínica, como C. diphtheriae [1] ainda isolado e endêmico no Brasil [2-5], mas também um grande conjunto de espécies não diftéricas capazes de causar infecções oportunistas em humanos e animais. Entre elas, Corynebacterium auriscanis permanece uma das menos estudadas [6,7]. Descrita originalmente a partir de isolados de cães, a espécie já foi associada a otites, infecções cutâneas e casos clínicos esporádicos em humanos [8]. Apesar disso, pouco se sabe sobre sua diversidade, fatores de virulência e mecanismos de adaptação ao hospedeiro.
Temos clara uma questão importante: como compreender o risco zoonótico e o potencial patogênico de uma espécie tão pouco caracterizada? A falta de dados genômicos, a carência de estudos funcionais e a dificuldade de identificação laboratorial dificultam a vigilância e retardam o entendimento de possíveis rotas de transmissão animal‑humano.
Entra, assim, em cena a bioinformática ao oferecer meios para preencher lacunas essenciais, permitindo interpretar rapidamente grandes volumes de informação genética e conectá‑los a dados clínicos e experimentais.
2. Discussão
O primeiro desafio enfrentado no estudo de C. auriscanis é a identificação laboratorial. Embora métodos fenotípicos ainda sejam comuns, a espectrometria de massas MALDI‑TOF tornou‑se a ferramenta de referência para diferenciar espécies próximas com maior precisão. A técnica analisa padrões proteicos específicos e possibilita identificar bactérias de forma rápida e confiável. No caso de espécies pouco estudadas como C. auriscanis, essa precisão é crucial para evitar classificações incorretas e garantir que isolados sejam corretamente incluídos em estudos epidemiológicos.
Uma vez identificada a espécie, o sequenciamento genômico amplia enormemente as possibilidades de investigação. A partir dele, ferramentas de bioinformática permitem responder questões fundamentais, tais como: Quais genes de virulência estão presentes? Existem determinantes de resistência que podem impactar tratamentos? Como a espécie se relaciona evolutivamente com outras do gênero? Há sistemas CRISPR‑Cas que indiquem exposição prévia a fagos e plasmídios, sendo um sistema imune bacteriano?
As ferramentas de bioinformática desempenham um papel central na interpretação dos genomas de espécies bacterianas. O processo começa pela montagem genômica de novo, realizada por softwares como Unicycler (https://github.com/rrwick/Unicycler), que reconstrói o genoma a partir das leituras de sequenciamento. Após a montagem, a qualidade do genoma precisa ser avaliada: CheckM2 (https://github.com/chklovski/CheckM2) estima completude e contaminação; GUNC (https://github.com/grp-bork/gunc_workflow) identifica possíveis quimeras; Barnapp (https://github.com/tseemann/barrnap) verifica a presença de genes ribossomais; e QUAST (https://github.com/ablab/quast) resume estatísticas da montagem. Cada uma dessas ferramentas responde a perguntas básicas, mas fundamentais: o genoma está completo? confiável? livre de artefatos? Pré-requisitos para qualquer análise posterior.
A partir desse genoma validado, outras ferramentas ajudam a definir a identidade e o posicionamento evolutivo da espécie. GTDB-Tk (https://github.com/Ecogenomics/GTDBTk) e TYGS (https://tygs.dsmz.de/) permitem classificar o isolado com precisão comparando-o a genomas de referência. A anotação funcional, realizada pelo PGAP (https://www.ncbi.nlm.nih.gov/refseq/annotation_prok/), traduz as sequências brutas em genes com funções putativas. Esses passos combinados respondem a uma questão fundamental no estudo: quem é esse organismo e como ele se relaciona com seus parentes próximos?
Ferramentas de análise comparativa aprofundam esse panorama. A avaliação de similaridade genômica por PyANI (https://github.com/widdowquinn/pyani) e a confirmação da similaridade global por dDDH via TYGS ajudam a definir fronteiras entre espécies e linhagens. Já bancos especializados como a VFDB (https://www.mgc.ac.cn/VFs/main.htm) permitem identificar genes associados a virulência, enquanto a PanViTa (https://github.com/dlnrodrigues/panvita) e o CARD (https://card.mcmaster.ca/) ajudam a localizar determinantes de resistência antimicrobiana. Essas análises revelam o “arsenal molecular” da bactéria, informações essenciais para avaliar risco clínico, impacto terapêutico e potencial zoonótico.
Outros elementos importantes para compreender evolução e adaptação também podem ser identificados. PlasmidFinder (https://github.com/genomicepidemiology/plasmidfinder) e MOB-suite (https://github.com/phac-nml/mob-suite) caracterizam plasmídios que podem carrear genes de resistência. IntegronFinder (https://github.com/gem-pasteur/Integron_Finder) identifica integrons, estruturas associadas à captura de genes adaptativos. Já sistemas CRISPR-Cas, indicadores de interações com fagos e plasmídios, são detectados por CRISPRCasFinder (https://crisprcas.i2bc.paris-saclay.fr/CrisprCasFinder/Index) e comparados com possíveis alvos usando CRISPRTarget (https://crispr.otago.ac.nz/CRISPRTarget/crispr_analysis.html). Essas informações ajudam a entender como o microrganismo se defende de elementos genéticos invasores e como isso molda sua evolução.
A análise de elementos genéticos móveis amplia ainda mais essa visão. ISEscan (https://github.com/xiezhq/ISEScan) detecta sequências de inserção que podem promover rearranjos genômicos, enquanto GIPSy2 (https://zenodo.org/records/14969252) identifica possíveis ilhas genômicas, incluindo regiões associadas a virulência, resistência ou adaptação ambiental. A anotação funcional dessas ilhas com EggNOG-mapper (https://eggnog-mapper.embl.de/) permite classificar funções e relacioná-las a fenótipo e patogenicidade.
Para visualizar similaridades e diferenças entre genomas, o BRIG (https://beatsonlab.com/softwares/brig/ gera mapas circulares que destacam regiões conservadas, genes ausentes, ilhas genômicas e determinantes de resistência ou virulência. É uma forma intuitiva de comunicar dados complexos, essencial em vigilância molecular.
A análise comparativa entre diversos genomas é reforçada pelo uso de Panaroo (https://github.com/gtonkinhill/panaroo), que identifica genes essenciais (core), acessórios e exclusivos, categorizando-os segundo bases como COG [9] e KEGG [10]. Já a conservação da ordem dos genes, a sintenia, é avaliada por Mauve (https://darlinglab.org/mauve/mauve.html), revelando eventos de recombinação, inversões e blocos genômicos compartilhados.
Por fim, análises evolutivas aprofundam a relação entre linhagens. OrthoFinder (https://github.com/davidemms/OrthoFinder) identifica genes ortólogos e reconstrói filogenias com IQ-TREE (https://www.iqtree.org/), enquanto sinais de seleção positiva são detectados por POTION (http://www.lmb.cnptia.embrapa.br/share/POTION/). Essas ferramentas revelam quais genes evoluem rapidamente, indicando adaptações que podem influenciar virulência, sobrevivência ou interação com hospedeiros. 
Figura 1. Visão geral das abordagens utilizadas para caracterização de C. auriscanis. A identificação por MALDI-TOF MS, seguida pela montagem e avaliação do genoma (Unicycler, CheckM2, GUNC, BarnApp, QUAST). A anotação com NCBI PGAP, e genes de virulência e resistência identificados com VFDB, CARD e PanViTa. A genômica comparativa envolveu PyANI, dDDH, Panaroo e Mauve. A análise funcional com KEGG, COG e EggNOG. Ensaios de virulência em C. elegans.
3. Conclusão
Ferramentas de bioinformática têm papel central na compreensão de espécies pouco estudadas como C. auriscanis. Elas permitem identificar genes-chave, explorar a diversidade genômica e propor hipóteses sobre virulência e resistência, informações indispensáveis para vigilância molecular, saúde pública e medicina veterinária. Aliadas ao MALDI‑TOF MS e a modelos experimentais como C. elegans, essas abordagens constituem um arcabouço capaz de orientar ações de prevenção, diagnóstico e monitoramento de potenciais zoonoses. À medida que novos dados são incorporados, análises integrativas tornam‑se essenciais para antecipar riscos e apoiar estratégias de controle na interface animal‑humano.
4. Referências
[1] Bernard K. The genus corynebacterium and other medically relevant coryneform-like bacteria. J Clin Microbiol. 2012 Oct;50(10):3152-8. doi: 10.1128/JCM.00796-12
[2] Batista Araújo MR, Bernardes Sousa MÂ, Seabra LF, Caldeira LA, Faria CD, Bokermann S, Sant’Anna LO, Dos Santos LS, Mattos-Guaraldi AL. Cutaneous infection by non-diphtheria-toxin producing and penicillin-resistant Corynebacterium diphtheriae strain in a patient with diabetes mellitus. Access Microbiol. 2021 Nov 30;3(11):000284. doi: 10.1099/acmi.0.0002844.
[3] Araújo MRB, Ramos JN, de Oliveira Sant’Anna L, Bokermann S, Santos MBN, Mattos-Guaraldi AL, Azevedo V, Prates FD, Rodrigues DLN, Aburjaile FF, Sacchi CT, Campos KR, Alvim LB, Vieira VV, Camargo CH, Dos Santos LS. Phenotypic and molecular characterization and complete genome sequence of a Corynebacterium diphtheriae strain isolated from cutaneous infection in an immunized individual. Braz J Microbiol. 2023 Sep;54(3):1325-1334. doi: 10.1007/s42770-023-01086-z
[4] Ramos JN, Araújo MRB, Sant’Anna LO, Bokermann S, Camargo CH, Prates FD, Sacchi CT, Vieira VV, Campos KR, Santos MBN, Viana MVC, Azevedo V, Aburjaile FF, de Mattos-Guaraldi AL, Dos Santos LS. Molecular characterization and whole-genome sequencing of Corynebacterium diphtheriae causing skin lesion. Eur J Clin Microbiol Infect Dis. 2024 Jan;43(1):203-208. doi: 10.1007/s10096-023-04706-6
[5] Araújo MRB, Prates FD, Ramos JN, Sousa EG, Bokermann S, Sacchi CT, de Mattos-Guaraldi AL, Campos KR, Sousa MÂB, Vieira VV, Santos MBN, Camargo CH, de Oliveira Sant’Anna L, Dos Santos LS, Azevedo V. Infection by a multidrug-resistant Corynebacterium diphtheriae strain: prediction of virulence factors, CRISPR-Cas system analysis, and structural implications of mutations conferring rifampin resistance. Funct Integr Genomics. 2024 Aug 28;24(5):145. doi: 10.1007/s10142-024-01434-8
[6] Bygott JM, Malnick H, Shah JJ, Chattaway MA, Karas JA. First clinical case of Corynebacterium auriscanis isolated from localized dog bite infection. J Med Microbiol. 2008 Jul;57(Pt 7):899-900. doi: 10.1099/jmm.0.47780-0
[7] Vinhal ALO, de Araújo MRB, Rodrigues EB, Castro DLC, Pereira CR, Custódio DAC, Dorneles EMS, Aburjaile FF, Brenig B, Azevedo V, Viana MVC. First comparative genomics analysis of Corynebacterium auriscanis. Mem Inst Oswaldo Cruz. 2024 Oct 25;119:e240156. doi: 10.1590/0074-02760240156
[8] Collins MD, Hoyles L, Lawson PA, Falsen E, Robson RL, Foster G. Phenotypic and phylogenetic characterization of a new Corynebacterium species from dogs: description of Corynebacterium auriscanis sp. nov. J Clin Microbiol. 1999 Nov;37(11):3443-7. doi: 10.1128/JCM.37.11.3443-3447.1999
[9] Galperin MY, Wolf YI, Makarova KS, Vera Alvarez R, Landsman D, Koonin EV. COG database update: focus on microbial diversity, model organisms, and widespread pathogens. Nucleic Acids Res. 2021 Jan 8;49(D1):D274-D281. doi: 10.1093/nar/gkaa1018
[10] Kanehisa M, Furumichi M, Tanabe M, Sato Y, Morishima K. KEGG: new perspectives on genomes, pathways, diseases and drugs. Nucleic Acids Res. 2017 Jan 4;45(D1):D353-D361. doi: 10.1093/nar/gkw1092