Severe acute respiratory syndrome (SARS) is a recently described illness of humans that has spread widely over the past 6 months. With the use of detailed epidemiologic data from Singapore and epidemic curves from other settings, we estimated the reproductive number for SARS in the absence of interventions and in the presence of control efforts. We estimate that a single infectious case of SARS will infect about three secondary cases in a population that has not yet instituted control measures. Public-health efforts to reduce transmission are expected to have a substantial impact on reducing the size of the epidemic.

Andreas Sandgren and colleagues describe a new comprehensive resource on drug resistance mutations inM. tuberculosis.

The incidence of infections was studied in 137 iron-deficient Somali nomads, 67 of whom were treated with placebo and 71 with iron. Seven episodes of infection occurred in the placebo group and 36 in the group treated with iron; these 36 episodes included activation of pre-existing malaria, brucellosis, and tuberculosis. This difference suggested that host defence against these infections was better during iron deficiency than during iron repletion. Iron deficiency among Somali nomads may be part of an ecological compromise, permitting optimum co-survival of host and infecting agent.

Sarah Fortune and colleagues report that Mycobacterium tuberculosis strains from lineage 2 acquire drug resistance in vitro more rapidly than strains from lineage 4 and show that this correlates with a higher in vivo mutation rate, as estimated from whole-genome sequencing of clinical isolates. They develop a stochastic mathematical model of the within-host evolution of drug resistance, using these mutation rate estimates to predict the rates of emergence of resistance in individuals with tuberculosis. A key question in tuberculosis control is why some strains of M. tuberculosis are preferentially associated with resistance to multiple drugs. We demonstrate that M. tuberculosis strains from lineage 2 (East Asian lineage and Beijing sublineage) acquire drug resistances in vitro more rapidly than M. tuberculosis strains from lineage 4 (Euro-American lineage) and that this higher rate can be attributed to a higher mutation rate. Moreover, the in vitro mutation rate correlates well with the bacterial mutation rate in humans as determined by whole-genome sequencing of clinical isolates. Finally, using a stochastic mathematical model, we demonstrate that the observed differences in mutation rate predict a substantially higher probability that patients infected with a drug-susceptible lineage 2 strain will harbor multidrug-resistant bacteria at the time of diagnosis. These data suggest that interventions to prevent the emergence of drug-resistant tuberculosis should target bacterial as well as treatment-related risk factors.

Maha Farhat, Megan Murray and colleagues report whole-genome sequencing of 116 Mycobacterium tuberculosis strains selected to be representative of both global diversity and drug resistance. The authors develop a new method to search for resistance markers in microbial genomes based on reconstructing a genome-wide phylogeny and identifying regions showing convergent evolution, and they use this method to identify 39 new candidate drug resistance regions in the M. tuberculosis genome. M. tuberculosis is evolving antibiotic resistance, threatening attempts at tuberculosis epidemic control. Mechanisms of resistance, including genetic changes favored by selection in resistant isolates, are incompletely understood. Using 116 newly sequenced and 7 previously sequenced M. tuberculosis whole genomes, we identified genome-wide signatures of positive selection specific to the 47 drug-resistant strains. By searching for convergent evolution—the independent fixation of mutations in the same nucleotide position or gene—we recovered 100% of a set of known resistance markers. We also found evidence of positive selection in an additional 39 genomic regions in resistant isolates. These regions encode components in cell wall biosynthesis, transcriptional regulation and DNA repair pathways. Mutations in these regions could directly confer resistance or compensate for fitness costs associated with resistance. Functional genetic analysis of mutations in one gene, ponA1, demonstrated an in vitro growth advantage in the presence of the drug rifampicin.

Metabolism is central to cell physiology, and metabolic disturbances play a role in numerous disease states. Despite its importance, the ability to study metabolism at a global scale using genomic technologies is limited. In principle, complete genome sequences describe the range of metabolic reactions that are possible for an organism, but cannot quantitatively describe the behaviour of these reactions. We present a novel method for modeling metabolic states using whole cell measurements of gene expression. Our method, which we call E-Flux (as a combination of flux and expression), extends the technique of Flux Balance Analysis by modeling maximum flux constraints as a function of measured gene expression. In contrast to previous methods for metabolically interpreting gene expression data, E-Flux utilizes a model of the underlying metabolic network to directly predict changes in metabolic flux capacity. We applied E-Flux to Mycobacterium tuberculosis, the bacterium that causes tuberculosis (TB). Key components of mycobacterial cell walls are mycolic acids which are targets for several first-line TB drugs. We used E-Flux to predict the impact of 75 different drugs, drug combinations, and nutrient conditions on mycolic acid biosynthesis capacity in M. tuberculosis, using a public compendium of over 400 expression arrays. We tested our method using a model of mycolic acid biosynthesis as well as on a genome-scale model of M. tuberculosis metabolism. Our method correctly predicts seven of the eight known fatty acid inhibitors in this compendium and makes accurate predictions regarding the specificity of these compounds for fatty acid biosynthesis. Our method also predicts a number of additional potential modulators of TB mycolic acid biosynthesis. E-Flux thus provides a promising new approach for algorithmically predicting metabolic state from gene expression data.

The molecular basis for isoniazid resistance in Mycobacterium tuberculosis is complex. Putative isoniazid resistance mutations have been identified in katG, ahpC, inhA, kasA, and ndh. However, small sample sizes and related potential biases in sample selection have precluded the development of statistically valid and significant population genetic analyses of clinical isoniazid resistance. We present the first large-scale analysis of 240 alleles previously associated with isoniazid resistance in a diverse set of 608 isoniazid-susceptible and 403 isoniazid-resistant clinical M. tuberculosis isolates. We detected 12 mutant alleles in isoniazid-susceptible isolates, suggesting that these alleles are not involved in isoniazid resistance. However, mutations in katG, ahpC, and inhA were strongly associated with isoniazid resistance, while kasA mutations were associated with isoniazid susceptibility. Remarkably, the distribution of isoniazid resistance-associated mutations was different in isoniazid-monoresistant isolates from that in multidrug-resistant isolates, with significantly fewer isoniazid resistance mutations in the isoniazid-monoresistant group. Mutations in katG315 were significantly more common in the multidrug-resistant isolates. Conversely, mutations in the inhA promoter were significantly more common in isoniazid-monoresistant isolates. We tested for interactions among mutations and resistance to different drugs. Mutations in katG, ahpC, and inhA were associated with rifampin resistance, but only katG315 mutations were associated with ethambutol resistance. There was also a significant inverse association between katG315 mutations and mutations in ahpC or inhA and between mutations in kasA and mutations in ahpC. Our results suggest that isoniazid resistance and the evolution of multidrug-resistant strains are complex dynamic processes that may be influenced by interactions between genes and drug-resistant phenotypes.

A clear understanding of the genetic basis of antibiotic resistance in Mycobacterium tuberculosis is required to accelerate the development of rapid drug susceptibility testing methods based on genetic sequence. Raw genotype–phenotype correlation data were extracted as part of a comprehensive systematic review to develop a standardised analytical approach for interpreting resistance associated mutations for rifampicin, isoniazid, ofloxacin/levofloxacin, moxifloxacin, amikacin, kanamycin, capreomycin, streptomycin, ethionamide/prothionamide and pyrazinamide. Mutation frequencies in resistant and susceptible isolates were calculated, together with novel statistical measures to classify mutations as high, moderate, minimal or indeterminate confidence for predicting resistance. We identified 286 confidence-graded mutations associated with resistance. Compared to phenotypic methods, sensitivity (95% CI) for rifampicin was 90.3% (89.6–90.9%), while for isoniazid it was 78.2% (77.4–79.0%) and their specificities were 96.3% (95.7–96.8%) and 94.4% (93.1–95.5%), respectively. For second-line drugs, sensitivity varied from 67.4% (64.1–70.6%) for capreomycin to 88.2% (85.1–90.9%) for moxifloxacin, with specificity ranging from 90.0% (87.1–92.5%) for moxifloxacin to 99.5% (99.0–99.8%) for amikacin. This study provides a standardised and comprehensive approach for the interpretation of mutations as predictors of M. tuberculosis drug-resistant phenotypes. These data have implications for the clinical interpretation of molecular diagnostics and next-generation sequencing as well as efficient individualised therapy for patients with drug-resistant tuberculosis.

BackgroundChronic obstructive pulmonary disease (COPD), lung cancer, and tuberculosis are three leading causes of death in China, where prevalences of smoking and solid-fuel use are also high. We aimed to predict the effects of risk-factor trends on COPD, lung cancer, and tuberculosis.MethodsWe used representative data sources to estimate past trends in smoking and household solid-fuel use and to construct a range of future scenarios. We obtained the aetiological effects of risk factors on diseases from meta-analyses of epidemiological studies and from large studies in China. We modelled future COPD and lung cancer mortality and tuberculosis incidence, taking into account the accumulation of hazardous effects of risk factors on COPD and lung cancer over time, and dependency of the risk of tuberculosis infection on the prevalence of disease. We quantified the sensitivity of our results to methods and data choices.FindingsIf smoking and solid-fuel use remain at current levels between 2003 and 2033, 65 million deaths from COPD and 18 million deaths from lung cancer are predicted in China; 82% of COPD deaths and 75% of lung cancer deaths will be attributable to the combined effects of smoking and solid-fuel use. Complete gradual cessation of smoking and solid-fuel use by 2033 could avoid 26 million deaths from COPD and 6·3 million deaths from lung cancer; interventions of intermediate magnitude would reduce deaths by 6–31% (COPD) and 8–26% (lung cancer). Complete cessation of smoking and solid-fuel use by 2033 would reduce the projected annual tuberculosis incidence in 2033 by 14–52% if 80% DOTS coverage is sustained, 27–62% if 50% coverage is sustained, or 33–71% if 20% coverage is sustained.InterpretationReducing smoking and solid-fuel use can substantially lower predictions of COPD and lung cancer burden and would contribute to effective tuberculosis control in China.FundingInternational Union Against Tuberculosis and Lung Disease.

Abstract Mycobacterium tuberculosis ( M . tb ) results in 10 million active tuberculosis (TB) cases and 1.5 million deaths each year 1 , making it the world’s leading infectious cause of death 2 . Infection leads to either an asymptomatic latent state or TB disease. Memory T cells have been implicated in TB disease progression, but the specific cell states involved have not yet been delineated because of the limited scope of traditional profiling strategies. Furthermore, immune activation during infection confounds underlying differences in T cell state distributions that influence risk of progression. Here, we used a multimodal single-cell approach to integrate measurements of transcripts and 30 functionally relevant surface proteins to comprehensively define the memory T cell landscape at steady state (i.e., outside of active infection). We profiled 500,000 memory T cells from 259 Peruvians > 4.7 years after they had either latent M . tb infection or active disease and defined 31 distinct memory T cell states, including a CD4+CD26+CD161+CCR6+ effector memory state that was significantly reduced in patients who had developed active TB (OR = 0.80, 95% CI: 0.73–0.87, p = 1.21 × 10 −6 ). This state was also polyfunctional; in ex vivo stimulation, it was enriched for IL-17 and IL-22 production, consistent with a Th17-skewed phenotype, but also had more capacity to produce IFNγ than other CD161+CCR6+ Th17 cells. Additionally, in progressors, IL-17 and IL-22 production in this cell state was significantly lower than in non-progressors. Reduced abundance and function of this state may be an important factor in failure to control M . tb infection.