2020, Vol. 41
文章信息
- 高敏, 杨婷婷, 李桂莲, 陈蓉, 刘海灿, 高谦, 万康林, 奉水东.
- Gao Min, Yang Tingting, Li Guilian, Chen Rong, Liu Haican, Gao Qian, Wan Kanglin, Feng Shuidong
- 基于全基因组测序的我国耐多药结核分枝杆菌耐药突变特征分析
- Analysis on drug resistance-associated mutations of multi-drug resistant Mycobacterium tuberculosis based on whole-genome sequencing in China
- 中华流行病学杂志, 2020, 41(5): 770-775
- Chinese Journal of Epidemiology, 2020, 41(5): 770-775
- http://dx.doi.org/10.3760/cma.j.cn112338-20191111-00800
-
文章历史
收稿日期: 2019-11-11
2. 复旦大学基础医学院, 上海 200032;
3. 中国疾病预防控制中心传染病预防控制所 传染病预防控制国家重点实验室, 北京 102206
2. School of Basic Medical Sciences, Fudan University, Shanghai 200032, China;
3. State Key Laboratory for Infectious Diseases Prevention and Control, National Institute for Communicable Disease Control and Prevention, Chinese Center for Disease Control and Prevention, Beijing 102206, China
耐多药结核病（multidrug-resistant tuberculosis，MDR-TB）是全球及我国主要的公共卫生问题之一。据2019年WHO估计[1]，中国耐多药/利福平耐药结核病（MDR/RR-TB）患者数位居全球第二，约6.6万例，而MDR/RR-TB治愈率仅为52%（2016年开始二线药物治疗后）。因此快速准确鉴定MDR-TB患者，对指导早期临床用药、提高治愈率具有重要意义。
目前，表型药敏试验（drug susceptibility testing，DST）被认为是结核分枝杆菌（Mycobacterial tuberculosis，MTB）耐药检测的金标准，但此方法操作繁琐且耗时长（10 d至4周），在此期间患者极有可能被不合理用药，反而增加耐药风险[2]。分子药敏检测（molecular drug susceptibility testing，mDST）可以实现耐药结核病的快速诊断（约2 h得到结果），但检测的敏感性依赖于检测耐药突变位点的数量。由于目前快速诊断方法只能检测数量有限的耐药突变位点，而耐药突变谱（突变类型及突变频率）存在地区差异[3-6]，因此，全面了解不同地区MTB的耐药突变谱，对于选择适合的耐药突变位点组合，提高mDST的敏感性具有重要意义。全基因组测序（whole genome sequencing，WGS）可检测目前所有已知的耐药相关突变；对一线及常见二线药物耐药性检测的敏感性、特异性均超过85.0%；另对异烟肼（INH）和利福平（RIF）等一线药物敏感性预测准确性也可达95.0%以上[7-9]。这表明WGS可为临床治疗尤其是为MDR-TB诊治提供更多有效信息。本研究通过收集NCBI数据库中2019年8月前发表的我国MDR-TB菌株WGS数据，分析耐药相关基因的突变谱及主要突变类型与菌株基因型的相关性。
资料与方法1. WGS数据收集：以“Mycobacterial tuberculosis”“whole genome sequencing”及“China”为关键词，在NCBI上搜索2019年8月前已发表的包含菌株地理信息及WGS数据的相关文献，并从NCBI和EMBL-EBI上下载相应的测序数据[7, 10-17]。
2.测序菌株质控及筛选：首先使用Scythe（https://github.com/ucdavisbioinformatics/scythe）和Sickle（https://github.com/najoshi/sickle）软件去除测序数据样本中的接头序列和低质量的碱基（Phred＜20）。然后采用Bowtie2（http://bowtie-bio.sourceforge.net/bowtie2）软件将保留的高质量序列数据比对到MTB标准菌株H37Rv基因组序列上（GenBank accession NC_000962.3）。根据比对结果，筛选平均测序深度＞10倍、基因组覆盖度＞95%的测序数据样本，最终获得2 019株满足分析要求的WGS数据。
3.单核苷酸多态性（SNP）鉴定：使用Samtools（http://www.htslib.org/）工具包鉴定每株菌株相对于H37Rv的SNP，筛选比对质量≥30的SNP。采用VarScan（http://varscan.sourceforge.net）软件鉴定固定突变（频率≥75%，至少10条序列支持）。
4.耐药相关基因突变鉴定及耐多药菌株筛选：将下载的WGS数据与目前已知的MTB耐药相关基因突变数据库进行比对[18-19]，INH耐药相关基因包括inhA、katG、ahpC、fabG1、kasA；RIF耐药相关基因包括rpoB；乙胺丁醇（EMB）耐药相关基因包括embA、embB、embC；吡嗪酰胺（PZA）耐药相关基因包括pncA、rpsA；链霉素（SM）耐药相关基因包括rrs、rspL；氟喹诺酮类（FQs）耐药相关基因包括gyrA、gyrB，二线注射类（second-line injectable drugs，SLID）耐药相关基因包括rrs、eis；乙硫异烟胺（ETO）耐药相关基因包括ethA、ethR、inhA；对氨基水杨酸（PAS）耐药相关基因包括thyA、floC、ribB；利奈唑胺（LZD）耐药相关基因包括rrl、rplC；氯法齐明（CFZ）、贝达喹啉（BDQ）检测Rv0678；经比对获得2 019株MTB的耐药突变情况；再根据INH和RIF耐药相关基因突变的有无情况，筛选出MDR菌株。
5.系统发生树构建及菌株分型：排除位于基因组重复区域（如PPE/PE-PGRS家族基因、噬菌体序列、插入或移动元件）的SNP，将每个菌株中的SNP按照位置整合成一条序列。合并MDR菌株的SNP序列，去除在5%以上的菌株中有gap的位点（由于插入、缺失、低覆盖度或比对质量等造成）。采用MEGA X（https://www.megasoftware.net）软件，基于Neighbor-joining方法构建系统发生树，bootstrap值为100。将SNP与MTB各谱系和亚型的特异性突变进行比较，鉴定每株菌株所属的谱系及亚型。
6.成簇菌株鉴定：编写Perl脚本计算MDR菌株两两之间的SNP距离，以12个SNP为界，鉴定成簇的菌株[10]。
7.统计学分析：利用SPSS 20.0软件，按α＝0.05的水准，通过χ2检验或校正χ2检验分析不同药物主要突变类型的发生频率在谱系间（L2和L4系）以及谱系内各亚型间（现代北京基因型与古典北京基因型）差异是否有统计学意义。
结果1. MDR菌株来源及遗传结构：共收集到国内2 019株MTB WGS数据，再根据INH和RIF耐药相关基因突变结果共鉴定出1 024株MDR菌株（至少同时耐INH和RIF）。其主要来源于2007年全国耐药基线调查377株、深圳420株、上海118株、浙江100株，菌株来源分布已覆盖全国30个省份，不同城市菌株具体分布情况见图 1。1 024株MDR菌株中，28.2%为早期广泛耐药MTB，其中FQs耐药占24.1%，SLID耐药占4.1%；6.0%为广泛耐药MTB。此外，研究中检测到1株存在LZD耐药相关基因突变（rplC C154R），未检测到CFZ、BDQ耐药突变株。
|
| 注：其他包括菌株数＜10株的9个省份（重庆、湖北、甘肃、广西、吉林、青海、天津、新疆、云南）之和 图 1 1 024株耐多药结核杆菌来源地区分布 |
为了解本研究中MDR-TB菌株的遗传结构情况，经MEGA X软件构建进化树（图 2），发现1 024株MDR菌株可分为4个谱系（L1、L2、L3、L4）：以L2系为主，共881株（86.0%）；其次是L4系，共138株（13.5%）；L1和L3系菌株共5株（0.5%）。另发现L2系菌株主要由3种亚型组成，589株（66.8%）为L2.3系，284株（32.2%）为L2.2系，另外8株（1.0%）为L2.1系。
|
| 注：不同颜色的分支表示相应菌株所属的谱系，外圈红色区域表示以SNP≤12定义成簇时，各谱系中的成簇菌株 图 2 1 024株结核分枝杆菌遗传结构 |
2. MDR-TB菌株耐药突变特点：为了排除由于传播导致的对特定耐药突变类型频率的影响，首先鉴定了代表近期传播的成簇菌株。以SNP≤12定义成簇[10]，共鉴定出84个簇共227株（22.2%）成簇菌株，平均每个簇包括3个菌株（簇大小为2~8个），非成簇菌株797株。成簇菌株突变类型统计按每个传播簇分别进行计数，每个传播簇中所有出现的突变类型皆以计数一次的方式进行统计[20]。按此方法计算，本研究MDR-TB菌株相当于共881株，其对不同药物的耐药相关基因突变情况见表 1。
一线药物中，INH不同耐药相关基因突变频率为katG（87.2%）、fabG1启动子区（16.2%）、ahpC启动子区（7.5%）、inhA（1.5%）、kasA（0.1%），耐药基因中共产生57种突变类型，其中最主要的突变类型为katG S315T（73.2%）；此外，发现104株（11.8%）INH耐药株中存在≥2个位点联合突变，以katG和fabG1启动子区联合突变居多。在RIF耐药相关rpoB基因上共发现50种突变类型，其中95.8%（844/881）的突变发生在RIF耐药决定区，最主要的突变类型为rpoB S450L（63.1%）；且发现116株（13.2%）RIF耐药株存在≥2个位点的联合突变。本研究未发现EMB耐药相关基因embC突变菌株，仅发现embB基因和embA启动子突变菌株，其中embB基因306、406、497、354和1 024位点分别占64.1%、13.9%、10.7%、3.7%和3.4%，embA启动子区中-11、-12和-16位点分别占1.4%、4.5%和3.0%；耐药基因中共产生24种突变类型，其中最主要的突变类型为embB M306V（37.2%）和M306I（22.6%），且发现57株（10.2%）存在位点联合突变。对PZA耐药相关基因pncA进行分析发现，其突变位点分散，几乎遍布整个启动子区域及编码区域，突变类型多达118种，突变频率稍高的是pncA启动子区T（-11）C（21株，7.9%）。对SM耐药相关基因rrs和rpsL进行分析，共发现13种突变类型，其中最主要的突变类型为rpsL K43R（70.0%），另发现59株（9.4%）存在位点联合突变。
二线药物中，FQs耐药相关基因突变以gyrA（90.7%，244/269）基因突变为主，在FQs耐药决定区的突变占90.6%（242/881），主要突变类型为gyrA A90V（32.3%）与D94G（28.6%）。分析与SLID耐药相关的rrs和eis启动子区域，突变类型以rrs A1401G（67.7%）为主。分析与ETO耐药相关的fabG1启动子区和inhA基因发现主要的突变类型为fabG1启动子区C（-15）T（87.0%）。分析与PAS耐药相关的folC和thyA，发现主要突变类型为folC I43T（30.4%）与thyA H75N（27.5%）。
3.遗传背景与耐药突变的相关性分析：881株MDR菌株中，749株（86.0%）为L2系菌株，127株（13.5%）为L4系菌株，5株（0.5%）为L1和L3系菌株。由于L1和L3系菌株数较少（＜1.0%），本研究仅分析了L2和L4系菌株与耐药突变类型的相关性（表 2）。结果显示，katG S315T（INH）、embB M306V（EMB）、rpsL K43R（SM）、gyrA D94G（FQs）在L2系中的比例高于在L4系，差异均有统计学意义（P＜0.05）；同时，与PAS耐药相关的folC I43T和thyA H75N两种突变类型仅在L2系菌株中发现。
749株L2系菌株中，497株（66.3%）为L2.3系（现代北京基因型）菌株，245株（32.7%）为L2.2系（古典北京基因型）菌株，7株（1.0%）为L2.1系菌株。因L2.1菌株较少（≤1%），因此本研究仅分析现代北京基因型与古典北京基因型菌株与各药物耐药相关的主要突变类型的相关性（表 2）。结果显示，katG S315T（INH）、fabG1启动子区C（-15）T（INH）、rpsL K43R（SM）和fabG1启动子区C（-15）T（ETO）在两种亚型中的分布差异有统计学意义（P＜0.05），fabG1启动子区C（-15）T（ETO）的差异与INH交叉耐药有关。进一步分析发现，现代北京基因型菌株中rpsL K43R（SM）的发生率高于古典北京基因型菌株，而katG S315T（INH）则相反，另thyA H75N（PAS）仅在古典北京基因型菌株中发现。
讨论本研究采用WGS分析，获得了我国MDR菌株耐15种药物的耐药相关基因突变特征。目前国内对耐药突变特征研究主要采用PCR-DNA测序法[21-25]，仅检测高频耐药突变基因，如INH中仅检测katG、inhA启动子区和oxyR-ahpC，EMB仅检测embB基因，并未检测已知与INH耐药相关的kasA以及与EMB耐药相关的embA启动子区区域。相比之下，本研究采用WGS方法，能够分析所有已知的耐药突变位点，获得更全面的耐药突变特征。另外，本研究的样本量较大、覆盖地区范围较广、药物种类较多[21-25]，该结果将为设计新的耐药结核病分子诊断检测方法选择耐药突变位点组合提供可靠的依据。
目前国内主要对INH、RIF、EMB、FQs和SLID药物进行了耐药相关基因突变特征研究，本研究发现不同药物的主要突变类型与已有研究一致[6]。与河北、江西地区相比，发现INH、RIF和SLID耐药相关基因的主要突变类型一致，但突变频率存在差异；而与FQs耐药相关的gyrA基因中，这两个地区菌株突变以D94G为主[26-27]。本研究PAS耐药相关的主要突变类型与西南地区研究结果一致[28]。文献报道显示，PZA主要耐药相关基因为pncA，但其突变类型较多[29-30]，本研究发现主要突变类型为pncA启动子区T（-11）C（7.9%），与国内一项收集浙江、江苏、四川省菌株分析的结果（6.8%）相似[29]，但与中国南方地区（pncA 132位点突变占12.3%）研究结果差异较大[30]，其耐药机制可能还需进一步研究。总体而言，国内不同地区抗结核药物耐药谱中主要突变类型基本一致，但突变频率可能存在一定的差异，其可能与研究样本量、菌株基因型差异、就诊用药习惯及患者依从性等因素有关。
由于不同地区的耐药突变谱不同可能导致同一分子检测方法在不同地区检测的灵敏度存在差异[4, 6]，例如，对于INH、RIF的研究，巴基斯坦使用GenoType MTBDRplus检测的灵敏度为71.7%~79.2%[4]；巴西检测灵敏度为83.3%~93.3%[31]；中国地区检测的灵敏度为82.1%~98.7%[6]，提示不同地区耐药突变位点的组合应根据当地突变特点来选择，这样可以提高检测灵敏度。本研究提示Xpert、GenoType、MeltPro法在我国INH、RIF、FQs、SLID耐药检测中的代表性较好，EMB耐药检测结果稍差。此外，本研究结果显示SLID耐药相关突变类型rrs C517T占14.0%，EMB耐药相关embB 354位点突变占3.7%、1 024位点突变占3.4%及embA启动子-16~-11位点突变占8.9%，在mDST中加入这些检测位点可明显提高我国SLID和EMB的耐药检出率。
同一药物在不同地区报道的耐药突变谱不同，其原因可能与研究的样本量、用药习惯、社会经济等因素有关外，也可能与地区流行菌株的遗传背景差异有关[14, 20, 32]。本研究分析主要耐药突变类型与菌株基因型的相关性，结果发现我国L2系菌株中katG S315T（INH）、embB M306V（EMB）、gyrA D94G（FQs）的频率显著高于L4系菌株。katG S315T在我国INH耐药菌株中占73.2%，该比例显著高于主要流行L3系的印度地区（62.6%）及主要流行L4系的墨西哥地区（60.0%）[33-34]。另外我国EMB和FQs耐药株中，最主要的突变类型分别为embB M306V（37.4%）和gyrA A90V（32.3%），该耐药突变谱与主要流行L3系的巴基斯坦地区相比也存在较大差异，其主要突变类型分别为embB M306I、gyrA D94G（20%~35%）[4, 35]。总的来说，我国以L2系菌株为主要流行株的地区，INH、EMB、FQs突变类型及频率与其他谱系菌株流行地区存在差异。
本研究存在局限性。收集的MDR菌株虽然已覆盖全国30个省份，但不同省份菌株数量差异较大，如深圳及上海地区采样较多。同时由于缺少菌株相应的DST结果，文中统计的突变位点比例可能与根据表型药敏结果计算得到的突变率存在一定差距。
综上所述，本研究提供了我国MDR菌株对一线及二线抗结核药物的耐药相关基因突变谱和主要突变类型及其与菌株谱系的相关性，为研究适合我国临床流行菌株特点的新的耐药突变位点组合、提高mDST的灵敏度、精准地指导临床用药提供了较全面的数据支持。
利益冲突 所有作者均声明不存在利益冲突
| [1] |
World Health Organization. Global Tuberculosis Report 2019[M]. Geneva: World Health Organization, 2019.
|
| [2] |
Shea J, Halse TA, Lapierre P, et al. Comprehensive whole-genome sequencing and reporting of drug resistance profiles on clinical cases of Mycobacterium tuberculosis in New York state[J]. J Clin Microbiol, 2017, 55(6): 1871-1882. DOI:10.1128/jcm.00298-17 |
| [3] |
Singhal R, Reynolds PR, Marola JL, et al. Sequence analysis of fluoroquinolone resistance-associated genes gyrA and gyrB in clinical Mycobacterium tuberculosis isolates from patients suspected of having multidrug-resistant tuberculosis in New Delhi, India[J]. J Clin Microbiol, 2016, 54(9): 2298-2305. DOI:10.1128/jcm.00670-16 |
| [4] |
Javed H, Bakuła Z, Pleń M, et al. Evaluation of genotype MTBDRplus and MTBDRsl assays for rapid detection of drug resistance in extensively drug-resistant Mycobacterium tuberculosis Isolates in Pakistan[J]. Front Microbiol, 2018, 9: 2265. DOI:10.3389/fmicb.2018.02265 |
| [5] |
Nguyen TNA, Anton-Le Berre V, Bauls AL, et al. Molecular diagnosis of drug-resistant tuberculosis:a literature review[J]. Front Microbiol, 2019, 10: 794. DOI:10.3389/fmicb.2019.00794 |
| [6] |
Jian J, Yang X, Yang J, et al. Evaluation of the GenoType MTBDRplus and MTBDRsl for the detection of drug-resistant Mycobacterium tuberculosis on isolates from Beijing, China[J]. Infect Drug Resist, 2018, 11: 1627-1634. DOI:10.2147/idr.s176609 |
| [7] |
Chen XC, He GQ, Wang SY, et al. Evaluation of Whole-Genome Sequence Method to Diagnose Resistance of 13 Anti-tuberculosis drugs and characterize resistance genes in clinical multi-drug resistance Mycobacterium tuberculosis isolates from China[J]. Front Microbiol, 2019, 10: 1741. DOI:10.3389/fmicb.2019.01741 |
| [8] |
Allix-Beguec C, Arandjelovic I, Bi L, et al. Prediction of susceptibility to first-line tuberculosis drugs by DNA sequencing[J]. N Engl J Med, 2018, 379(15): 1403-1415. DOI:10.1056/NEJMoa1800474 |
| [9] |
Nimmo C, Doyle R, Burgess C, et al. Rapid identification of a Mycobacterium tuberculosis full genetic drug resistance profile through whole genome sequencing directly from sputum[J]. Int J Infect Dis, 2017, 62: 44-46. DOI:10.1016/j.ijid.2017.07.007 |
| [10] |
Yang CG, Luo T, Shen X, et al. Transmission of multidrug-resistant Mycobacterium tuberculosis in Shanghai, China:a retrospective observational study using whole-genome sequencing and epidemiological investigation[J]. Lancet Infect Dis, 2017, 17(3): 275-284. DOI:10.1016/s1473-3099(16)30418-2 |
| [11] |
Zhang HT, Li DF, Zhao LL, et al. Genome sequencing of 161 Mycobacterium tuberculosis isolates from China identifies genes and intergenic regions associated with drug resistance[J]. Nat Genet, 2013, 45(10): 1255-1260. DOI:10.1038/ng.2735 |
| [12] |
Hicks ND, Yang J, Zhang XB, et al. Clinically prevalent mutations in Mycobacterium tuberculosis alter propionate metabolism and mediate multidrug tolerance[J]. Nat Microbiol, 2018, 3(9): 1032-1042. DOI:10.1038/s41564-018-0218-3 |
| [13] |
Liu QY, Ma AJ, Wei LH, et al. China's tuberculosis epidemic stems from historical expansion of four strains of Mycobacterium tuberculosis[J]. Nat Ecol Evol, 2018, 2(12): 1982-1992. DOI:10.1038/s41559-018-0680-6 |
| [14] |
Huang HR, Ding N, Yang TT, et al. Cross-sectional whole-genome sequencing and epidemiological study of multidrug-resistant Mycobacterium tuberculosis in China[J]. Clin Infect Dis, 2018, 69(3): 405-413. DOI:10.1093/cid/ciy883 |
| [15] |
Yang CG, Lu LP, Warren JL, et al. Internal migration and transmission dynamics of tuberculosis in Shanghai, China:an epidemiological, spatial, genomic analysis[J]. Lancet Infect Dis, 2018, 18(7): 788-795. DOI:10.1016/s1473-3099(18)30218-4 |
| [16] |
Luo T, Comas I, Luo D, et al. Southern East Asian origin and coexpansion of Mycobacterium tuberculosis Beijing family with Han Chinese[J]. Proc Natl Acad Sci USA, 2015, 112(26): 8136-8141. DOI:10.1073/pnas.1424063112 |
| [17] |
Jiang Q, Liu QY, Ji LC, et al. Citywide transmission of multidrug-resistant tuberculosis under China's rapid urbanization:a retrospective population-based genomic spatial epidemiological study[J]. Clin Infect Dis, 2019, ciz79. DOI:10.1093/cid/ciz790 |
| [18] |
Walker TM, Kohl TA, Omar SV, et al. Whole-genome sequencing for prediction of Mycobacterium tuberculosis drug susceptibility and resistance:a retrospective cohort study[J]. Lancet Infect Dis, 2015, 15(10): 1193-1202. DOI:10.1016/s1473-3099(15)00062-6 |
| [19] |
Coll F, McNerney R, Preston MD, et al. Rapid determination of anti-tuberculosis drug resistance from whole-genome sequences[J]. Genome Med, 2015, 7: 51. DOI:10.1186/s13073-015-0164-0 |
| [20] |
Castro RAD, Ross A, Kamwela L, et al. The genetic background modulates the evolution of fluoroquinolone-resistance in Mycobacterium tuberculosis[J]. Mol Biol Evol, 2019, 37(1): 195-207. DOI:10.1093/molbev/msz214 |
| [21] |
Zhang ZJ, Lu J, Liu M, et al. Genotyping and molecular characteristics of multidrug-resistant Mycobacterium tuberculosis isolates from China[J]. J Infect, 2015, 70(4): 335-345. DOI:10.1016/j.jinf.2014.11.008 |
| [22] |
Li YN, Wang YL, Zhang Z, et al. Association between embB Codon 306 mutations, phenotypic resistance profiles, and genotypic characterization in clinical Mycobacterium tuberculosis isolates from Hebei, China[J]. Antimicrob Agents Chemother, 2016, 60(12): 7295-7302. DOI:10.1128/aac.00532-16 |
| [23] |
Zhao LL, Chen Y, Liu HC, et al. Molecular characterization of multidrug-resistant Mycobacterium tuberculosis isolates from China[J]. Antimicrob Agents Chemother, 2014, 58(4): 1997-2005. DOI:10.1128/aac.01792-13 |
| [24] |
Li QL, Gao HX, Zhang Z, et al. Mutation and transmission profiles of second-line drug resistance in clinical isolates of drug-resistant Mycobacterium tuberculosis from Hebei Province, China[J]. Front Microbiol, 2019, 10: 1838. DOI:10.3389/fmicb.2019.01838 |
| [25] |
Zhao LL, Huang MX, Xiao TY, et al. Prevalence, risk and genetic characteristics of drug-resistant tuberculosis in a tertiary care tuberculosis hospital in China[J]. Infect Drug Resist, 2019, 12: 2457-2465. DOI:10.2147/idr.s209971 |
| [26] |
Li QL, Wang YL, Li YN, et al. Characterisation of drug resistance-associated mutations among clinical multidrug-resistant Mycobacterium tuberculosis isolates from Hebei Province, China[J]. J Glob Antimicrob Resist, 2019, 18: 168-176. DOI:10.1016/j.jgar.2019.03.012 |
| [27] |
Yuan XL, Zhang TT, Kawakami K, et al. Molecular characterization of multidrug- and extensively drug-resistant Mycobacterium tuberculosis strains in Jiangxi, China[J]. J Clin Microbiol, 2012, 50(7): 2404-2413. DOI:10.1128/jcm.06860-11 |
| [28] |
Luo M, Li K, Zhang HZ, et al. Molecular characterization of para-aminosalicylic acid resistant Mycobacterium tuberculosis clinical isolates in southwestern China[J]. Infect Drug Resist, 2019, 12: 2269-2275. DOI:10.2147/idr.s207259 |
| [29] |
Li DG, Hu Y, Werngren J, et al. Multicenter study of the emergence and genetic characteristics of pyrazinamide-resistant tuberculosis in China[J]. Antimicrob Agents Chemother, 2016, 60(9): 5159-5166. DOI:10.1128/aac.02687-15 |
| [30] |
Pang Y, Zhu DM, Zheng HW, et al. Prevalence and molecular characterization of pyrazinamide resistance among multidrug-resistant Mycobacterium tuberculosis isolates from Southern China[J]. BMC Infect Dis, 2017, 17: 711. DOI:10.1186/s12879-017-2761-6 |
| [31] |
Dantas NGT, Suffys PN, Carvalho WDS, et al. Correlation between the BACTEC MGIT 960 culture system with Genotype MTBDRplus and TB-SPRINT in multidrug resistant Mycobacterium tuberculosis clinical isolates from Brazil[J]. Mem Inst Oswaldo Cruz, 2017, 112(11): 769-774. DOI:10.1590/0074-02760170062 |
| [32] |
Alene KA, Viney K, McBryde ES, et al. Risk factors for multidrug-resistant tuberculosis in northwest Ethiopia:a case-control study[J]. Transbound Emerg Dis, 2019, 66(4): 1611-1618. DOI:10.1111/tbed.13188 |
| [33] |
Madrazo-Moya CF, Cancino-Muñoz I, Cuevas-Córdoba B, et al. Whole genomic sequencing as a tool for diagnosis of drug and multidrug-resistance tuberculosis in an endemic region in Mexico[J]. PLoS One, 2019, 14(6): e0213046. DOI:10.1371/journal.pone.0213046 |
| [34] |
Polu GP, Mohammad Shaik J, Kota NMK, et al. Analysis of drug resistance mutations in pulmonary Mycobacterium tuberculosis isolates in the Southern coastal region of Andhra Pradesh, India[J]. Braz J Infect Dis, 2019, 23(5): 281-290. DOI:10.1016/j.bjid.2019.07.002 |
| [35] |
Couvin D, Reynaud Y, Rastogi N. Two tales:Worldwide distribution of Central Asian (CAS) versus ancestral East-African Indian (EAI) lineages of Mycobacterium tuberculosis underlines a remarkable cleavage for phylogeographical, epidemiological and demographical characteristics[J]. PLoS One, 2019, 14(7): e0219706. DOI:10.1371/journal.pone.0219706 |