Secuenciación metagenómica diagnostica casos de meningitis

La meningitis subaguda y crónica son enfermedades diagnósticamente desafiantes dado el amplio rango de posibles causas infecciosas, autoinmunes, neoplásicas, paraneoplásicas, parameníngeas y tóxicas. Asegurar un diagnóstico final puede requerir semanas o meses de análisis o permanecer sin resolver, requiriendo métodos de tratamiento empírico que pueden ser ineficaces o incluso dañinos.

A diferencia de las pruebas tradicionales para microbios específicos o categorías de infección, la secuenciación metagenómica de próxima generación (mNGS) del líquido cefalorraquídeo (LCR) o del tejido cerebral detecta casi todas las infecciones potenciales del sistema nervioso central (SNC) y puede identificar patógenos nuevos o inesperados. Sin embargo, los datos de mNGS requieren un análisis cuidadoso para determinar cuáles, si los hay, de los microbios identificados representan un verdadero patógeno en lugar de la contaminación ambiental.


Un gran equipo de científicos liderado por los de la Universidad de California, San Francisco (San Francisco, CA, EUA) inscribió a siete pacientes que fueron reclutados entre septiembre de 2013 y marzo de 2017 como parte de un estudio más amplio que aplicaba la mNGS a muestras biológicas de pacientes con sospecha de enfermedad neuroinflamatoria. Los siete participantes inscritos en el presente estudio tenían leptomeningitis subaguda o crónica con o sin encefalitis.

El equipo realizó secuenciación metagenómica de próxima generación en el ARN total extraído del LCR excedente (250-500 μL) y un participante también realizó la mNGS en ARN total extraído de tejido superfluo congelado instantáneo (<50 mg) obtenido de una biopsia meníngea lumbar. Las secuencias del extremo apareado de 125 a 150 pares de bases se analizaron utilizando una fuente en desarrollo de detección de patógenos computacionales rápidos descrita previamente que consta de componentes de fuente abierta.

Para poder diferenciar supuestos patógenos de secuencias microbianas contaminantes derivadas de la piel, los tubos de recolección, los reactivos de laboratorio o el medio ambiente, se utilizó un modelo de fondo compuesto de datos metagenómicos. Este modelo incorporó 24 muestras de control de agua y 94 muestras de LCR de pacientes con diagnósticos no infecciosos, incluidos 21 pacientes que presentaban meningitis crónica con o sin encefalitis.

Los siete participantes tenían edades comprendidas entre 10 y 55 años, y tres (43%) eran mujeres. Se pudieron identificar un gusano parásito, Taenia solium en dos participantes, un virus (VIH-1) y cuatro hongos: Cryptococcus neoformans, Aspergillus oryzae, Histoplasma capsulatum y Candida dubliniensis entre los siete participantes mediante el uso de la mNGS.

Los autores concluyeron que se identificaron diversos patógenos microbianos por mNGS en el LCR de pacientes con diagnóstico desafiante de meningitis subaguda o crónica, incluyendo un caso de neurocisticercosis subaracnoidea que desafió el diagnóstico durante un año, el primer caso reportado de vasculitis del SNC causada por Aspergillus oryzae, y el cuarto caso reportado de meningitis por C. dubliniensis. El estudio fue publicado el 16 de abril de 2018 en la revista JAMA Neurology.