Forskargrupp
Modellerar och förutsäger evolution av biofilmbildande eller antibiotikaresistens hos Pseudomonas bakterier.
Peter Linds forskargrupp ägnar sig åt experimentell evolution och modellering för att förutsäga evolutionen av ökad förmåga att bilda biofilm eller antibiotikaresistens hos Pseudomonas bakterier.
Evolutionära processer har en central betydelse inom infektionssjukdomar, till exempel för utveckling av resistens mot antimikrobiella läkemedel, vaccin och spridning av nya sjukdomar från djur till människor. Vi studerar evolution av biofilmer och multiresistens i laboratoriet för att testa grundläggande frågor om evolutionens förutsägbarhet. Eftersom vi använder bakteriearter som orsakar allvarliga infektioner hos människor och där problemen med resistens är som störst, kan våra studier vara direkt användbara för att informera klinisk forskning, utveckling av nya antibiotika och identifiera nya resistensmekanismer. Eftersom bakterierna inte kan anpassa sig till framtida förhållanden hoppas vi kunna ligga steget före bakterierna för att lura dem in i evolutionära återvändsgränder.
Den ökande antibiotikaresistensen hos olika sjukdomsframkallande bakterier hotar hela den moderna sjukvården och riskerar att göra vanliga okomplicerade infektioner dödliga igen. Eftersom få nya antibiotika kommer ut på marknaden måste de antibiotika som finns användas på ett optimalt sätt för att minska risken för resistens. Detta är en särskilt svår utmaning när flera olika antibiotika används under en lång tid, till exempel vid behandling av kroniska lunginfektioner hos människor med cystisk fibros eller hos människor med nedsatt immunförsvar, då det leder multiresistens och ökad bildning av biofilmer genom en mängd olika mutationer som är unika för varje patient. Biofilmer bildas av mikroorganismer genom ökad vidhäftning till ytor och andra celler och bildande av en extracellulär matris bestående av olika extracellulära polymeriska substanser. Detta leder till ökad antibiotikaresistens och gör det svårare för immunförsvaret att bekämpa mikroorganismerna, vilket kan leda till kroniska infektioner. Risken för framtida resistens mot en annan antibiotika och hur virulenta dessa mutanter är beroende av bakteriens tidigare evolution. Om det fanns en möjlighet att förutsäga evolutionen och förstå varför vissa evolutionära vägar väljs skulle denna kunskap kunna användas för att kontrollera och styra den evolutionära processen för att göra behandlingen effektivare.
Vi använder en kombination av matematisk modellering och experimentell evolution för göra det möjligt att förutsäga och styra evolutionen av multiresistens och biofilmer. Vi har tidigare utvecklat matematiska modeller av molekylära nätverk som kan förutsäga hur Pseudomonas bakterier kan mutera för att bilda biofilm och visat att dessa modeller kan användas för att förutsäga evolutionen hos olika arter av Pseudomonas bakterier.
Vi utvecklar nu nya matematiska modeller för att förutsäga och styra evolutionen av multiresistens mot antibiotika hos sjukdomsframkallande Pseudomonas och Acinetobacter bakterier. Modellerna används för att göra simuleringar av hur olika mutationer påverkar tillväxthastigheten, vilket är avgörande för bakteriens fortsatta spridning, och om det finns ovanliga evolutionära vägar till ökad antibiotikaresistens som vanligen missas. Dessa förutsägelser testas sedan i laboratoriet genom experimentell evolution i närvaro av olika kliniskt relevanta antibiotika. Bakterierna utvecklar då ökad multiresistens genom mutationer som identifieras genom sekvensering av deras arvsmassa. De multiresistenta bakterierna karakteriseras sedan med avseende på resistensnivå mot olika antibiotika och tillväxtförmåga, och resultaten används för att kontinuerligt förbättra modellerna. Slutligen kommer vi använda våra förbättrade modeller för att förutsäga hur vi kan styra bakterierna evolution till återvändsgränder där bakterierna inte längre kan utveckla ökad resistens utan en stor kostnad i tillväxthastighet och hur olika kombinationer av antibiotika kan användas på bästa sätt.