Rapid Identification of Food-Borne Bacteria Using a Vast Database of Theoretical Prokaryotic Protein Masses Predicted from Genome Sequences for MALDI-MS

Význam tématu

Rychlá a spolehlivá identifikace mikroorganismů je zásadní pro bezpečnost potravin, kontrolu kvality i prevenci kontaminace ve výrobních procesech. Konvenční MALDI-MS knihovny vyžadují nákladné aktualizace a často nepokrývají nově popsané či těžko kultivovatelné druhy. Využití genomických dat pro predikci teoretických hmotností proteinů umožňuje rozšířit rozsah identifikovatelných bakterií a archeí bez nutnosti fyzické kultivace nových kmenů.

Cíle a přehled studie

Studie se zaměřila na vývoj a validaci velké databáze teoretických proteinových hmot (GPMsDB) odvozených z více než 400 000 genomů pro MALDI-MS mikrobiální identifikaci. Součástí řešení je webová aplikace MicrobialTrack, která porovnává experimentální MALDI spektra se záznamy z GPMsDB. Cílem bylo otestovat metodu na více než 20 potravinářských bakteriích a kmenech rodu Acinetobacter a porovnat výsledky s 16S rRNA analýzou.

Použitá metodika a instrumentace

• Databáze GPMsDB: ~85 200 druhů, 402 130 genomů (Bakterie a Archaea), predikce teoretických hmotností z ribozomálních i dalších proteinů.
• Software MicrobialTrack: cloudová webová služba s dvěma režimy databázového dotazu („All“ a „Reps“), bez nutnosti lokální instalace či licence na aktualizace.
• Hmotnostní spektrometr: Shimadzu MALDI-8030 (RUO).
• Příprava vzorku: přímý nátěr, extrakce 25% formickou kyselinou, EOH wash s následnou FA/ACN extrakcí.
• Matrice: CHCA roztok.

Hlavní výsledky a diskuse

• MicrobialTrack správně identifikoval většinu testovaných potravinářských bakterií i kmenů Acinetobacter s vysokou spolehlivostí.
• Ve většině případů korespondoval top-hit s výsledkem 16S rRNA analýzy; výjimku tvořily kmeny identifikované jako Lactiplantibacillus paraplantarum, které MicrobialTrack přiřadil k L. plantarum na základě bohatší sady ne-ribozomálních proteinů.
• Resamplingová metoda potvrdila stabilitu identifikace tím, že v opakovaných náhodných výběrech spektrových signálů byly konzistentně detekovány klíčové ribozomální proteiny.
• Detekce signálů v rozsahu vysokých hmotností (až 18 000 m/z) přispěla k rozlišení blízce příbuzných druhů.

Přínosy a praktické využití metody

• Široké pokrytí taxonů v GPMsDB umožňuje identifikovat i nově popsané či dosud nepoužívané druhy bez fyzické aktualizace knihovny.
• Cloudová platforma snižuje implementační náklady a zajišťuje pravidelné aktualizace databáze centrally.
• Rychlá a uživatelsky přívětivá webová aplikace najde uplatnění v potravinářských laboratořích, QA/QC odděleních a výzkumu.

Budoucí trendy a možnosti využití

• Pravidelné doplňování databáze o nové genomické sekvence a obtížně kultivované mikroorganismy.
• Integrace výsledků whole-genome sekvenování pro zpřesnění taxonomického zařazení.
• Automatizace workflow pro online monitorování mikrobiální kontaminace ve výrobních linkách.
• Propojení s dalšími bioinformatickými nástroji pro predikci rezistence či patogenity.

Závěr

Vyvinutá databáze GPMsDB a webová aplikace MicrobialTrack představují efektivní nástroj pro rychlou a přesnou identifikaci potravinářských bakterií i různých druhů rodu Acinetobacter. Metoda eliminuje potřebu fyzické aktualizace MALDI-MS knihoven, zkracuje dobu analýzy a zlepšuje taxonomický dosah oproti konvenčním přístupům.

Reference

• Teramoto K., Niida M., Nakashima E., Mikami N., Yamasaki E., Enomoto H., Morimatsu F. Rapid Identification of Food-Borne Bacteria Using a Vast Database of Theoretical Prokaryotic Protein Masses Predicted from Genome Sequences for MALDI-MS. Shimadzu Corporation, 2025.
• Sekiguchi Y., et al. Genome Biology. 2023. Construction of a genomically predicted protein mass database (GPMsDB) for MALDI-MS microbial identification.