INSTITUTO POLITÉCNICONACIONAL
CENTRO INTERDISCIPLINARIO DEINVESTIGACIÓN PARA EL DESARROLLO
INTEGRAL REGIONAL UNIDAD SINALOA
Identificación de marcadores genéticos en
genomas de Salmonella spp. aislados de
hospitales
TESIS
QUE PARA OBTENER EL GRADO DE
MAESTRÍA EN
RECURSOS NATURALES Y MEDIO AMBIENTE
PRESENTA
AGUSTÍN OLAYA MARTÍNEZ
GUASAVE, SINALOA; MEXICO JULIO DE 2020
ii
Cesión de derechos
CARTA CESIÓN DE DERECHOS
En la Ciudad de Guasave, Sinaloa el día 02 del mes de Junio del año 2020, el
que suscribe Agustín Olaya Martínez alumno del Programa de Maestría en Recursos
Naturales y Medio Ambiente, con número de registro A180459, adscrito al CIIDIR
Unidad Sinaloa, manifiesta que es el autor intelectual del presente trabajo de Tesis
bajo la dirección del Dr. José Luis Acosta Rodríguez y el Dr. Jorge Montiel Montoya,
cede los derechos del trabajo titulado “Identificación de marcadores genéticos en
genomas de Salmonella spp. aislados de hospitales”, al Instituto Politécnico Nacional
para su difusión, con fines académicos y de investigación.
Los usuarios de la información no deben reproducir el contenido textual,
gráficas o datos del trabajo sin el permiso expreso de la autora y/o directores del
trabajo. Este puede ser obtenido escribiendo a las siguientes direcciones
[email protected]; [email protected]; [email protected];. Si el
permiso se otorga, el usuario deberá dar el agradecimiento correspondiente y citar la
fuente del mismo.
i
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA DE INVESTIGACIÓN Y POSGRADO
AGUSTÍN OLAYA MARTÍNEZ
INSTITUTO POLITÉCNICO NACIONALSECRETARÍA DE INVESTIGACIÓN Y POSGRADO
ACTA DE REVISIÓN DE TESIS
En la Ciudad de siendo las horas del día del mes de
del se reunieron los miembros de la Comisión Revisora de la Tesis, designada
por el Colegio de Profesores de Posgrado de: para
examinar la tesis titulada:
del (la) alumno (a):
ApellidoPaterno:
ApellidoMaterno:
Nombre (s):
Número de registro:
Aspirante del Programa Académico de Posgrado:
Una vez que se realizó un análisis de similitud de texto, utilizando el software antiplagio,se encontró que el trabajo de tesis tiene ______ % de similitud. Se adjunta reporte de softwareutilizado.
Después que esta Comisión revisó exhaustivamente el contenido, estructura, intención yubicación de los textos de la tesis identificados como coincidentes con otros documentos,concluyó que en el presente trabajo SI NO SE CONSTITUYE UN POSIBLE PLAGIO.
JUSTIFICACIÓN DE LA CONCLUSIÓN: (Por ejemplo, el % de similitud se localizaen metodologías adecuadamente referidas a fuente original)
________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
**Es responsabilidad del alumno como autor de la tesis la verificación antiplagio, y del Director o Directoresde tesis el análisis del % de similitud para establecer el riesgo o la existencia de un posible plagio.
Finalmente, y posterior a la lectura, revisión individual, así como el análisis e intercambiode opiniones, los miembros de la Comisión manifestaron APROBAR SUSPENDERNO APROBAR la tesis por
UNANIMIDAD o MAYORÍA en virtud de los motivos siguientes:____________________________________________________________________
__________________________________________________________________________________________________________________________________________________________________________________
ii
SIP-14
COMISIÓN REVISORA DE TESIS
Director de TesisNombre completo y firma
Nombre completo y firma Nombre completo y firma
2° Director de Tesis (en su caso)Nombre completo y firma
Nombre completo y firma Nombre completo y firma PRESIDENTE DEL
COLEGIO DE PROFESORES
iii
iv
INSTITUTO POLITÉCNICO NACIONAL
SECRETARIA DE INVESTIGACIÓN Y POSGRADO
ACTA DE REGISTRO DE TEMA DE TESISY DESIGNACIÓN DE DIRECTOR DE TESIS
México, D.F. a de del 2009
El Colegio de Profesores de Estudios dePosgrado e Investigación de
en su sesión
No. celebradael día
delmes de
conoció la solicitud
presentada por el(la) alumno(a):
Apellido paterno Apellido materno Nombre (s)
Con registro:
Aspirante de:
1.- Se designa al aspirante el tema de tesis titulado:
De manera general el tema abarcará los siguientes aspectos:
2.- Se designa como Director de Tesis al Profesor:
3.- El trabajo de investigación base para el desarrollo de la tesina será elaborado por elalumno en:
que cuenta con los recursos e infraestructuranecesarios.
4.- El interesado deberá asistir a los seminarios desarrollados en el área deadscripción del trabajo desde la fecha en que se suscribe la presente hasta la aceptación de la tesis
por la Comisión Revisora correspondiente:
Director(a) de Tesis
v
SIP-13
Aspirante Presidente del Colegio
vi
Hoja de reconocimiento a proyectos y becas
El trabajo de tesis se desarrolló en el Departamento de _Biotecnologia_ del Centro
Interdisciplinario de Investigación para el Desarrollo Integral Regional (CIIDIR) Unidad
Sinaloa del Instituto Politécnico Nacional (IPN). El presente trabajo fue apoyado
económicamente a través de los proyectos:
_____________________________________________________. El alumno/a Agustín
Olaya Martínez fue apoyado con una beca CONACYT con clave 894933.
vii
Dedicatoria
Este trabajo va dedicado primeramente a Dios, el que me dio fuerzas
cuando más abajo me sentía.
También va dedicado a mis padres Agustín e Ibón,
Y a mis hermanos Andrés y Antonio,
que sin su apoyo no hubiera llegado hasta este punto,
ya que fueron mis pilares principales.
Y por último y no menos importante, a mi novia Lluvia Isamarede,
gracias por tener siempre esas palabras de aliento y de apoyo
cuando más necesitaba de alguien, te lo agradezco de corazón.
viii
Agradecimientos
Al Consejo Nacional de Ciencia y Tecnología (CONACyT) por la beca de
maestría Y a la Beca de Estimulo Institucional de Formación de Investigadores
(BEIFI) otorgadas durante el periodo enero 2018- diciembre 2019.
Al Centro Interdisciplinario de Investigación para el Desarrollo Integral
Regional unidad Sinaloa por el apoyo recibido con las grandiosas personas que
conforman el centro.
A mis directores de tesis el Dr. José Luis Acosta Rodríguez, que me aconsejó
y me dirigió dentro del mundo de Linux, y Dr. Jorge Montiel Montoya, que me guió a
través del mundo de las bacterias de la manera más paciente y precisa, por sus
consejos y enseñanzas. Por brindarme la oportunidad, confianza y paciencia para la
realización de esta tesis. Sus enseñanzas las llevaré siempre conmigo. Gracias por
su apoyo incondicional.
A mi comité tutorial que conformó el Dr. Manuel García Ulloa Gómez, la Dra.
María Nancy Herrera Moreno y en un principio la M.C. Mariela Guadalupe Espinoza
Mancillas, gracias por todas sus observaciones siempre atinadas y siempre bien
intencionadas, con el propósito de mejorar mi tesis y presentación. Sus consejos
fueron siempre útiles y me ayudaron a crecer bastante dentro del mundo de la
investigación.
A los maestros que me dieron alguna vez clases, sus enseñanzas me abrieron
otro panorama para mi entonces visión limitada de las cosas, todo en conjunto fue de
gran ayuda para orientarme en la investigación de este trabajo y fue de mucha
utilidad. Les agradezco el momento que dedicaron a enseñarme algo.
A mis compañeros de laboratorio, América, Dulce, Héctor, Alejandra, Víctor,
Yamel, Priscila, Berenice, Juan Francisco, Kenya, Zoe, Jesús Eduardo, Adrían y
Rodolfo que hicieron la estancia y el trabajo estresante más ameno por sus
comentarios siempre divertidos e interesantes. Las risas no faltaron nunca, y les
ix
agradezco el haber convivido con cada uno de ustedes. Son grandes personas y
amigos.
A mis excompañeros de laboratorio Mario2, Idalia, Irma y Fernanda, que
siempre los vi como mis hermanos mayores, ya que ustedes me guiaron en mis
primeros pasos y me hicieron sentir en confianza con ustedes y conmigo mismo para
lograr mis objetivos, sin ustedes todo sería muy distinto. Gracias por todo.
A mis amigos de generación Claudia Imelda, Iván, Asbel Itahí, Daniela,
Alejandro, Adara, Rigo y Romina, con ustedes todo fue mejor y más llevadero,
gracias por los buenos momentos y las risas, son cosas que llevaré conmigo
siempre.
A mis padres Agustín e Ibón, los cuales me apoyaron desde un principio
cuando la maestría era una incertidumbre para mí, me alentaron y jamás me dejaron
de la mano para terminar este trabajo. Les agradezco de corazón su apoyo
incondicional y las sabias palabras que me dieron desde un principio. Los amo.
A mi novia Lluvia Isamarede, cuando más desesperanzado me sentía y más
harto de todo, siempre estuviste conmigo. Tus palabras y tus acciones las llevo
conmigo siempre, gracias por ser ese soporte para no decaer. ¡Te amo!
x
Índice
Cesión de derechos-----------------------------------------------------------------------------i
Hoja de reconocimiento a proyectos y becas-------------------------------------------vii
Dedicatoria--------------------------------------------------------------------------------------viii
Agradecimientos--------------------------------------------------------------------------------ix
Índice----------------------------------------------------------------------------------------------xi
Glosario------------------------------------------------------------------------------------------xiii
Índice de Figuras-------------------------------------------------------------------------------xv
Índice de Tablas------------------------------------------------------------------------------xvii
Resumen---------------------------------------------------------------------------------------xviii
Abstract------------------------------------------------------------------------------------------xix
I. Introducción------------------------------------------------------------------------------1
II. Antecedentes---------------------------------------------------------------------------3
2.1 Salmonella-------------------------------------------------------------------------------3
2.1.1 Jerarquía taxonómica-------------------------------------------------------------3
2.1.2 Enfermedades por Salmonella-------------------------------------------------5
2.1.3 Situación mundial de la salmonelosis-----------------------------------------6
2.1.4 Situación en México de la salmonelosis-------------------------------------7
2.2 Antibióticos------------------------------------------------------------------------------7
2.2.1 Resistencia a antibióticos en Salmonella------------------------------------8
2.2.2 Mecanismos de resistencia----------------------------------------------------10
2.2.3 Estructura molecular de la multirresistencia-------------------------------12
2.3 Marcadores genéticos en Salmonella spp.----------------------------------15
2.4 Uso de la bioinformática dentro de los genomas bacterianos-------16
III. Justificación--------------------------------------------------------------------------17
IV. Hipótesis--------------------------------------------------------------------------------18
V. Objetivos--------------------------------------------------------------------------------18
xi
5.1. Objetivo general---------------------------------------------------------------------18
5.2. Objetivos específicos--------------------------------------------------------------18
VI. Materiales y métodos-----------------------------------------------------------19
6.1. Preprocesamiento de secuenciación----------------------------------------19
6.2 Ensamblado de novo de genomas de Salmonella------------------------19
6.3 Anotación y comparación de genomas de Salmonella---------------21
6.4 Determinación de pangenoma, coregenoma y genoma accesorio o
endémico---------------------------------------------------------------------------------------------21
6.5 Búsqueda de genes de resistencia en pangenoma, coregenoma, y
genoma accesorio---------------------------------------------------------------------------------21
VII. Resultados---------------------------------------------------------------------------23
7.1. Preprocesamiento de secuenciación-----------------------------------------23
7.2. Ensamblar de novo los genomas de salmonellas aislados de
hospitales--------------------------------------------------------------------------------------------29
7.4 Determinación de pangenoma, coregenoma y genoma accesorio o
endémico---------------------------------------------------------------------------------------------36
7.5 Búsqueda de genes de resistencia en pangenoma, coregenoma, y
genoma accesorio---------------------------------------------------------------------------------40
VIII. Discusion-----------------------------------------------------------------------------61
IX. Conclusiones------------------------------------------------------------------------64
X. Bibliografía-----------------------------------------------------------------------------65
xii
Glosario
ADN: Información genética de un genoma codificada en el ácido
desoxirribonucleico (ADN) que se conserva en el núcleo celular. El ADN tiene dos
cadenas estructuradas en una doble hélice, formada por un glúcido (desoxirribosa),
fosfato y cuatro bases químicas − los nucleótidos: adenina (A), guanina (G), citosina
(C) y timina (T). Una A en una cadena se empareja siempre con una T en la otra
mediante dos enlaces de hidrógeno, en tanto que una C siempre se empareja con
una G mediante tres enlaces de hidrógeno. Las dos cadenas son, pues,
complementarias entre sí.
ADN complementario (cADN): Secuencias de ADN generadas por la
transcripción inversa de las secuencias de mARN. Este tipo de ADN incluye exones y
regiones no traducidas en los extremos 5’ y 3’ de los genes, pero no incluye el ADN
del intrón.
ARN: El ácido ribonucleico es un ácido nucleico de una cadena formado por
tres de las cuatro bases presentes en el ADN (A, C y G). T, es sustituida por uracilo
(U).
Bioinformática: Campo de la ciencia en el cual confluyen varias disciplinas:
biología, computación y tecnología de la información.
Coregenoma: Representa los genes presentes en todas las cepas de una
especie.
Marcador genético: Polimorfismo del ADN que se puede detectar fácilmente
mediante análisis fenotípico o molecular. El marcador puede hallarse dentro de un
gen o en un ADN sin función conocida. Dado que los segmentos de ADN que se
encuentran próximos entre sí en un cromosoma tienden a heredarse juntos, los
marcadores se suelen utilizar como maneras indirectas de seguir la pista del patrón
de herencia de un gen que aún no se ha identificado, pero cuya localización
aproximada sí es conocida.
xiii
Morbilidad: Número de personas que enferman en una población y período
determinados.
Mortalidad: Número de defunciones en una población y período
determinados.
Nosocomio: Hospital; establecimiento destinado para la atención y asistencia
a enfermos por medio de personal facultativo, enfermería, personal auxiliar y de
servicios técnicos durante 24 horas, 365 días del año y disponiendo de tecnología,
aparatología, instrumental y farmacología adecuadas.
Pangenoma: Colección de todos los genes en una especie (aplicado
típicamente a bacterias y arqueas, que pueden presentar una gran variación de
contenido genético entre cepas estrechamente relacionadas). El pangenoma es el
conjunto completo de genes de todas las cepas de una especie. Incluye genes
presentes en todas las cepas (Coregenoma) y genes presentes solo en algunas
cepas de una especie (genoma variable o accesorio). El pangenoma (o
supragenoma) adquiere importancia en un contexto evolutivo, especialmente con
referencia a la metagenómica, pero es usado también en un contexto genómico más
amplio.
Plásmidos: Pequeños fragmentos circulares de ADN, están presentes
prácticamente en todas las células bacterianas. Contienen de 2 a 30 genes. Algunos
tienen la capacidad para incorporarse o salir del cromosoma bacteriano.
Phred (Q): Phred base calling, programa informático diseñado para la
identificación de una secuencia de base o nucleobase a partir de señales de
fluorescencia generados por un secuenciador de ADN automatizado. El uso más
importante de los niveles de calidad de Phred es la determinación automática de
secuencias consenso precisas basadas en la calidad de su secuenciación.
xiv
Índice de Figuras
Figura 1. Forma de transmisión entre distintos ambientes de bacterias resistentes en
humanos y animales (Rivera de Linton, 2016).....................................................10
Figura 2. Representación esquemática de los mecanismos de resistencia a
antibióticos más comunes en una bacteria. 1: Entrada del antibiótico a través de
porinas. 2: Enlace al objetivo. A: Pérdida de porinas. B: Enzimas inactivadoras de
antibióticos por modificación (B1) o por hidrólisis (B2). C: eflujo mejorado. D:
modificación pre-transcripcional del objetivo / blanco. E: Modificación
postraduccional del objetivo. (i) Cromosoma bacteriano que porta el gen que
codifica el objetivo. (ii) Los plásmidos de resistencia que llevan genes que
codifican para modificar enzimas (González-Zorn y Escudero, 2012).................12
Figura 3. Representación esquemática de los mapas genéticos de 4 plásmidos V de
Salmonella. Los plásmidos pSLT/pSTV, pSEV, pSCV y pSDV (específicos de
serotipos S. typhimurium, S. enteritidis, S. choleraesuis y S. dublin,
respectivamente) se presentan alineados respecto a pSLT. Deleción
determinada: ----; deleción no determinada: ; región heteróloga (Mendoza et al.,
2009)......................................................................................................................14
Figura 4. Porcentaje de genomas de Salmonella enterica con serovar......................23
Figura 5. Subespecies de Salmonella enterica...........................................................24
Figura 6. Tamaño de genomas completos de S. entérica...........................................24
Figura 7. Tipos de serovar de S. entérica....................................................................25
Figura 8. Porcentaje de genomas de Salmonella bongori con serovar......................25
Figura 9. Tamaño de genomas completos de S. bongori............................................26
Figura 10. Análisis de componentes principales que muestra la cercanía entre las
cepas aisladas, con un rango que va de 0 a 1, donde los colores más cálidos son
los que representan más homogeneidad, y los colores más fríos muestran menos
homogeneidad entre ellos.....................................................................................30
Figura 11. Dendograma donde se muestra la formación de clústeres de los 15
genomas aislados por ENCB. Los porcentajes que se muestran en color verde
xv
representan el valor esperado dentro de las ramas del dendograma, mientras
que el color rojo muestra el valor que resultaron de los valores ANI...................31
Figura 12. Dendograma que muestra todos los genomas completos de Salmonella
spp. descargados de NCBI junto con los 15 genomas aislados por ENCB.........34
Figura 13. Acercamiento dentro del dendograma donde se muestra la ubicación de
las cepas INP55, INP36, INP33, INP53, INP45, INP35, INP48, INP50, INP46 y
INP47.....................................................................................................................35
Figura 14. Acercamiento dentro del dendograma donde se muestra la ubicación de
las cepas INP51, INP52 y INP34..........................................................................35
Figura 15. Acercamiento dentro del dendograma donde se muestra la ubicación de
las cepas INP34 y INP52......................................................................................36
Figura 16. Esquema que muestra el total de genes encontrados dentro del
pangenoma............................................................................................................37
Figura 17. Esquema que muestra el total de genes encontrados dentro del
coregenoma...........................................................................................................37
Figura 18. Esquema que muestra el total de genes ubicados dentro del genoma
accesorio o endémico...........................................................................................38
Figura 19. Gráfica que muestra el porcentaje de identidad de los genes encontrados
por el software BLAST..........................................................................................39
Figura 20. Gráfica de pangenoma. En el eje X muestra el número de genomas
ingresados al pangenoma. El eje Y muestra el número ingresado de genes a
medida de ir ingresando cada genoma.................................................................40
Figura 21. Lecturas de secuencias pareadas..............................................................41
xvi
Índice de Tablas
Tabla 1. Número de lecturas con el que cuenta cada genoma, el porcentaje de
nucleótidos secuenciados mayores a 20 en la escala de valores Phred (% Q20),
el tamaño del genoma expresado en Megabases (MB) y la cantidad de N en el
genoma, expresados en Megabases....................................................................27
Tabla 2. Puntuación Q de Phred y sus respectivos valores de precisión (Padilla,
2018)......................................................................................................................28
Tabla 3. Genes dentro de los genomas de Salmonella recolectados por la ENCB....31
Tabla 4. Genes encontrados dentro del coregenoma, la primera columna muestra el
nombre del gen y la segunda columna muestra la función de cada uno de ellos.
...............................................................................................................................41
Tabla 5. Genes de resistencia a antibióticos encontrados dentro del genoma
accesorio de las cepas aisladas. Cada tabla tiene una división el cual es el
nombre de la cepa aislada. La primera columna muestra el nombre de los genes
y la segunda columna muestra la función de cada gen........................................41
xvii
Resumen
Las epidemias de infección intestinal por Salmonella spp. son uno de los
problemas más comunes, es considerada la enfermedad más difundida a nivel
mundial. Existe una gran preocupación por la infección de este enteropatógeno y se
han convertido en un factor de riesgo debido a la creciente resistencia de esta
bacteria a los fármacos. Ante esta problemática, se han buscado herramientas para
el diagnóstico y seguimiento de estas enfermedades multidrogorresistentes. Durante
los últimos años, la genética y bioinformática, mediante la secuenciación y el análisis
de marcadores genéticos, han adquirido una significación especial para ello. Por lo
tanto, los genes de esta bacteria en las muestras de hospitales de la Ciudad de
México recolectados y secuenciados por el Instituto Nacional de Ciencias Biológicas
(ENCB) en México, fueron analizados para identificar similitudes entre los serotipos
de Salmonella. Se descargaron 7,979 genomas de Salmonella enterica y 12 de
Salmonella bongori desde el servidor del Centro Nacional para la Información
Biotecnológica (NCBI). Para el preprocesamiento de los genomas ensamblados, se
utilizó el software FastQC. Una vez obtenidos los genomas con ensamble de novo,
se procedió a comparar los genomas anteriormente ensamblados con los genomas
completos descargados de la base de datos de NCBI. Se determino el pangenoma,
coregenoma y el genoma accesorio de todos los genomas de Salmonella y para
localizar los genes de resistencia dentro de los resultados anteriores, se utilizó el
software ARIBA. Se encontraron 36,057 genes que estuvieron presentes en todos los
genomas descargados de la base de datos de NCBI, dentro de los cuales, se
ubicaron 1,838 genes dentro del coregenoma y los 34,219 genes restantes fueron
ubicados dentro del genoma accesorio. Dentro del último objetivo específico, se
concluye que, de los 15 genomas aislados por la ENCB, 419 genes presentaron
resistencia a antibióticos, los cuales, se comparten entre todos los aislados y 52 de
estos genes encontrados están ubicados dentro del genoma accesorio, lo que indica
que son genes únicos.
xviii
Abstract
Epidemics of intestinal infection by Salmonella spp. They are one of the most
common problems, it is considered the most widespread disease worldwide. There is
great concern about the infection of this enteropathogen and they have become a risk
factor due to the increasing resistance of this bacterium to medicine. Given this
problem, tools have been sought for the diagnosis and monitoring of these multidrug-
resistant diseases. In recent years, genetics, and bioinformatics, through the
sequencing and analysis of genetic markers, have acquired special significance for
this. Therefore, the genes of this bacterium in the samples of Mexico City hospitals
collected and sequenced by the National Institute of Biological Sciences (ENCB) in
Mexico, were analyzed to identify similarities between the Salmonella serotypes.
7,979 genomes of Salmonella enterica and 12 of Salmonella bongori were
downloaded from the server of the National Center for Biotechnological Information
(NCBI). For the preprocessing of the assembled genomes, the FastQC software was
used. Once the genomes were obtained with a de novo assembly, the previously
assembled genomes were compared with the complete genomes downloaded from
the NCBI database. The pangenome, coregenome and accessory genome of all the
Salmonella genomes were determined and to locate the resistance genes within the
previous results, the ARIBA software was used. 36,057 genes were found that were
present in all genomes downloaded from the NCBI database, within which 1,838
genes were located within the coregenome and the remaining 34,219 genes were
located within the accessory genome. Within the last specific objective, it is concluded
that, of the 15 genomes isolated by the ENCB, 419 genes presented resistance to
antibiotics, which are shared among all the isolates and 52 of these genes found are
located within the accessory genome, which indicates that they are unique genes.
xix
I. Introducción
El género Salmonella está constituido por bacterias gram negativas; es
causante de muchas de las infecciones transmitidas por los alimentos y se agrupan
en S. enterica y S. bongori (Fookes et al., 2011). Esta última es un bacilo que causa
una enfermedad gastrointestinal (diarrea) en algunos animales y, raramente, se han
reportado casos en seres humanos (Chan et al., 2003). Por su parte, S. enterica
provoca dos formas de enfermedades en humanos: fiebre tifoidea (potencialmente
letal), causada por unos pocos serovares específicos como Salmonella enterica
subespecie enterica serovar typhi (S. typhi); y salmonelosis no tifoidea, producida por
salmonellas distintas a S. typhi (los casos letales son excepcionales, pero pueden
ocurrir sobre todo en ancianos y pacientes inmunodeprimidos (Eguale et al., 2017).
Las epidemias de infección intestinal por Salmonella spp. son uno de los
problemas más comunes, es considerada la enfermedad más difundida a nivel
mundial (OMS, 2018) y se han convertido en un factor de riesgo, ya que
normalmente, se transmite a través de los alimentos cuando no se han manipulado
en condiciones higiénicas. Esta bacteria produce una rápida propagación de sus más
de 2500 serotipos en el hombre (Chan et al., 2003). Sin embargo, la gran
preocupación por la infección de este enteropatógeno se debe al elevado número de
fracasos en los tratamientos con antimicrobianos convencionales. En México, en el
año 2017 se diagnosticaron 25,683 más casos de salmonelosis que en 2016
(121,846 casos; Rivera Calderón et al., 2012; SINAVE, 2017), posiblemente,
ocasionados por la alta resistencia bacteriana a estos fármacos (Rivera Calderón et
al., 2012). Las bacterias resistentes pueden circular entre distintas y distantes
poblaciones de seres humanos y animales (Lazovski et al., 2018), ya que los genes
que codifican los mecanismos de resistencia pueden transmitirse entre diferentes
especies bacterianas de manera rápida e impredecible, lo que reduce las
posibilidades terapéuticas en un número creciente de infecciones (Enriquez et al.,
2017).
Cabe mencionar que el desarrollo de la resistencia a los antimicrobianos
(RAM) sucede de manera natural con el tiempo, es parte del proceso de adaptación
1
biológica de las bacterias; sin embargo, el uso excesivo y/o inadecuado de los
antimicrobianos en salud humana, la falta de higiene, el saneamiento deficiente y el
control inadecuado de las infecciones en los hospitales y clínicas han acelerado
notablemente este proceso (OMS, 2015).
Debido a lo anterior, se han buscado herramientas para el diagnóstico,
seguimiento y tratamiento de las enfermedades como la salmonelosis y, durante los
últimos años, la genética y bioinformática, mediante la secuenciación y el análisis de
marcadores genéticos, han adquirido una significación especial para ello (FAO,
2015). Estos últimos son específicos para cada individuo, grupos, especies o grupos
sistemáticos mayores, convirtiéndolos así en herramientas de análisis tanto de
individuos como de poblaciones (Renteria, 2000).
2
II. Antecedentes
A finales del siglo XIX, se realizó la primera descripción de bacterias del
género Salmonella por Daniel Elmer Salmon y Theobald Smith, quienes aislaron
Salmonella choleraesuis de muestras tomadas de un cerdo con peste porcina
clásica, entendiendo que era el agente de esta enfermedad. Más tarde, estas
bacterias se denominaron Salmonella por Joseph Léon Marcel Ligniéres, en honor a
Salmon (Feliz, 2011).
2.1 Salmonella spp.
Es una bacteria móvil en forma de bastón, se caracteriza por ser bacilos gram-
negativos, anaerobios facultativos, catalasa positivos, oxidasa negativos, no
formadores de esporas y por poseer flagelos perítricos que les confieren movilidad,
con excepción del serotipo S. gallinarum y las variantes inmóviles de otros serotipos
(Feliz, 2011). Es la causante de muchas de las infecciones transmitidas por los
alimentos. El potencial de patogenicidad se representa en S. entérica y por sus más
de 2,600 serotipos descritos hasta el momento (Izquierdo-Blasco et al., 2013). Su
hábitat principal es el tracto intestinal del hombre y de los animales. Destaca por su
gran capacidad de adaptación, sobrevive durante largos periodos en el ambiente
asociada a substratos orgánicos, se multiplican entre los 7 y los 45 ºC y sobreviven a
la refrigeración y congelación, lo que les permite infectar a un amplio rango de
hospedadores (Feliz, 2011). Se inactivan a pH inferior a 5 y a temperaturas
superiores de 60 ºC (Ellermeier y Slauch, 2006).
2.1.1 Jerarquía taxonómica
Actualmente, la clasificación más aceptada es la que propone que el género
Salmonella comprende dos especies: Salmonella bongori y Salmonella enterica. No
3
obstante, esta clasificación oficialmente no está reconocida por el Comité
Internacional de Taxonomía Bacteriana (ICBT; Feliz, 2011).
Reino: Bacteria (Cavalier-Smith, 2002)
Subreino: Negibacteria (Cavalier-Smith, 2002)
Filo: Proteobacterias (Garrity et al., 2005)
Clase: Gammaproteobacteria (Garrity et al., 2005)
Orden: Enterobacteriales (Garrity y Holt, 2001)
Familia: Enterobacteriaceae (Rahn, 1937)
Género: Salmonella (Lignieres, 1900)
Especies: Salmonella
bongori (Le Minor et al., 1985)
Reeves et al., 1989
Salmonella enterica (Le Minor y
Popoff, 1987)
Salmonella subterranea
(Shelobolina et al., 2005).
La clasificación de los serotipos o serovares de Salmonella puede realizarse
desde el punto de vista epidemiológico, de acuerdo al grado de adaptación en una
especie hospedadora (Kingsley y Bäumler, 2000). Por ejemplo, existen serovares
adaptadas rigurosamente a un hospedador especifico, como es el caso de S. typhi,
que únicamente está asociada a infecciones en el hombre, o S. gallinarum en aves.
De igual manera, serovariedades adaptadas a un hospedador específico pero que
pueden aislarse en otros hospedadores, como S. cholerasuis que se ha asociado a
4
procesos sistémicos graves en cerdos y en el hombre; y finalmente, serovariedades
no adaptadas a hospedadores específicos como S. typhimurium que se aísla de una
gran variedad de animales y del ambiente (Uzzau et al., 2000). Estos últimos (S.
cholerasuis y S. typhimurium) son los que frecuentemente originan brotes de
salmonelosis en el hombre, asociados al consumo de productos contaminados,
principalmente huevos y carne (Feliz, 2011).
2.1.2 Enfermedades por Salmonella
Una forma particular de infección por Salmonella en el humano es la fiebre
tifoidea, la cual, es causada por la ingestión e invasión intestinal por un serotipo
específico de Salmonella enterica, el serovar typhi (S. typhi), que produce infección
sistémica, y de acuerdo con Zaidi et al. (2006), en el mundo hay al menos 16
millones de casos de fiebre tifoidea actualmente, resultando en 600,000 muertes; así
mismo, mencionan que existen tres vacunas disponibles contra la fiebre tifoidea: a)
La vacuna parenteral K (presentan fuertes efectos secundarios adversos,) b) La
vacuna oral Ty21a, producida con S. typhi atenuada mediante mutagénesis química
(se requieren de 3-4 dosis para la generación de protección y de refuerzo cada 5
años) y c) La vacuna parenteral a base del antígeno capsular Vi (debido a su
naturaleza química, el polisacárido Vi no induce memoria inmunológica, por lo cual,
se requieren refuerzos cada 3 años y es poco inmunogénico en niños menores de 2
años y en adultos mayores. Cabe mencionar que no hay actualmente una vacuna
contra las otras serovariedades de salmonella capaces de producir infecciones
sistémicas (Rivera Calderón et al., 2012).
Otra enfermedad provocada por Salmonella es la salmonelosis, la cual, es un
tipo de intoxicación alimentaria. Por lo general, se alojan en los intestinos de los
animales y humanos, y se expulsan a través de las heces fecales. Generalmente,
esta enfermedad se contrae por consumir carne cruda o poco cocida, aves, huevos o
productos de huevo. Su incubación dura entre horas hasta por dos días, por lo que
los síntomas de la salmonelosis se empiezan a mostrar en promedio entre 8 a 72
5
horas. Los posibles signos y síntomas incluyen: Náuseas, vómitos, dolor abdominal,
diarrea, fiebre, escalofríos, dolor de cabeza, dolores musculares (mialgia) y sangre
en las heces.
Estos síntomas generalmente duran de cuatro a siete días, aunque puede
tomar varios meses para que sus intestinos vuelvan a la normalidad. La confirmación
de intoxicación de la salmonella se hace mediante un cultivo de muestra de heces
del individuo en un laboratorio.
2.1.3 Situación mundial de la salmonelosis
Las enfermedades diarreicas en general, son la mayor causa de morbi -
mortalidad en los países en vías de desarrollo. En los países desarrollados, aunque
la mortalidad es escasa la morbilidad es alta. La importancia de las gastroenteritis
por Salmonella (no typhi) en los países en vías de desarrollo, es relativamente menor
con respecto a otros gérmenes causantes de diarreas. En los países desarrollados,
Salmonella es la principal causa de gastroenteritis, siendo su principal fuente de
infección, los alimentos contaminados. Existen datos muy dispares acerca del
número de casos de salmonelosis declarados en un determinado año entre unos
países y otros. Generalmente, el número de casos declarados no corresponde con el
número real, dependiendo, en su mayor parte, de la información sanitaria de cada
país. Paradójicamente, países con mejores condiciones higiénico-sanitarias declaran
mayor número de casos de salmonelosis que países con medidas más deficitarias.
Ello se debe, fundamentalmente, a la información epidemiológica y control sanitario
existente. Otras veces es debido a que en determinados países los casos de diarreas
por Salmonella no tienen importancia, aunque sean un número elevado, con respecto
a diarreas más graves causadas por otros gérmenes más patógenos como cólera
(Ellermeier y Slauch, 2006).
2.1.4 Situación en México de la salmonelosis
6
Salmonella es un patógeno ampliamente distribuido en México, de acuerdo
con la DGE (Dirección General de Epidemiologia (2017), las infecciones por
Salmonella no tifoidea alcanzan alrededor de 70,000 casos cada año. La diversidad
fenotípica indica que hay al menos 216 serotipos en el país, entre los cuales, S.
enteritidis, S. typhimurium, S. anatum, S. agona y S. meleagridis son las más
comunes.
Las autoridades sanitarias mexicanas han realizado enormes esfuerzos para
fortalecer el Sistema Nacional de Vigilancia Epidemiológica (SINAVE), que es
responsable de recopilar información sobre eventos epidemiológicos, incluida la
salmonelosis, que se informa una vez por semana y cumple con la Norma Oficial
Mexicana NOM-017 SSA2-1994.
En este sentido, el SINAVE mostró un aumento significativo en la fiebre
tifoidea de 1984 a 2017, de 7,629 a 45,280 casos; la paratifoides / otras salmonelosis
fueron de 31,943 a 104,471 casos. Estas estadísticas muestran que Sinaloa y
Tamaulipas son los estados con mayor incidencia de fiebre tifoidea, con 12.9% y
10.25% respectivamente.
El contagio y la resistencia de los serotipos circulantes en México dependen
de la presión selectiva de los cambios ambientales, incluida la temperatura y la lluvia.
Del mismo modo, el aumento exacerbado de serotipos de Salmonella con
multiresistencia a los antibióticos, lo que proporciona a las bacterias un mayor factor
de virulencia (Contreras-Soto et al., 2018).
2.2 Antibióticos
Los antibióticos son compuestos naturales o sintéticos que sirven para
combatir las infecciones producidas por bacterias. El uso excesivo de estos
medicamentos favorece la selección de bacterias resistentes a diferentes grupos de
antibióticos multirresistentes (Rivera Calderón et al., 2012). De acuerdo con Silva
(1996) los antibióticos intervienen en moléculas de procesos biológicos esenciales de
las bacterias; entre ellos, la ADN girasa en la replicación del ADN, la ARN polimerasa
7
en la síntesis del ARN, los ribosomas en la síntesis de proteínas y las
transpeptidasas (PBP) en la síntesis del peptidoglucano que conforma la pared
celular. Además, actúan en diferentes niveles, por ejemplo, las quinolonas inhiben la
replicación del ADN, la rifampicina suprime la síntesis de ARN y los aminoglucósidos,
macrólidos, tetraciclinas y cloranfenicol anulan la síntesis de las proteínas. El grupo
de los antibióticos b-lactámicos (penicilinas, cefalosporinas, monobactam y
carbapenémicos) inhibe la síntesis de la pared celular.
2.2.1 Resistencia a antibióticos en Salmonella
La resistencia bacteriana es la capacidad que tiene la bacteria de sobrevivir en
presencia de un antibiótico, lo que representa una ventaja para expandir su nicho
ecológico y posibilitar su proliferación, ya sea en el ambiente o en nosocomios; por lo
que reduce las opciones terapéuticas además de provocar elevados índices de
morbilidad, mortalidad y costos hospitalarios (Garza-Ramos et al., 2009). La
resistencia antibiótica puede ser natural (intrínseca) o adquirida. Una de las
principales razones para desencadenar la resistencia a los medicamentos es su uso
intensivo e indiscriminado (Angulo et al., 2004). El éxito de las bacterias con
resistencia a antibióticos se debe a su capacidad de mutar e intercambiar material
genético entre diferentes especies bacterianas (Contreras-Soto et al., 2018).
Si bien los alimentos de origen animal han sido descritos como la principal
causa de brotes por Salmonella, la presencia de esta bacteria en individuos sanos y
enfermos puede convertir al humano como portador, diseminador y, por ende,
responsable de la transmisión de esta enfermedad (Zaidi et al., 2006; Contreras-Soto
et al., 2018).
En 1972 y principios de 1973, un brote de fiebre tifoidea (causada por
Salmonella typhi) ocurrió en la Ciudad de México y se extendió rápidamente a los
alrededores, afectando a más de 10,000 personas (Bessudo et al., 1973; Gonzalez-
Cortes et al., 1973; Olarte & Galindo, 1973). Se informaron otros dos brotes
importantes relacionados con el consumo ordinario de alimentos contaminados; el
primero ocurrió en hospitales, involucrando 155 infecciones por Salmonella enteritidis
8
(Chávez-de la Peña et al., 2001); el segundo ocurrió en prisión, hubo 150 prisioneros
que desarrollaron síntomas de diarrea y otras enfermedades intestinales causadas
por Salmonella oranienburg (Vázquez-Garcidueñas et al., 2014).
Diversas investigaciones se han centrado en los diferentes niveles de
resistencia que pueden exhibir varios serotipos de Salmonella, desde resistencia a
un solo fármaco hasta resistencia a múltiples fármacos y antibióticos como
ampicilina, cloranfenicol, estreptomicina, sulfonamida y tetraciclina (Bessudo et al.,
1973; Gonzalez-Cortes et al., 1973; Olarte y Galindo, 1973; Alaniz- de la O et al.,
1997; Miranda et al., 2009; Nayarit-Ballesteros et al., 2016; Aguilar-Montes de Oca
et al., 2018), todos estos medicamentos son para el tratamiento de la salmonelosis
(Contreras-Soto et al., 2018).
Este problema subraya la necesidad de implementar un plan de monitoreo
más continuo y extenso para tener un seguimiento de las fuentes de contaminación y
usar técnicas más sensibles y rápidas para distinguir los patógenos, y, a medida que
estos procesos e interacciones biológicas se profundicen, el diseño e implementación
de estrategias efectivas para prevenir, diagnosticar y controlar la Salmonella se
mejorará con el fin de evitar brotes epidémicos y minimizar su impacto en la salud
pública (Contreras-Soto et al., 2018).
El Centro para el Control y la Prevención de Enfermedades (CDC) ha
clasificado a el Campylobacter, Salmonella typhi, Salmonella no productora de
tifoidea, y Shigella como las bacterias resistentes a fármacos que han producido las
amenazas más graves en años recientes (Rivera Calderón et al., 2012).
La OMS sugiere como acciones necesarias para contener el proceso de la
resistencia a antibióticos, optimizar la utilización de antimicrobianos y a disminuir su
transmisión (mejorando el control de las enfermedades infecciosas). No obstante,
esto involucra no sólo acciones sobre salud humana, sino también, sobre salud
animal, producción de alimentos y sobre el medio ambiente, debido a que los
microorganismos son capaces de desplazarse y desarrollarse en distintos ambientes
(Fig.1).
9
Figura 1. Forma de transmisión entre distintos ambientes de bacteriasresistentes en humanos y animales (Rivera de Linton, 2016).
Las infecciones bacterianas gram negativas son muy comunes en pacientes
hospitalizados, especialmente, en la unidad de cuidados intensivos. La resistencia
múltiple representa un desafío terapéutico, con pocas oportunidades para tratar estas
infecciones. Los mecanismos utilizados por las bacterias para defenderse contra los
antibióticos están en constante evolución (Tafur et al., 2008).
2.2.2 Mecanismos de resistencia
La aparición de resistencia a los medicamentos entre los patógenos
bacterianos más importantes se considera una amenaza importante para la salud
pública, ya que no solo han surgido organismos resistentes a múltiples fármacos en
el entorno del hospital, sino que ahora, también se encuentran con frecuencia en
10
entornos comunitarios, lo que indica la presencia de depósitos de bacterias
resistentes fuera del hospital (Munita y Arias, 2016).
La plasticidad genética de los patógenos bacterianos puede desencadenar
reacciones específicas que conducen a la adaptación de la mutación, la adquisición
de material genético o cambios en la expresión génica, desarrollando así resistencia
a casi todos los antibióticos disponibles actualmente en el mercado (Tafur et al.,
2008).
Los mecanismos de resistencia mas prevalentes en las bacterias gran
negativas pueden resumirse en cuatro categorías (Fig.2): 1) Modificación enzimática
del antibiótico: las enzimas expresadas por las bacterias pueden causar cambios en
la estructura de los antibióticos, lo que lleva a la pérdida de la función. La
betalactamasa es la más común. Son proteínas capaces de hidrolizar el anillo de β-
lactama que posee esta familia de antibióticos. De manera similar, las enzimas
modificadoras de aminoglucósidos pueden modificar estos antibióticos mediante
reacciones de acetilación, adenilación y fosforilación (Livermore, 1991); 2) Bombas
de expulsión: Se encuentran en la membrana externa de las células y expulsan
grandes cantidades de moléculas, incluidos metabolitos, detergentes, solventes
orgánicos y antibióticos. Para este fin, utilizan la hidrólisis de ATP o el mecanismo de
inversión de iones como sustrato de energía. La función principal de este mecanismo
es mantener baja la concentración de sustancias tóxicas en las células (Tafur et al.,
2008). La bomba de salida puede ser específica del fármaco (generalmente
codificada por un plásmido y, por lo tanto, transmisibles) o no específica
(generalmente expresada en un cromosoma bacteriano). Si aumenta la expresión de
las bombas no específicas, se puede usar un solo mecanismo para generar
resistencia cruzada a múltiples medicamentos (Depardieu et al., 2007); 3) Cambios
en la permeabilidad de la membrana externa: las bacterias tienen la capacidad de
generar cambios de la bicapa lipídica, no obstante la permeabilidad de la membrana
se ve alterada principalmente por cambios en las porinas (Tafur et al., 2008); y 4)
Alteraciones del sitio de acción: las bacterias pueden alterar el sitio donde el
antibiótico se une a la bacteria para interrumpir una función vital de ésta. Un sitio de
11
acción de los antibióticos es la síntesis de proteínas. Aunque recientemente se ha
asociado con genes transmitidos por plásmidos, generalmente es causado por
cambios cromosómicos (Wang et al., 2004). Se han encontrado genes tipo qnrA,
qnrB y qnrS en plásmidos, cuyos productos bloquean la acción de la ciprofloxacina
sobre la girasa y la topoisomerasa IV del ADN (Tran y Jacoby, 2002).
Figura 2. Representación esquemática de los mecanismos de resistencia aantibióticos más comunes en una bacteria. 1: Entrada del antibiótico a través deporinas. 2: Enlace al objetivo. A: Pérdida de porinas. B: enzimas inactivadoras deantibióticos por modificación (B1) o por hidrólisis (B2). C: eflujo mejorado. D:modificación pre-transcripcional del objetivo / blanco. E: Modificación postraduccionaldel objetivo. (i) Cromosoma bacteriano que porta el gen que codifica el objetivo. (ii)Los plásmidos de resistencia que llevan genes que codifican para modificar enzimas(González-Zorn y Escudero, 2012).
2.2.3 Estructura molecular de la multirresistencia
Desde la perspectiva de adquirir patogenicidad (V) y / o resistencia a los
agentes antimicrobianos (R), la evolución de las bacterias patógenas se debe
12
fundamentalmente a la introducción de fragmentos de ADN (generalmente
introducción secuencial) que origina nuevos elementos genéticos (Mendoza et al.,
2009). Los fragmentos involucrados en este proceso de ingeniería evolutiva se
dividen en tres tipos: operables (que incluyen genes que codifican y regulan las
funciones V y R), translocación (como secuencias de inserción, integrasas,
transposasas, resolvasas, etc.) y dispersivos (islas genómicas, bacteriófagos,
plásmidos, transposones e integrones-casetes génicas; Baquero, 2004).
Hace unos años, se especuló que el 4% (aproximadamente 200 genes) del
genoma de la cepa de Salmonella (Salmonella enteritidis serovar Typhimurium LT2)
está relacionado con la patogenicidad de los ratones (Bowe et al., 1998).
Actualmente, en Salmonella, la mayoría de los determinantes de V se encuentran en
los cromosomas que forman islas, islotes, operones o genes sueltos, pero también
se sabe que existen en plásmidos específicos de ciertos serotipos de S. enteritidis no
tifoideos (McClelland et al., 2001).
Los plásmidos de virulencia de Salmonella varían en tamaño (50-90 kb), pero
todos comparten una región de 7.8 kb, o spv, que es necesaria para la reproducción
bacteriana en el sistema reticuloendotelial (Rotger y Casadesús, 1999). Otros loci en
el plásmido, como el operón de fibra pef, el gen de transferencia de unión traT y los
misteriosos loci rck y rsk, pueden desempeñar un papel en otras etapas del proceso
de infección.(Rotger y Casadesús, 1999). El locus spv está formado por 5 genes
designados spvRABCD. El gen spvR codifica un regulador positivo esencial para la
expresión de los otros genes spv. El producto de spvB es una ADP ribosil transferasa
que actúa sobre la actina, bloqueando la conversión de G-actina en F-actina y
provocando una desestabilización del citoesqueleto de células eucarióticas.
Dependiendo del serotipo, los plásmidos V pueden contener otros genes
asociados a virulencia (Fig. 3) como son: a) El operón pefBACDI (plasmid-encoded
fimbriae), partícipe en la síntesis de una bacteria involucrada en la adhesión del pilus
de las células epiteliales intestinales del ratón (Bowe et al., 1998). b) Los genes rsk y
13
rck pueden estar relacionados con la resistencia de Salmonella a la lisis sérica. El
primero se encuentra en los plásmidos V de S. typhimurium, S. enteritidis y S.
choleraesuis, y el segundo sólo en los de S. typhimurium y S. enteritidis; c) El locus
spf presente en tres plásmidos V (pSTV, pSEV y pSCV) está implicado en la
supresión de la activación de la respuesta inmune del huésped; d) Los otros genes V
son mig-5, tlpA y srgA, que codifican anhidrasa carbónica inducible por macrófagos y
posiblemente un enlace disulfuro oxidorreductasa, respectivamente, que es esencial
para el desarrollo biológico de las fimbrias codificadas por plásmidos; e) Otros loci
codifican funciones de replicación y transferencia mediante conjugación; f) También
se detectaron muchos loci con funciones desconocidas en el plásmido V.
14
Figura 3. Representación esquemática de los mapas genéticos de 4 plásmidosV de Salmonella. Los plásmidos pSLT/pSTV, pSEV, pSCV y pSDV (específicos deserotipos S. typhimurium, S. enteritidis, S. choleraesuis y S. dublin, respectivamente)se presentan alineados respecto a pSLT. Deleción determinada: ----; deleción nodeterminada: ; región heteróloga (Mendoza et al., 2009).
De acuerdo con Peña (1996), los trabajos encaminados a estudiar las posibles
zonas plasmídicas implicadas en la resistencia permitieron la caracterización de dos
genes, traT y rok, y una región reguladora denominada rsk. El gen traT forma parte
del operón de transferencia de plásmidos conjugativos del complejo lncF.
Actualmente, hay 28 tipos de plásmidos conocidos en Enterobacteriaceae que
se distinguen por tipificación de replicones basada en PCR (PBRT; PCR-based
replicon typing). Los plásmidos informados con frecuencia [IncF, IncI, IncA / C, IncL
(anteriormente denominados IncL / M), IncN e IncH] son los que tienen la mayor
variedad de genes de resistencia (Rozwandowicz et al., 2018).
La metilación del sitio aminoacilo del ARNr 16S, confiere un alto nivel de
resistencia a los aminoglucósidos clínicamente importantes como la amicacina,
tobramicina y gentamicina. Ocho genes 16S rRNA metiltransferasa, armA, rmtA,
rmtB, rmtC, rmtD, rmtE, rmtF y npmA, se han identificado en varias especies de
enterobacterias en todo el mundo (Hidalgo et al., 2012).
2.3 Marcadores genéticos en Salmonella spp.
Estudios recientes han demostrado que la combinación del análisis del
genoma del núcleo con el análisis del conjunto de genes accesorios, como los
estudios de asociación amplia del pangenoma (pan-GWAS), ha mejorado la
comprensión de los patrones evolutivos y filogeográficos de varios patógenos
bacterianos transmitidos por los alimentos (Ashlock, 2005).
Holt et al. (2011) identificaron en Salmonella enterica serovar typhi (S. typhi)
más de 300 polimorfismos de un solo nucleótido (SNP) dentro de las regiones
15
conservadas del plásmido IncHI1 y genotipificaron tanto el plásmido como los SNP
cromosómicos en más de 450 S. typhi. Por su parte, Hendriksen et al. (2015)
investigaron la epidemiología de un brote masivo de Salmonella enterica serovar
typhi en Zambia durante 2010 a 2012. La mayoría (83.0%) de los aislamientos fueron
resistentes a múltiples fármacos (MDR). Tipificaron la secuencia del genoma
completo (WGST) de 33 aislamientos y realizaron un análisis bioinformático,
identificaron el tipo de secuencia multilocus (MLST), haplotipo, replicón de plásmido,
genes de resistencia a antimicrobianos y relación genética mediante análisis de
polimorfismo de un solo nucleótido (SNP) y deleciones genómicas.
El género Salmonella, se ha presentado en México desde la época de la
colonización. Vågene et al. (2018), mediante una nueva herramienta de análisis
metagenómico llamada MALT, identificaron Salmonella entérica subsp. enterica
serovar paratyphi C de entre los dientes de indígenas enterrados en un cementerio al
sufrir una epidemia en el siglo XVI en México. Se trata de la primera evidencia de la
aparición de Salmonella en México.
En la ciudad de México, la Escuela Nacional de Ciencias Biológicas (ENCB)
recolectó muestras de Salmonella de hospitales de la Ciudad de México y las
secuenció con tecnología de Illumina. Estas cepas recolectadas aún no han sido
identificadas, y se sabe que son resistentes a antibióticos.
2.4 Uso de la bioinformática dentro de los genomas bacterianos
Particularmente, en el campo de la resistencia bacteriana, la bioinformática es
empleada para la asignación funcional de genes por medio de comparaciones con
secuencias (ADN o proteínas) previamente existentes en el GenBank. Por otro parte,
diferentes grupos de investigación han desarrollado programas bioinformáticos para
resolver diferentes interrogantes (Ford y Avison, 2004).
Garza-Ramos et al. (2009) mencionan que a partir del análisis de la secuencia
de genomas bacterianos se pueden identificar genes y proteínas esenciales para la
16
sobrevivencia de la bacteria y, a partir de esta información, "diseñar" nuevos
antibióticos que inhiban el crecimiento bacteriano.
17
III. Justificación
Las epidemias de infección intestinal por Salmonella spp. son uno de los
problemas de salud pública más comunes a nivel mundial; se han convertido en un
factor de riesgo debido a la creciente resistencia de esta bacteria a los fármacos, la
cual, ha sido acelerada por varios factores como el uso excesivo y/o inadecuado de
los antimicrobianos en salud humana, la falta de higiene, el saneamiento deficiente y
el control inadecuado de las infecciones en los hospitales y clínicas. Los mecanismos
utilizados por las bacterias para defenderse contra los antibióticos están en constante
evolución. No solo han surgido organismos resistentes a múltiples fármacos en el
entorno del hospital, sino que ahora también, se encuentran con frecuencia en
entornos comunitarios, lo que indica la presencia de depósitos de bacterias
resistentes fuera del hospital. Los alimentos de origen animal han sido descritos como
la principal causa de brotes por Salmonella, sin embargo, la presencia de esta
bacteria en individuos sanos y enfermos puede convertir al humano como portador,
diseminador y, por ende, responsable de la transmisión de esta enfermedad. Ante
esta problemática, se han buscado herramientas para el diagnóstico y seguimiento de
estas enfermedades multidrogorresistentes, pues representa un desafío terapéutico,
con pocas oportunidades para tratar estas infecciones. Durante los últimos años, la
genética y bioinformática, mediante la secuenciación y el análisis de marcadores
genéticos, han adquirido una significación especial para ello. A partir del análisis de la
secuencia de genomas bacterianos se pueden identificar genes y proteínas
esenciales para la sobrevivencia de la bacteria y, a partir de esta información,
"diseñar" nuevos antibióticos que inhiban el crecimiento bacteriano.
Por lo tanto, los genes de esta bacteria en las muestras de hospitales de la
Ciudad de México recolectados y secuenciados por el Instituto Nacional de Ciencias
Biológicas (ENCB) en México, fueron analizados para identificar similitudes entre los
serotipos de Salmonella.
18
IV. Hipótesis
Dado el constante flujo de genes dentro del género Salmonella, se espera que
los genes de resistencia se localicen en el genoma accesorio (plásmido).
V. Objetivos
5.1. Objetivo general
Identificar los marcadores genéticos en genomas de Salmonella ssp.
multidrogorresistentes.
5.2. Objetivos específicos
1. Ensamblar de novo los genomas de salmonellas aislados de hospitales.
2. Comparar los genomas ensamblados de Salmonella con todos los genomas
completos en la base de datos del NCBI.
3. Determinar el pangenoma y el genoma core de todos los genomas de
Salmonella.
4. Identificar las regiones genómicas asociadas a la resistencia de antibióticos.
19
VI. Materiales y métodos
6.1. Preprocesamiento de secuenciación
Se descargaron 7,979 genomas de Salmonella enterica y 12 de Salmonella
bongori desde el servidor del Centro Nacional para la Información Biotecnológica
(National Center for Biotechnology Information, NCBI por sus siglas en inglés).
Posteriormente, se separaron los genomas completos de los incompletos, ya que,
para mejores resultados, es preferible trabajar con genomas completos.
Para el preprocesamiento de los genomas ensamblados de Salmonella, se
utilizó el software FastQC (Andrews, 2010) para hacer una valoración de las
secuencias crudas obtenidas por la tecnología de secuenciación (Andrews, 2010).
Posteriormente, se utilizó el software KARECT (KAUST Assembly Read Error
Correction Tool; Allam et al., 2015) para corregir los errores de lectura que presente
el ensamble de la tecnología de secuenciación.
6.2 Ensamblado de novo de genomas de Salmonella
Los ensambles de novo se realizaron con el software Shovill (Carriço et al.,
2018); este programa está especializado para el ensamble de genomas de bacterias
aisladas con base en lecturas pareadas de Illumina (Shen et al., 2005), esto se
realizó con los 15 genomas aislados y secuenciados por la ENCB. Una vez
terminados los ensambles con el software anterior, se utilizó Assembly Improvement,
que tiene como función tomar los ensambles en formato FASTA, los lee en formato
FASTQ y mejora los ensambles llenando los huecos que quedan en el genoma.
Una vez obtenidos los genomas con ensamble de novo, se procedió a
comparar los genomas anteriormente ensamblados con los genomas completos
descargados de la base de datos de NCBI, primero se utilizó el programa OAU (Lee
et al., 2016), el cual, es una herramienta para calcular valores de OrthoANI usando el
algoritmo USEARCH. Esto para encontrar cuál de todos los genomas completos de
20
Salmonella comparte más información genética con los 15 aislados y poder tomarlo
como referencia (Lee et al., 2016).
Una vez obtenido el genoma de referencia, se utilizó el software Gfinisher
(Guizelini et al., 2016), que es una serie de herramientas para el refinamiento y la
finalización de ensambles de genomas procarióticos, esto para identificar errores de
ensambles previos y organiza los contigs o andamios respecto a los genomas de
referencia. (Guizelini et al., 2016).
Para el ensamble de los plásmidos de novo, se utilizaron tres softwares
especializados. Esto, para encontrar la similitud que existe entre los resultados de
cada software y así descartar resultados azarosos.
El primero de ellos es PlasmidSPAdes (Antipov et al., 2016), el cual, es una
herramienta para el ensamble de plásmidos a partir de los datos de secuenciación
del genoma completo, utilizando el software SPAdes para transformar una gráfica de
Bruijn en una gráfica de ensamble y establece una subgráfica del ensamble a la cual,
se refiere como el gráfico de plásmidos. Además, utiliza ExSPAnder para la
resolución de repetición en el gráfico del plásmido utilizando lecturas pareadas y
genera contigs plasmídicos.
El segundo software utilizado fue PlasmidFinder (Carattoli et al., 2014;
Carattoli & Hasman, 2020), el cual, permite la identificación de plásmidos en el total o
en la parcialidad de los aislados secuenciados de una bacteria. Está basado en una
base de datos depurada para replicones de plásmidos dirigidos para la identificación
de plásmidos en secuencias de genomas completos originarios de especies de la
familia Enterobacteriaceae.
El último software fue cBar (Zhou y Xu, 2010), que fue desarrollado para
clasificar un metagenoma dado en secuencias cromosomales y plasmídicas, basado
en diferencias observables en sus frecuencias pentaméricas. Este método está
basado en un modelo de Optimización Secuencial Mínima (SMO, por sus siglas en
inglés) y separa secuencias cromosómicas de secuencias plasmídicas.
21
6.3 Anotación y comparación de genomas de Salmonella
Para la anotación de genes dentro de los genomas de Salmonella, se utilizó el
programa Prokka (Seemann, 2014), que es una herramienta que anota rápidamente
genomas bacterianos y genera archivos de salida estandarizados para su fácil
comprensión (Seemann, 2014).
Se utilizó el pipeline OAU, que es una herramienta para línea de comandos
desarrollado para calcular los valores OrthoANI (Ortholog Average Nucleotidic
Identity) entre dos archivos de secuencia de genomas, en formato fasta. Debido a la
limitante de esta herramienta que solo compara un genoma contra otro genoma, se
desarrolló un script para comparar cada uno de los genomas ensamblados contra
todos los genomas completos
6.4 Determinación de pangenoma, coregenoma y genoma accesorio
o endémico
Para determinar el pangenoma, coregenoma y el genoma accesorio de todos
los genomas de Salmonella, se utilizó Roary (Chan et al., 2003), el cual, es una
herramienta que rápidamente construye pangenomas a gran escala, identificando
genes dentro del genoma core y el genoma accesorio. Hace la construcción del
pangenoma de miles de muestras procariotas en una computadora básica sin
comprometer la precisión de los resultados.
6.5 Búsqueda de genes de resistencia en pangenoma, coregenoma,
y genoma accesorio
Para encontrar los genes de resistencia dentro de los resultados anteriores, se
utilizó el software ARIBA (Hunt et al., 2017), que utiliza un combinado de
alineamiento y mapeo junto con ensambles locales específicos para identificar genes
22
de resistencia antimicrobial y variantes eficientes y precisas para secuencias de
lecturas pareadas de Illumina. ARIBA reporta más detalles significativos que las
herramientas existentes, estableciendo un entendimiento más profundo sobre la
resistencia asociada con cada aislado. Para este software, se utilizaron 7 bases de
datos para identificar los genes de resistencia, los cuales fueron vfdb_full,
plasmidfinder, argannot, megares, resfinder, srtst2_argannot y virulencefinder.
23
VII. Resultados
7.1. Preprocesamiento de secuenciación
De los 7,919 genomas descargados de Salmonella entérica únicamente
presentó 391 genomas completos, mientras que Salmonella bongori presentó cuatro.
Se encontró que de los 391 genomas completos de Salmonella enterica, 361
(92%) contienen serovar, mientras que 30 (8%) no lo contienen (Fig. 4).
92%
8%
Salmonella enterica
Serovar
Sin serovar
Figura 4. Porcentaje de genomas de Salmonella enterica con serovar.
En el caso de subespecies (Fig. 5), la subespecie que predominó fue enterica,
con 368 genomas que lo contienen, seguido de 13 genomas que no contienen
subespecie.
24
368
2 136 2
Subespecies de S. enterica
subsp. Enterica
subsp. arizonae
sin sub
subsp. diarizonae
subsp. salamae
Figura 5. Subespecies de Salmonella enterica.
Como se muestra en la Figura 6, el promedio del tamaño de genomas
completos de S. enterica, es de 4.83 Mb.
Figura 6. Tamaño de genomas completos de S. enterica.
Entre los tipos de serovar que se identificaron, se encontró que 78 genomas
pertenecen a la subespecie enterica enteritidis, significando que es el tipo de serovar
más común en los genomas completos de Salmonella enterica (Figura 7).
25
78
52
44
262215
8
146
Tipos de Serovar (S. enterica)
subs. Enterica Enteritidis
subs. Enterica Typhimurium
subs. Enterica Typhi
subs. Enterica Heidelberg
subs. Enterica Newport
subs. Enterica Anatum
subs. Enterica Paratyphi
Otros (Infantis, Weletvreden, Agona
Figura 7. Tipos de serovar de S. enterica.
En la Figura 8 se muestran los cuatro genomas completos de Salmonella
bongori, de los que el 50% tienen serovar.
50%50%
Salmonella bongori
Serovar
Sin serovar
Figura 8. Porcentaje de genomas de Salmonella bongori con serovar.
En cuanto al tamaño promedio del genoma de S. bongori es de 4525275.25Mb (Figura 9).
26
Figura 9. Tamaño de genomas completos de S. bongori.
Los genomas con mayor y menor número de megabases fueron INP46
(911.72025 MB) e INP49 (267.21405) respectivamente (Tabla 1); el número de
lecturas promedio fue 3938721.533. En todos los casos se obtuvieron valores Phred
>99%, es decir que el porcentaje de que haya errores por cada 100 pares de bases
es de 1%, y esto se debe al gran número de lecturas.
27
Tabla 1. Número de lecturas con el que cuenta cada genoma, el porcentaje denucleótidos secuenciados mayores a 20 en la escala de valores Phred (% Q20), eltamaño del genoma expresado en Megabases (MB) y la cantidad de N en el genoma,expresados en Megabases
IDENTIFICADOR N° DE LECTURAS
Phred
(%Q20)
TAMAÑO
GENOMA (MB) N
INP33 4650116 99.34 697.5174 1.70 Mb
INP34 4661690 99.345 699.2535 1.69 Mb
INP35 5255708 99.27 788.3562 2.13 Mb
INP36 4650006 99.32 697.5009 1.76 Mb
INP45 5410275 99.23 811.54125 2.30 Mb
INP46 6078135 99.32 911.72025 2.11 Mb
INP47 4314517 99.32 647.17755 1.63 Mb
INP48 1950782 99.42 292.6173 0.62 Mb
INP49 1781427 99.40 267.21405 0.59 Mb
INP50 2028158 99.37 304.2237 0.70 Mb
INP51 1846274 99.43 276.9411 0.58 Mb
INP52 2389228 99.40 358.3842 0.78 Mb
INP53 5023195 99.44 753.47925 1.56 Mb
INP54 5889337 99.38 883.40055 2.04 Mb
INP55 3151975 99.50 472.79625 0.88 Mb
Cabe mencionar que el porcentaje de calidad expresado en la columna Phred
(% Q20) está basado en la puntuación de calidad de Phred (puntuación Q), el cual,
evalúa la precisión de la plataforma de secuenciación, lo que indica la posibilidad de
que el secuenciador identifique erróneamente las bases de nucleótidos (Padilla,
2018). Hay cinco diferentes puntajes Q esperados en este sistema, los cuales,
representan diferentes porcentajes de precisión para identificar pares de bases,
llevados a cabo por el secuenciador (Tabla 2).
28
Tabla 2. Puntuación Q de Phred y sus respectivos valores de precisión(Padilla, 2018).
7.2. Ensamblar de novo los genomas de salmonellas aislados de
hospitales
Se ensamblaron los genomas de los 15 aislados proporcionados por la ENCB
y se compararon entre sí para observar gráficamente la homogeneidad que existe
entre las cepas, tomando como base los valores ANI (Average Nucleotidic Identity, o
Identidad Nucleotídica Promedio) que mostró el software OAU. Se formaron 4
clústers, que fueron agrupados por su cercanía en valor de ANI’s (Fig. 10).
29
Figura 10. Análisis de componentes principales que muestra la cercanía entre
las cepas aisladas, con un rango que va de 0 a 1, donde los colores más cálidos son
los que representan más homogeneidad, y los colores más fríos muestran menos
homogeneidad entre ellos.
Con los valores obtenidos y graficados en la Fig. 10, se realizó un
dendograma (Fig. 11) donde este se hizo y deshizo 10,000 veces para descartar
cualquier factor de azar o de casualidad al momento de la formación de los clústeres.
Lo que se obtuvo al obtener el dendograma fue una confirmación de los resultados
anteriores y agrupa los genomas aislados dentro de la misma raíz.
30
Figura 11. Dendograma donde se muestra la formación de clústeres de los 15
genomas aislados por ENCB. Los porcentajes que se muestran en color verde
representan el valor esperado dentro de las ramas del dendograma, mientras que el
color rojo muestra el valor que resultaron de los valores ANI.
7.3. Anotación y comparación de genomas de Salmonella
En la anotación de genes dentro de los genomas proporcionados por la ENCB,
se encontró que existen 4491 genes en promedio y dentro de los genomas de
referencia, 9 de los 15 descritos contienen por lo menos 1 plásmido (Tabla 3).
31
En la Tabla 3 se describe el resultado de la anotación de genes dentro de los
genomas de Salmonella. La primera columna muestra el nombre de las cepas, la
segunda muestra el número de genes que contiene cada uno de ellos, la tercera
muestra el tamaño del genoma en megabases, la cuarta muestra el nombre del
genoma de referencia de cada uno, la quinta muestra el ANI que dio como resultado
del genoma de referencia con el genoma aislado, la sexta muestra el porcentaje de
alineamiento del genoma aislado con respecto al genoma de referencia, la séptima
columna muestra el número de replicones dentro del genoma de referencia y la
octava muestra el nombre del plásmido contenido dentro del genoma de referencia.
32
Tabla 3. Genes dentro de los genomas de Salmonella recolectados por la ENCB.
Una vez que se determinó la relación que existe entre los 15 aislados, se
realizó un script mediante el cual se compararon los 15 genomas analizados
previamente junto con los 395 genomas completos, dando como resultado 410
genomas en total. Con el script, se compararon un total de 168,100 genomas entre
sí, para generar una matriz de valores ANI; con base en estos valores se determinó
la distancia que existe entre cada uno de los genomas de NCBI y los genomas
aislados. Una vez obtenida la matriz con todos los valores OAU, se trazó un
dendrograma con todos los genomas, indicando las posiciones en donde se ubican
los genomas aislados entre los genomas completos (Figura 12, 13, 14 y 15).
33
Figura 12. Dendograma que muestra todos los genomas completos de
Salmonella spp. descargados de NCBI junto con los 15 genomas aislados por ENCB.
34
Figura 13. Acercamiento dentro del dendograma donde se muestra la
ubicación de las cepas INP55, INP36, INP33, INP53, INP45, INP35, INP48, INP50,
INP46 y INP47.
Figura 14. Acercamiento dentro del dendograma donde se muestra la
ubicación de las cepas INP51, INP52 y INP34.
35
Figura 15. Acercamiento dentro del dendograma donde se muestra la
ubicación de las cepas INP34 y INP52.
7.4 Determinación de pangenoma, coregenoma y genoma accesorio
o endémico
Como resultado de la determinación del pangenoma, en total se encontraron
36,057 genes presentes en todos los genomas descargados de la base de datos de
NCBI, dentro de los cuales, 1,838 se encuentran ubicados dentro del coregenoma, y
los restantes 34,219 se encuentran dentro del genoma accesorio (Fig. 16, 17 y 18).
36
Figura 16. Esquema que muestra el total de genes encontrados dentro del
pangenoma.
Figura 17. Esquema que muestra el total de genes encontrados dentro del
coregenoma.
37
Figura 18. Esquema que muestra el total de genes ubicados dentro delgenoma accesorio o endémico.
Se realizó una búsqueda en blast de los genes totales encontrados, dando
como resultado un total aproximado de casi 120,000 genes dieron un 100% de
porcentaje de identidad con los genes ya reportados en la base de datos de BLAST,
y también se pudo observar un repunte de 97% de identidad de los genes
encontrados (Figura 19).
38
Figura 19. Gráfica que muestra el porcentaje de identidad de los genesencontrados por el software BLAST.
Al irse generando el pangenoma, se determinó la cantidad de genes
ingresados al pangenoma a medida que se iba ingresando cada uno de los genomas
que lo conforma, encontrando que se iba formando una asíntota con tendencia a
estandarizarse, lo que demuestra que lo generado es un pangenoma cerrado (Figura
20).
39
Figura 20. Gráfica de pangenoma. En el eje X muestra el número de genomasingresados al pangenoma. El eje Y muestra el número ingresado de genes a medidade ir ingresando cada genoma.
7.5 Búsqueda de genes de resistencia en pangenoma, coregenoma,
y genoma accesorio
Para la búsqueda de genes dentro de los genomas de Salmonella se utilizó el
software ARIBA, que es una herramienta que identifica genes de resistencia a
antibióticos utilizando ensambles locales. La entrada que recibe el software es un
40
archivo .fasta de la secuencia de referencia, dentro de los cuales, puede ser una
combinación de genes y regiones de secuencias no codificantes, y lecturas de
secuencias pareadas (Fig. 21).
Figura 21. Lecturas de secuencias pareadas
Como resultado, de los 15 genomas aislados se contabilizaron 419 genes
resistentes a antibióticos, los cuales, se comparten entre ellos y 52 de estos genes
son únicos. Se encontraron 28 cassetes de operones completos dentro de los
aislados, así como 25 cassetes de operones que estaban incompletos.
Se ubicaron 15 genes que estuvieron presentes dentro de los 15 aislados, por
lo tanto, estos se encuentran ubicados dentro del coregenoma. Los 15 son para la
resistencia a antibióticos (Tabla 4).
41
Tabla 4. Genes encontrados dentro del coregenoma, la primera columnamuestra el nombre del gen y la segunda columna muestra la función de cada uno deellos.
GENES EN INTERSECCIÓNGen FuncióncsgA Major curlin subunitcsgF Curli production assembly/transport component CsgFcsgG Curli production assembly/transport component CsgGflk Flagellar regulator flkfur Ferric uptake regulation proteininvA Invasion protein InvAinvF Invasion protein InvForgB Oxygen-regulated invasion protein OrgBphoQ Virulence sensor histidine kinase PhoQprgH Protein PrgHprgK Lipoprotein PrgKsdiA Regulatory protein SdiAsicA Chaperone protein SicAssaV Secretion system apparatus protein SsaVsthA Soluble pyridine nucleotide transhydrogenase
En cuanto a los genes encontrados en los genomas accesorio, se encontraron
665 genes repartidos entre los 15 aislados (Tabla 5).
Tabla 5. Genes de resistencia a antibióticos encontrados dentro del genomaaccesorio de las cepas aisladas. Cada tabla tiene una división el cual es el nombrede la cepa aislada. La primera columna muestra el nombre de los genes y la segundacolumna muestra la función de cada gen.
Cepa INP33Gen Función
cheR_2 Chemotaxis protein methyltransferaseCsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimD_
3 Outer membrane usher protein FimD
42
flhC_2 Flagellar transcriptional regulator FlhC
flhD_2 Flagellar transcriptional regulator FlhD
flhE_2 Flagellar protein FlhE
fliP Flagellar biosynthetic protein FliPfliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipA Cell invasion protein sipAsipB Cell invasion protein SipBsipC Cell invasion protein SipCsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseL
43
stbB Protein StbBsteC_
1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP34Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGmgtB Magnesium-transporting ATPase, P-type 1pagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sicP Chaperone protein sicPsifA Secreted effector protein SifAsipA Cell invasion protein sipAsipB Cell invasion protein SipBsipC Cell invasion protein SipCsipD Cell invasion protein SipDsopD Secreted effector protein SopDsopE Guanine nucleotide exchange factor SopEspaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPssaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseA
44
sseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP35Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicP
45
sifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP36Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
46
hila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipA Cell invasion protein sipAsipB Cell invasion protein SipBsipC Cell invasion protein SipCsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLstbB Protein StbB
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP45Gen FuncióncheR Chemotaxis protein methyltransferase
47
_2csgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptP
48
spvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbB
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP46Gen FuncióncsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicP
49
sifA Secreted effector protein SifAsipA Cell invasion protein sipAsipB Cell invasion protein SipBsipC Cell invasion protein SipCsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP47Gen FuncióncsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDfliP Flagellar biosynthetic protein FliP
50
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipA Cell invasion protein sipAsipB Cell invasion protein SipBsipC Cell invasion protein SipCsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_ Secreted effector kinase Secreted effector kinase SteC
51
1
Cepa INP48Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaO
52
spaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP49Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliC_2 Flagellin
fliP Flagellar biosynthetic protein FliPfliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
53
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDslrP_
1 hypothetical proteinsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSssaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLstbB Protein StbBsteC Secreted effector kinase SteC
Cepa INP50Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhE
54
fliP Flagellar biosynthetic protein FliPfliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP51
55
Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGmgtB Magnesium-transporting ATPase, P-type 1pagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopD Secreted effector protein SopDsopE Guanine nucleotide exchange factor SopEspaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPssaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
56
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP52Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGmgtB Magnesium-transporting ATPase, P-type 1pagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopD Secreted effector protein SopDsopE Guanine nucleotide exchange factor SopEspaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPssaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH E3 ubiquitin-protein ligase SspH2
57
2stbB Protein StbBsteC Secreted effector kinase SteC
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP53Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopD
58
sopD2 Secreted effector protein SopD2
sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbB
steC_1 Secreted effector kinase Secreted effector kinase SteC
Cepa INP54Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimC_
1 Chaperone protein FimCfimD_
3 Outer membrane usher protein FimDflhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'
59
lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDslrP_
1 hypothetical proteinsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLsspH
2 E3 ubiquitin-protein ligase SspH2stbB Protein StbBsteC Secreted effector kinase SteC
Cepa INP55Gen FuncióncheR
_2 Chemotaxis protein methyltransferasecsgB Minor curlin subunitcsgC Curli assembly protein CsgC
csgDMinor curlin subunitAC operon transcriptional regulatory
proteincsgE Curli production assembly/transport component CsgEfimD_ Outer membrane usher protein FimD
60
3flhC_
2 Flagellar transcriptional regulator FlhCflhD_
2 Flagellar transcriptional regulator FlhDflhE_
2 Flagellar protein FlhEfliP Flagellar biosynthetic protein FliP
fliT_2 Flagellar protein FliThila Transcriptional regulator HilAinvG Protein InvGlpfA putative major fimbrial subunit LpfAlpfC putative outer membrane usher protein LpfC'lpfC putative outer membrane usher protein LpfC'lpfD putative minor fimbrial subunit LpfDlpfE putative fimbrial subunit LpfE
mgtB Magnesium-transporting ATPase, P-type 1ompD Outer membrane porin protein OmpDpagN Outer membrane protein PagNpipB_
1 Secreted effector protein PipBpipB2 Secreted effector protein PipB2sefA Fimbrial proteinsicP Chaperone protein sicPsifA Secreted effector protein SifAsipD Cell invasion protein SipDsopa E3 ubiquitin-protein ligase SopAsopD Secreted effector protein SopDsopD
2 Secreted effector protein SopD2sopE Guanine nucleotide exchange factor SopEsopE
2Guanine nucleotide exchange factor Guanine nucleotide
exchange factor SopE2spaO Surface presentation of antigens protein SpaOspaS Surface presentation of antigens protein SpaSsptP Secreted effector protein SptPspvB Mono(ADP-ribosyl)transferase SpvBspvC MAPK phosphothreonine lyasessaN putative secretion system apparatus ATP synthase SsaNsseA_
1 Type III secretion system chaperone SseAsseC Secreted effector protein SseCsseD Secreted effector protein SseDsseL Deubiquitinase SseLstbB Protein StbB
61
steC_1 Secreted effector kinase Secreted effector kinase SteC
62
VIII. Discusion
Se llevó a cabo el proceso de descifrar las secuencias genómicas a partir de
pequeños fragmentos de ADN, es decir, el ensamblaje de novo de genomas de
Salmonella aislados de hospitales. De acuerdo con Aguilar-Bultet y Falquet (2015) , el
ensamblaje de novo se limita generalmente a proyectos de genomas microbianos
debido a su pequeña talla.
Entre los indicadores disponibles de diferentes proporciones de genoma, la
técnica de cálculo de la identidad de nucleótidos (ANI) es uno de los métodos más
confiables para medir la proporción de genomas entre dos genomas, y tiene un gran
potencial en la taxonomía de bacterias y arqueas. Puede reemplazar la tecnología
tradicional. como la hibridación ADN-ADN (DDH) (Padilla, 2018). El valor del uso de
la tecnología ANI para distinguir diferentes genomas bacterianos se describe como
un valor de aproximadamente 95-96% como la identidad de nucleótidos promedio, es
decir, que un valor menor a este indica que son diferentes especies (Richter y
Rosselló-Móra, 2009). En el presente estudio, todos los valores ANI fueron mayor del
98%, es decir, todos los genomas pertenecen a Salmonella entérica y se formaron 4
clústers, que fueron agrupados por su cercanía en valor de ANI’s.
Desde 1968 a 2018, se han detectado en México un amplio rango de serotipos
de Salmonella aislados del ambiente, alimentos, humano y animales, destacando a
S. enteritidis, S. typhimurium, S. anatum, S. agona, S. meleagridis, S. oranienburg, S.
derby, S. infantis, S. ohio y S. havana como los serotipos más predominantes
(Contreras-Soto et al., 2018), en el presente estudio se encontró a los serotipos S.
enteritidis, S. typhimurium y S. typhi mayormente, esta predominancia de serotipos
también es consistente con los estudio realizado por Gutiérrez-Cogco et al. (2000),
en el que S. typhimurium, S. enteritidis, S. derby, S. agona y S. anatum fueron los
principales serotipos de Salmonella que circulaban en el país en el período de 1972 a
1999, aislados de diversas fuentes (humanos, ambiente, alimentos) y a lo reportado
por Juncosa Morros et al. (2005), quienes encontraron 31 serotipos de 860 aislados
de Salmonella en hospitales; los predominantes fueron S. enteritidis, S. typhimurium,
63
S. virchow. Situaciones similares se describen en otros estudios realizados en
distintas ciudades de España, en los cuales, S. enteritidis ha sido siempre el serotipo
predominante (Dorronsoro et al., 1996; Rodríguez et al., 2002).
Se sabe que el genoma bacteriano evoluciona de varias maneras, incluidas
mutaciones, reordenamientos y transferencia horizontal de información genética
(Padilla, 2018). El creciente número de bibliotecas genómicas de secuenciación
muestra que los genomas bacterianos contienen muchos genes auxiliares además
del genoma central que contiene genes metabólicos esenciales que son adquiridos
mediante transferencia horizontal entre bacterias y que codifican rasgos de
adaptación que posiblemente les beneficie a bacterias que se desarrollan bajo ciertas
condiciones (Schmidt y Hensel, 2004), como la resistencia a antibioticos.
Se ha demostrado experimentalmente que, incluso, si se secuencian varias
cepas de la misma especie, aún se descubrirán nuevos genes, y modelos
matemáticos predicen que, incluso, si se secuencian cientos de genomas por
especie, nuevos genes continuarán apareciendo (Medini et al., 2005), por lo que el
análisis masivo de estas secuencias es necesario para conocer el reportorio de los
genes que existen en una especie particular de bacteria (Padilla, 2018).
En la anotación de genes dentro de los genomas proporcionados por la ENCB,
se encontró que existen 4,491 genes en promedio y dentro de los genomas de
referencia, 9 de los 15 descritos contienen por lo menos 1 plásmido. De acuerdo con
Rotger y Casadesús (1999), los factores de virulencia responsables de la
patogenicidad en bacterias entéricas a menudo están codificados por plásmidos,
como en Escherichia coli, Yersinia spp. y Shigella spp. Sin embargo, actualmente se
sugiere que la contribución de los plásmidos de virulencia a la patogénesis en
Salmonella es menos importante que en las bacterias mencionadas anteriormente.
Así mismo, menciona que la presencia de plásmidos de virulencia en serovars
adaptados al huésped sugiere que la adquisición del plásmido de virulencia puede
haber expandido el rango del huésped de Salmonella.
64
Como resultado de la determinación del pangenoma, es decir, el número total
de genes putativos codificantes de proteínas que existen en los genomas
descargados de la base de datos de NCBI, se encontraron 36,057 genes presentes
en todos los genomas descargados. En estos resultados se observa el alto reportorio
de genes que existen en diferentes cepas de estas bacterias que, muy
probablemente, les han conferido alguna ventaja en su historial de adaptación y,
además, han de estar involucrados en su capacidad de proliferar en diversas
condiciones y hábitat. En el caso del coregenoma 1,838 se encuentran en este y los
restantes 34,219 se encuentran dentro del genoma accesorio.
Para la búsqueda de genes dentro de los genomas de Salmonella, se utilizó el
software ARIBA. Como resultado, de los 15 genomas aislados se contabilizaron 419
genes resistentes a antibióticos, los cuales, se comparten entre ellos y 52 de estos
genes son únicos. Se ubicaron 15 genes presentes dentro de los 15 aislados, por lo
tanto, estos se encuentran ubicados dentro del coregenoma. Los genes son: csgA,
csgF, csgG, flk, fur, invA, invF, orgB, phoQ, prgH, prgK, sdiA, sicA, ssaV y sthA.
CsgA es la subunidad de fibra principal y CsgE, CsgF y CsgG son proteínas
no estructurales involucradas en la biogénesis de curli. Estos ultimos son fibras
amiloides biológicamente importantes que se han asociado con la formación de
biopelículas, la adhesión e invasión de las células huésped y la activación del
sistema inmune. Robinson et al. (2006), mediante microscopía electrónica de Rotary
Shadow de CsgG purificado, sugirieron que esta proteína se ensambla en un
complejo oligomérico con un poro central aparente y determinaron que CsgG
participa en un complejo de membrana externa con otras dos proteínas de
ensamblaje de curli, CsgE y CsgF en E. coli.
En el caso de phoQ, es parte del sistema regulador de dos componentes
PhoP / PhoQ que regula la expresión de genes implicados en la virulencia, la
adaptación a entornos ácidos y con bajo contenido de Mg2+ y la resistencia a los
péptidos antimicrobianos de defensa del huésped y es esencial para la supervivencia
intramacrófaga de S. typhimurium (Miller et al., 1989). El gen invF da lugar a la
proteína invasora InvF (Darwin, 2001).
65
Las técnicas informáticas genómicas para la identificación de estas regiones
han demostrado ser herramientas útiles, capaces (Padilla, 2018) e innovadoras que
vendrán a revolucionar la vigilancia epidemiológica, ofreciendo herramientas útiles
para el monitoreo, prevención y diseño de estrategias para el control de
microorganismos patógenos responsables de brotes epidemiológicos. Lo que, a su
vez, impactará fuertemente en la inocuidad alimentaria a lo largo de la cadena de la
producción de alimentos y la salud pública.
IX. Conclusiones
Se encontraron 36,057 genes que estuvieron presentes en todos los genomas
descargados de la base de datos de NCBI, dentro de los cuales, se ubicaron 1,838
genes dentro del coregenoma y los 34,219 genes restantes fueron ubicados dentro
del genoma accesorio. Dentro del último objetivo específico, se concluye que, de los
15 genomas aislados por la ENCB, 419 genes presentaron resistencia a antibióticos,
los cuales, se comparten entre todos los aislados y 52 de estos genes encontrados
están ubicados dentro del genoma accesorio, lo que indica que son genes únicos.
Contrastando la hipótesis de esta investigación “Dado el constante flujo de
genes dentro del género Salmonella, se espera que los genes de resistencia se
localicen en el genoma accesorio (plásmido)”, la conclusión es que los genes de
resistencia si se encuentran dentro del genoma accesorio, por lo cual la hipótesis se
acepta.
66
X. Bibliografía
Aguilar-Bultet, L., & Falquet, L. (2015). Secuenciación y ensamblaje de novo de
genomas bacterianos: Una alternativa para el estudio de nuevos patógenos.
Revista de Salud Animal, 37(2), 125–132. http://scielo.sld.cu/scielo.php?
script=sci_abstract&pid=S0253-
570X2015000200008&lng=es&nrm=iso&tlng=es
Aguilar-Montes de Oca, S., Talavera‐Rojas, M., Soriano‐Vargas, E., Barba‐León, J.,
Vázquez‐Navarrete, J., Acosta‐Dibarrat, J., & Salgado‐Miranda, C. (2018).
Phenotypic and genotypic profile of clinical and animal multidrug-resistant
Salmonella enterica isolates from Mexico. Journal of Applied Microbiology,
124(1), 67–74. https://doi.org/10.1111/jam.13615
Alaniz- de la O, R., Ríos-Ibarra, M. de L., Rosas-Barbosa, B. T., & Juan-Morales, A.
L. (1997). Resistencia a antimicrobianos de cepas de Salmonella aisladas de
fuentes animales. Veterinaria México, 28(3), 215–220.
https://www.medigraphic.com/cgi-bin/new/resumen.cgi?
IDARTICULO=16105&id2=
Allam, A., Kalnis, P., & Solovyev, V. (2015). Karect: Accurate correction of
substitution, insertion and deletion errors for next-generation sequencing data.
Bioinformatics (Oxford, England), 31(21), 3421–3428.
https://doi.org/10.1093/bioinformatics/btv415
Andrews, S. (2010). FastQC: A Quality Control Tool for High Throughput Sequence
Data. http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
67
Angulo, F. J., Nargund, V. N., & Chiller, T. C. (2004). Evidence of an Association
Between Use of Anti-microbial Agents in Food Animals and Anti-microbial
Resistance Among Bacteria Isolated from Humans and the Human Health
Consequences of Such Resistance. Journal of Veterinary Medicine, Series B,
51(8–9), 374–379. https://doi.org/10.1111/j.1439-0450.2004.00789.x
Antipov, D., Hartwick, N., Shen, M., Raiko, M., Lapidus, A., & Pevzner, P. A. (2016).
plasmidSPAdes: Assembling plasmids from whole genome sequencing data.
Bioinformatics (Oxford, England), 32(22), 3380–3387.
https://doi.org/10.1093/bioinformatics/btw493
Ashlock, D. (2005). Application of Evolutionary Computation to Bioinformatics.
Genome Exploitation, 13–30. https://doi.org/10.1007/0-387-24187-6_2
Baquero, F. (2004). From pieces to patterns: Evolutionary engineering in bacterial
pathogens. Nature Reviews Microbiology, 2(6), 510–518.
https://doi.org/10.1038/nrmicro909
Bessudo, D., Olarte, J., Mendoza-Hernández, P., Galindo, E., Carrillo, J., Gutiérrez-
Trujillo, G., & Kumate, J. (1973). Aislamiento de S. typhi resistente a altas
concentraciones de cloranfenicol. Boletín de La Oficina Sanitaria
Panamericana (OSP);74(1),Ene. 1973.
https://iris.paho.org/handle/10665.2/10871
Bowe, F., Lipps, C. J., Tsolis, R. M., Groisman, E., Heffron, F., & Kusters, J. G.
(1998). At least four percent of the Salmonella typhimurium genome is required
for fatal infection of mice. Infection and Immunity, 66(7), 3372–3377.
Carattoli, A., & Hasman, H. (2020). PlasmidFinder and In Silico pMLST: Identification
and Typing of Plasmid Replicons in Whole-Genome Sequencing (WGS).
68
Methods in Molecular Biology (Clifton, N.J.), 2075, 285–294.
https://doi.org/10.1007/978-1-4939-9877-7_20
Carattoli, A., Zankari, E., García-Fernández, A., Voldby Larsen, M., Lund, O., Villa, L.,
Møller Aarestrup, F., & Hasman, H. (2014). In silico detection and typing of
plasmids using PlasmidFinder and plasmid multilocus sequence typing.
Antimicrobial Agents and Chemotherapy, 58(7), 3895–3903.
https://doi.org/10.1128/AAC.02412-14
Carriço, J. A., Rossi, M., Moran-Gilad, J., Van Domselaar, G., & Ramirez, M. (2018).
A primer on microbial bioinformatics for nonbioinformaticians. Clinical
Microbiology and Infection, 24(4), 342–349.
https://doi.org/10.1016/j.cmi.2017.12.015
Chan, K., Baker, S., Kim, C. C., Detweiler, C. S., Dougan, G., & Falkow, S. (2003).
Genomic Comparison of Salmonella enterica Serovars and Salmonella bongori
by Use of an S. enterica Serovar typhimurium DNA Microarray. Journal of
Bacteriology, 185(2), 553–563. https://doi.org/10.1128/JB.185.2.553-563.2003
Chávez-de la Peña, M. E., Higuera-Iglesias, A. L., Huertas-Jiménez, M. A., Báez-
Martínez, R., Morales-de León, J., Arteaga-Cabello, F., Rangel-Frausto, S., &
Ponce de León-Rosales, S. (2001). Brote por Salmonella enteritidis en
trabajadores de un hospital. Salud Pública de México, 43(3), 211–216.
http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S0036-
36342001000300006&lng=es&nrm=iso&tlng=es
Contreras-Soto, M. B., Medrano-Félix, J. A., Q, C. C., Ibarra-Rodríguez, J. R.,
Martínez-Urtaza, J., & Campo, N. C. (2018). Los últimos 50 años de
Salmonella en México: Fuentes de aislamiento y factores que influyen en su
69
prevalencia y diversidad. Revista Bio Ciencias, 6(0), 26.
https://doi.org/10.15741/revbio.06.nesp.e540
Darwin, K. H. (2001). Type III secretion chaperone-dependent regulation: Activation
of virulence genes by SicA and InvF in Salmonella typhimurium. The EMBO
Journal, 20(8), 1850–1862. https://doi.org/10.1093/emboj/20.8.1850
Depardieu, F., Podglajen, I., Leclercq, R., Collatz, E., & Courvalin, P. (2007). Modes
and modulations of antibiotic resistance gene expression. Clinical Microbiology
Reviews, 20(1), 79–114. https://doi.org/10.1128/CMR.00015-06
Dorronsoro, I., Sarasqueta, R., Perfecto, B., & González, A. I. (1996). [Epidemiology
of gastroenteritis by Salmonella (1983-1994)]. Enfermedades Infecciosas Y
Microbiologia Clinica, 14(10), 604–607.
Eguale, T., Birungi, J., Asrat, D., Njahira, M. N., Njuguna, J., Gebreyes, W. A., Gunn,
J. S., Djikeng, A., & Engidawork, E. (2017). Genetic markers associated with
resistance to beta-lactam and quinolone antimicrobials in non-typhoidal
Salmonella isolates from humans and animals in central Ethiopia. Antimicrobial
Resistance and Infection Control, 6(1). Academic OneFile. http%3A%2F
%2Flink.galegroup.com%2Fapps%2Fdoc%2FA478122511%2FAONE%3Fu
%3Dpu%26sid%3DAONE%26xid%3Dfe933fa0
Ellermeier, C. D., & Slauch, J. M. (2006). The genus Salmonella. En The Prokaryotes
(3rd ed., pp. 123–158). Springer.
Enriquez, D. M. B., Montoya, J. A. B., Mendoza, L. A. P., & Caviedes, A. A. G. (2017).
La resistencia microbiana: Un problema debajo de los libros de estudiantes de
medicina. Discover Medicine, 1(2), 65–66.
https://revdiscovermedicine.com/index.php/inicio/article/view/50
70
Feliz, C. G. (2011). Salmonelosis porcina en España: Prevalencia, factores de riesgo
y resistencia antimicrobiana [Http://purl.org/dc/dcmitype/Text, Universidad de
León]. https://dialnet.unirioja.es/servlet/tesis?codigo=26969
Fookes, M., Schroeder, G. N., Langridge, G. C., Blondel, C. J., Mammina, C.,
Connor, T. R., Seth-Smith, H., Vernikos, G. S., Robinson, K. S., Sanders, M.,
Petty, N. K., Kingsley, R. A., Bäumler, A. J., Nuccio, S.-P., Contreras, I.,
Santiviago, C. A., Maskell, D., Barrow, P., Humphrey, T., & Nastasi, A. (2011).
Salmonella bongori Provides Insights into the Evolution of the Salmonellae.
PLoS Pathogens, 7(8), 1–16. a9h. http://search.ebscohost.com/login.aspx?
direct=true&db=a9h&AN=66329100&lang=es&site=ehost-live
Ford, P. J., & Avison, M. B. (2004). Evolutionary mapping of the SHV β-lactamase
and evidence for two separate IS26-dependent blaSHV mobilization events
from the Klebsiella pneumoniae chromosome. Journal of Antimicrobial
Chemotherapy, 54(1), 69–75. https://doi.org/10.1093/jac/dkh251
Garza-Ramos, U., Silva-Sánchez, J., & Martínez-Romero, E. (2009). Genética y
genómica enfocadas en el estudio de la resistencia bacteriana. Salud Pública
de México, 51, s439–s446. http://www.scielo.org.mx/scielo.php?
script=sci_abstract&pid=S0036-
36342009000900009&lng=es&nrm=iso&tlng=es
Gonzalez-Cortes, A., Sanchez-Leyva, R., Hinojosa, M., Bessudo, D., Fragoso, R., &
Becerril, P. (1973). Water-borne transmission of chloramphenicol-resistant
Salmonella typhi in Mexico. The Lancet, 302(7829), 605–607.
https://doi.org/10.1016/S0140-6736(73)92427-6
71
González-Zorn, B., & Escudero, J. A. (2012). Ecology of antimicrobial resistance:
Humans, animals, food and environment. International Microbiology: The
Official Journal of the Spanish Society for Microbiology, 15(3), 101–109.
https://doi.org/10.2436/20.1501.01.163
Guizelini, D., Raittz, R. T., Cruz, L. M., Souza, E. M., Steffens, M. B. R., & Pedrosa,
F. O. (2016). GFinisher: A new strategy to refine and finish bacterial genome
assemblies. Scientific Reports, 6(1), 34963. https://doi.org/10.1038/srep34963
Gutiérrez-Cogco, L., Montiel-Vázquez, E., Aguilera-Pérez, P., & González-Andrade,
M. del C. (2000). Serotipos de Salmonella identificados en los servicios de
salud de México. Salud Pública de México, 42(6), 490–495.
http://saludpublica.mx/index.php/spm/article/view/6270
Hidalgo, L., Hopkins, K. L., Wareham, D. W., Gutierrez, B., & González-Zorn, B.
(2012). Association of Extended-Spectrum β-Lactamase VEB-5 and 16S rRNA
Methyltransferase ArmA in Salmonella enterica from the United Kingdom.
Antimicrobial Agents and Chemotherapy, 56(9), 4985–4987.
https://doi.org/10.1128/AAC.00381-12
Hunt, M., Mather, A. E., Sánchez-Busó, L., Page, A. J., Parkhill, J., Keane, J. A., &
Harris, S. R. (2017). ARIBA: Rapid antimicrobial resistance genotyping directly
from sequencing reads. Microbial Genomics, 3(10), e000131.
https://doi.org/10.1099/mgen.0.000131
Izquierdo-Blasco, J., Martínez Mas, R., Miserachs Barba, M., Rodríguez Garrido, V.,
Lafuente, S., Boronat Rom, M., & Moraga-Llop, F. A. (2013). Epidemiología de
las fiebres tifoidea y paratifoidea en España. A propósito de cuatro casos.
Epidemiology of typhoid and paratyphoid fever in Spain. A study of four cases. ,
72
71(2), 42–45. lth. http://search.ebscohost.com/login.aspx?
direct=true&db=lth&AN=85862749&lang=es&site=ehost-live
Juncosa Morros, T., Palacín Camacho, E., & Latorre Otín, C. (2005). Salmonelosis en
un hospital materno-infantil de Barcelona durante diez años (1992-2001).
Anales de Pediatría, 63(5), 403–408. https://doi.org/10.1157/13080404
Kingsley, R. A., & Bäumler, A. J. (2000). Host adaptation and the emergence of
infectious disease: The Salmonella paradigm. Molecular Microbiology, 36(5),
1006–1014.
Lazovski, J., Corso, A., Pasteran, F., Monsalvo, M., Frenkel, J., Cornistein, W.,
Corral, G., & Nacinovich, F. (2018). Estrategia de control de la resistencia
bacteriana a los antimicrobianos en Argentina. Revista Panamericana de
Salud Pública, 41, e88. https://doi.org/10.26633/rpsp.2017.88
Lee, I., Ouk Kim, Y., Park, S.-C., & Chun, J. (2016). OrthoANI: An improved algorithm
and software for calculating average nucleotide identity. International Journal
of Systematic and Evolutionary Microbiology, 66(2), 1100–1103. https://doi.org/
10.1099/ijsem.0.000760
Livermore, D. M. (1991). Mechanisms of resistance to beta-lactam antibiotics.
Scandinavian Journal of Infectious Diseases. Supplementum, 78, 7–16.
McClelland, M., Sanderson, K. E., Spieth, J., Clifton, S. W., Latreille, P., Courtney, L.,
Porwollik, S., Ali, J., Dante, M., Du, F., Hou, S., Layman, D., Leonard, S.,
Nguyen, C., Scott, K., Holmes, A., Grewal, N., Mulvaney, E., Ryan, E., …
Wilson, R. K. (2001). Complete genome sequence of Salmonella enterica
serovar typhimurium LT2. Nature, 413(6858), 852–856.
https://doi.org/10.1038/35101614
73
Mendoza, M. del C., Herrero, A., & Rodicio, M. R. (2009). Ingeniería evolutiva en
Salmonella: La emergencia de plásmidos híbridos de virulencia-resistencia a
antimicrobianos en serotipos no tifoideos. Enfermedades Infecciosas y
Microbiología Clínica, 27(1), 37–43. https://doi.org/10.1016/j.eimc.2008.09.001
Miller, S. I., Kukral, A. M., & Mekalanos, J. J. (1989). A two-component regulatory
system (phoP phoQ) controls Salmonella typhimurium virulence. Proceedings
of the National Academy of Sciences, 86(13), 5054–5058.
https://doi.org/10.1073/pnas.86.13.5054
Miranda, J. M., Mondragón, A. C., Martinez, B., Guarddon, M., & Rodriguez, J. A.
(2009). Prevalence and Antimicrobial Resistance Patterns of Salmonella from
Different Raw Foods in Mexico. Journal of Food Protection, 72(5), 966–971.
https://doi.org/10.4315/0362-028X-72.5.966
Munita, J. M., & Arias, C. A. (2016). Mechanisms of Antibiotic Resistance.
Microbiology spectrum, 4(2). https://doi.org/10.1128/microbiolspec.VMBF-
0016-2015
Nayarit-Ballesteros, N., Rubio-Lozano, M. S., Delgado-Suárez, E., Méndez-Medina,
D., Braña-Varela, D., & Rodas-Suárez, O. (2016). Perfil de resistencia a
antibióticos de serotipos de Salmonella spp. Aislados de carne de res molida
en la Ciudad de México. Salud Pública de México, 58(3), 371–377.
https://doi.org/10.21149/spm.v58i3.7897
Olarte, J., & Galindo, E. (1973). Salmonella typhi resistant to Chloramphenicol,
Ampicillin, and Other Antimicrobial Agents: Strains Isolated During an
Extensive Typhoid Fever Epidemic in Mexico. Antimicrobial Agents and
Chemotherapy, 4(6), 597–601. https://doi.org/10.1128/AAC.4.6.597
74
Padilla, J. C. A. (2018). Análisis del genoma de Aeromonas caviae aislada en
México. http://tesis.ipn.mx:8080/xmlui/handle/123456789/24275
Peña, J. M. R. (1996). Mapa génico del plásmido de virulencia de Salmonella
enteritides y caracterización de regiones homólogas del cromosoma de
Salmonella typhi [PhD Thesis]. Universidad Complutense de Madrid.
Renteria, A. M. (2000). Breve revisión de los marcadores moleculares. Las
herramientas moleculares. En Las herramientas moleculares (pp. 541–566).
Richter, M., & Rosselló-Móra, R. (2009). Shifting the genomic gold standard for the
prokaryotic species definition. Proceedings of the National Academy of
Sciences, 106(45), 19126–19131. https://doi.org/10.1073/pnas.0906412106
Rivera Calderón, L. G., Motta Delgado, P. A., Cerón Urbano, M. F., & Chimonja Coy,
F. A. (2012). Resistance of Salmonella to conventional antimicrobials for their
treatment. CES Medicina Veterinaria y Zootecnia, 7(1), 116–129.
http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S1900-
96072012000100010&lng=en&nrm=iso&tlng=es
Rivera de Linton, M. A. (2016). Resistencia a Antibióticos y sus Mecanismos- Parte I
|. http://afqfelsalvador.com/resistencia-a-antibioticos-y-sus-mecanismos-parte-
i/
Robinson, L. S., Ashman, E. M., Hultgren, S. J., & Chapman, M. R. (2006). Secretion
of curli fibre subunits is mediated by the outer membrane-localized CsgG
protein. Molecular Microbiology, 59(3), 870–881.
https://doi.org/10.1111/j.1365-2958.2005.04997.x
Rodríguez, F. de C., Solís Cuesta, F., Navarro, F., Muñoz, J., Tejero, R., Ibarra
González, A., Linares Sicilia, M. J., & Casal, M. (2002). [Salmonella spp.
75
Serotypes isolated at the Hospital Universitario Reina Sofía in Córdoba during
an 8-year period, 1993-2000]. Enfermedades Infecciosas Y Microbiologia
Clinica, 20(5), 208–211.
Rotger, R., & Casadesús, J. (1999). The virulence plasmids of Salmonella.
International Microbiology: The Official Journal of the Spanish Society for
Microbiology, 2(3), 177–184.
Rozwandowicz, M., Brouwer, M. S. M., Fischer, J., Wagenaar, J. A., Gonzalez-Zorn,
B., Guerra, B., Mevius, D. J., & Hordijk, J. (2018). Plasmids carrying
antimicrobial resistance genes in Enterobacteriaceae. The Journal of
Antimicrobial Chemotherapy, 73(5), 1121–1137.
https://doi.org/10.1093/jac/dkx488
Seemann, T. (2014). Prokka: Rapid prokaryotic genome annotation. Bioinformatics
(Oxford, England), 30(14), 2068–2069.
https://doi.org/10.1093/bioinformatics/btu153
Shen, R., Fan, J.-B., Campbell, D., Chang, W., Chen, J., Doucet, D., Yeakley, J.,
Bibikova, M., Wickham Garcia, E., McBride, C., Steemers, F., Garcia, F.,
Kermani, B. G., Gunderson, K., & Oliphant, A. (2005). High-throughput SNP
genotyping on universal bead arrays. Mutation Research, 573(1–2), 70–82.
https://doi.org/10.1016/j.mrfmmm.2004.07.022
Silva, J. (1996). Mechanisms of antibiotic resistance. Current Therapeutic Research,
57(13), 30–35. https://doi.org/10.1016/S0011-393X(96)80095-6
Tafur, J. D., Torres, J. A., & Villegas, M. V. (2008). Mechanisms of antibiotic
resistance in Gram negative bacteria. Infectio, 12(3), 227–232.
76
http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0123-
93922008000300007&lng=en&nrm=iso&tlng=es
Tran, J. H., & Jacoby, G. A. (2002). Mechanism of plasmid-mediated quinolone
resistance. Proceedings of the National Academy of Sciences of the United
States of America, 99(8), 5638–5642. https://doi.org/10.1073/pnas.082092899
Uzzau, S., Brown, D. J., Wallis, T., Rubino, S., Leori, G., Bernard, S., Casadesús, J.,
Platt, D. J., & Olsen, J. E. (2000). Host adapted serotypes of Salmonella
enterica. Epidemiology and Infection, 125(2), 229–255.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2869595/
Vågene, Å. J., Herbig, A., Campana, M. G., García, N. M. R., Warinner, C., Sabin, S.,
Spyrou, M. A., Valtueña, A. A., Huson, D., Tuross, N., Bos, K. I., & Krause, J.
(2018). Salmonella enterica genomes from victims of a major sixteenth-century
epidemic in Mexico. Nature Ecology & Evolution, 2(3), 520.
https://doi.org/10.1038/s41559-017-0446-6
Vázquez-Garcidueñas, M. S., Romero-Pérez, N. L., Figueroa-Aguilar, G. A., Jaime-
Sánchez, J. L., & Vázquez-Marrufo, G. (2014). Investigation of a food-borne
Salmonella oranienburg outbreak in a Mexican prison. The Journal of Infection
in Developing Countries, 8(02), 143–153. https://doi.org/10.3855/jidc.3367
Wang, M., Sahm, D. F., Jacoby, G. A., & Hooper, D. C. (2004). Emerging plasmid-
mediated quinolone resistance associated with the qnr gene in Klebsiella
pneumoniae clinical isolates in the United States. Antimicrobial Agents and
Chemotherapy, 48(4), 1295–1299. https://doi.org/10.1128/aac.48.4.1295-
1299.2004
77
Zaidi, M. B., Macías, C. L., & Calva, E. (2006). Estudios mexicanos sobre Salmonella:
Epidemiología, vacunas y biología molecular. Revista Latinoamericana de
Microbiología, 48(2), 121–125.
http://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=11455
Zaidi, M. B., McDermott, P. F., Fedorka-Cray, P., Leon, V., Canche, C., Hubert, S. K.,
Abbott, J., León, M., Zhao, S., Headrick, M., & Tollefson, L. (2006).
Nontyphoidal Salmonella from Human Clinical Cases, Asymptomatic Children,
and Raw Retail Meats in Yucatan, Mexico. Clinical Infectious Diseases, 42(1),
21–28. https://doi.org/10.1086/498508
Zhou, F., & Xu, Y. (2010). cBar: A computer program to distinguish plasmid-derived
from chromosome-derived sequence fragments in metagenomics data.
Bioinformatics (Oxford, England), 26(16), 2051–2052.
https://doi.org/10.1093/bioinformatics/btq299
78
Top Related