Antimicrobial resistance (AMR) is a major public health problem that requires publicly available tools for rapid analysis. To identify AMR genes in whole-genome sequences, the National Center for Biotechnology Information (NCBI) has produced AMRFinder, a tool that identifies AMR genes using a high-quality curated AMR gene reference database.

Abstract Antimicrobial resistance (AMR) is a significant public health threat. With the rise of affordable whole genome sequencing, in silico approaches to assessing AMR gene content can be used to detect known resistance mechanisms and potentially identify novel mechanisms. To enable accurate assessment of AMR gene content, as part of a multi-agency collaboration, NCBI developed a comprehensive AMR gene database, the Bacterial Antimicrobial Resistance Reference Gene Database and the AMR gene detection tool AMRFinder. Here, we describe the expansion of the Reference Gene Database, now called the Reference Gene Catalog, to include putative acid, biocide, metal, stress resistance genes, in addition to virulence genes and species-specific point mutations. Genes and point mutations are classified by broad functions, as well as more detailed functions. As we have expanded both the functional repertoire of identified genes and functionality, NCBI released a new version of AMRFinder, known as AMRFinderPlus. This new tool allows users the option to utilize only the core set of AMR elements, or include stress response and virulence genes, too. AMRFinderPlus can detect acquired genes and point mutations in both protein and nucleotide sequence. In addition, the evidence used to identify the gene has been expanded to include whether nucleotide or protein sequence was used, its location in the contig, and presence of an internal stop codon. These database improvements and functional expansions will enable increased precision in identifying AMR genes, linking AMR genotypes and phenotypes, and determining possible relationships between AMR, virulence, and stress response.

Laboratory-based in vitro antimicrobial susceptibility testing is the foundation for guiding anti-infective therapy and monitoring antimicrobial resistance trends. We used whole-genome sequencing (WGS) technology to identify known antimicrobial resistance determinants among strains of nontyphoidal Salmonella and correlated these with susceptibility phenotypes to evaluate the utility of WGS for antimicrobial resistance surveillance. Six hundred forty Salmonella of 43 different serotypes were selected from among retail meat and human clinical isolates that were tested for susceptibility to 14 antimicrobials using broth microdilution. The MIC for each drug was used to categorize isolates as susceptible or resistant based on Clinical and Laboratory Standards Institute clinical breakpoints or National Antimicrobial Resistance Monitoring System (NARMS) consensus interpretive criteria. Each isolate was subjected to whole-genome shotgun sequencing, and resistance genes were identified from assembled sequences. A total of 65 unique resistance genes, plus mutations in two structural resistance loci, were identified. There were more unique resistance genes (n = 59) in the 104 human isolates than in the 536 retail meat isolates (n = 36). Overall, resistance genotypes and phenotypes correlated in 99.0% of cases. Correlations approached 100% for most classes of antibiotics but were lower for aminoglycosides and beta-lactams. We report the first finding of extended-spectrum β-lactamases (ESBLs) (blaCTX-M1 and blaSHV2a) in retail meat isolates of Salmonella in the United States. Whole-genome sequencing is an effective tool for predicting antibiotic resistance in nontyphoidal Salmonella, although the use of more appropriate surveillance breakpoints and increased knowledge of new resistance alleles will further improve correlations.

The objectives of this study were to identify antimicrobial resistance genotypes for Campylobacter and to evaluate the correlation between resistance phenotypes and genotypes using in vitro antimicrobial susceptibility testing and whole-genome sequencing (WGS). A total of 114 Campylobacter species isolates (82 C. coli and 32 C. jejuni) obtained from 2000 to 2013 from humans, retail meats, and cecal samples from food production animals in the United States as part of the National Antimicrobial Resistance Monitoring System were selected for study. Resistance phenotypes were determined using broth microdilution of nine antimicrobials. Genomic DNA was sequenced using the Illumina MiSeq platform, and resistance genotypes were identified using assembled WGS sequences through blastx analysis. Eighteen resistance genes, including tet(O), blaOXA-61, catA, lnu(C), aph(2″)-Ib, aph(2″)-Ic, aph(2')-If, aph(2″)-Ig, aph(2″)-Ih, aac(6')-Ie-aph(2″)-Ia, aac(6')-Ie-aph(2″)-If, aac(6')-Im, aadE, sat4, ant(6'), aad9, aph(3')-Ic, and aph(3')-IIIa, and mutations in two housekeeping genes (gyrA and 23S rRNA) were identified. There was a high degree of correlation between phenotypic resistance to a given drug and the presence of one or more corresponding resistance genes. Phenotypic and genotypic correlation was 100% for tetracycline, ciprofloxacin/nalidixic acid, and erythromycin, and correlations ranged from 95.4% to 98.7% for gentamicin, azithromycin, clindamycin, and telithromycin. All isolates were susceptible to florfenicol, and no genes associated with florfenicol resistance were detected. There was a strong correlation (99.2%) between resistance genotypes and phenotypes, suggesting that WGS is a reliable indicator of resistance to the nine antimicrobial agents assayed in this study. WGS has the potential to be a powerful tool for antimicrobial resistance surveillance programs.

The objective of this study was to determine the effectiveness of WGS in identifying resistance genotypes of MDR Escherichia coli and whether these correlate with observed phenotypes. Seventy-six E. coli strains were isolated from farm cattle and measured for phenotypic resistance to 15 antimicrobials with the Sensititre® system. Isolates with resistance to at least four antimicrobials in three classes were selected for WGS using an Illumina MiSeq. Genotypic analysis was conducted with in-house Perl scripts using BLAST analysis to identify known genes and mutations associated with clinical resistance. Over 30 resistance genes and a number of resistance mutations were identified among the E. coli isolates. Resistance genotypes correlated with 97.8% specificity and 99.6% sensitivity to the identified phenotypes. The majority of discordant results were attributable to the aminoglycoside streptomycin, whereas there was a perfect genotype–phenotype correlation for most antibiotic classes such as tetracyclines, quinolones and phenicols. WGS also revealed information about rare resistance mechanisms, such as structural mutations in chromosomal copies of ampC conferring third-generation cephalosporin resistance. WGS can provide comprehensive resistance genotypes and is capable of accurately predicting resistance phenotypes, making it a valuable tool for surveillance. Moreover, the data presented here showing the ability to accurately predict resistance suggest that WGS may be used as a screening tool in selecting anti-infective therapy, especially as costs drop and methods improve.

Nontyphoidal

Abstract Antimicrobial resistance (AMR) is a major public health problem that requires publicly available tools for rapid analysis. To identify acquired AMR genes in whole genome sequences, the National Center for Biotechnology Information (NCBI) has produced a high-quality, curated, AMR gene reference database consisting of up-to-date protein and gene nomenclature, a set of hidden Markov models (HMMs), and a curated protein family hierarchy. Currently, the Bacterial Antimicrobial Resistance Reference Gene Database contains 4,579 antimicrobial resistance gene proteins and more than 560 HMMs. Here, we describe AMRFinder, a tool that uses this reference dataset to identify AMR genes. To assess the predictive ability of AMRFinder, we measured the consistency between predicted AMR genotypes from AMRFinder against resistance phenotypes of 6,242 isolates from the National Antimicrobial Resistance Monitoring System (NARMS). This included 5,425 Salmonella enterica , 770 Campylobacter spp., and 47 Escherichia coli phenotypically tested against various antimicrobial agents. Of 87,679 susceptibility tests performed, 98.4% were consistent with predictions. To assess the accuracy of AMRFinder, we compared its gene symbol output with that of a 2017 version of ResFinder, another publicly available resistance gene database. Most gene calls were identical, but there were 1,229 gene symbol differences between them, with differences due to both algorithmic differences and database composition. AMRFinder missed 16 loci that Resfinder found, while Resfinder missed 1,147 loci AMRFinder identified. Two missing drug classes from the 2017 version of ResFinder contributed 81% of missed loci. Based on these results, AMRFinder appears to be a highly accurate AMR gene detection system. Importance Antimicrobial resistance is a major public health problem. Traditionally, antimicrobial resistance has been identified using phenotypic assays. With the advent of genome sequencing, we now can identify resistance genes and deduce if an isolate could be resistant to antibiotics. We describe a database of 4,579 acquired antimicrobial resistance genes, the largest publicly available, and a software tool to identify genes in bacterial genomes, AMRFinder. Unlike other tools, AMRFinder uses a gene hierarchy to prevent overpredicting what the correct gene call should be, enabling more accurate assessment. To assess these resources, we determined the resistance gene content of over 6,200 bacterial isolates from the National Antimicrobial Resistance Monitoring System that have been assayed using traditional methods and that also have had their genomes sequenced. We also compared our gene assessments to those of a popularly used tool. We found that AMRFinder has a high overall consistency between genotypes and phenotypes.

Animal venoms are considered sterile sources of antimicrobial compounds with strong membrane disrupting activity against multi-drug resistant bacteria. However, bite wound infections are common in developing nations. Investigating the oral and venom microbiome of five snake and two spider species, we evidence viable microorganisms potentially unique to venom for black-necked spitting cobras (Naja nigricollis). Among these are two novel sequence types of Enterococcus faecalis misidentified by commonly used clinical biochemistry procedures as Staphylococcus; the genome sequence data of venom-specific isolates feature an additional 45 genes, at least 11 of which improve membrane integrity. Our findings challenge the dogma of venom sterility and indicate an increased primary infection risk in the clinical management of venomous animal bite wounds.

Abstract In alignment with the One Health paradigm, surface waters are being evaluated as a modality to better understand baseline antimicrobial resistance (AMR) across the environment to supplement existing AMR monitoring in pathogens associated with humans, foods, and animals. Here, we use metagenomic and quasimetagenomic sequence data to describe AMR in Maryland surface waters from developed (high human impact) and natural (low human impact) classifications by the National Land Cover Database (NLCD). Critically important β-lactamase genes were observed in twice as many high human impact zones. All data are available under BioProject PRJNA79347. https://www.ncbi.nlm.nih.gov/bioproject/794347

Animal venoms are considered sterile sources of antimicrobial compounds with strong membrane disrupting activity against multi-drug resistant bacteria. However, bite wound infections are common in developing nations. Investigating the oral and venom microbiome of five snake and two spider species, we evidence viable microorganisms potentially unique to venom for black-necked spitting cobras (Naja nigricollis). Among these are two novel sequence types of Enterococcus faecalis misidentified by commonly used clinical biochemistry procedures as Staphylococcus; the genome sequence data of venom-specific isolates feature an additional 45 genes, at least 11 of which improve membrane integrity. Our findings challenge the dogma of venom sterility and indicate an increased primary infection risk in the clinical management of venomous animal bite wounds.