Abstract Background Mycobacterium abscessus complex (MABC) has been reported to cause considerable complicated infections. Subspecies identification of MABC is crucial for adequate treatment due to different antimicrobial resistance property amid the subspecies. However, long incubation days is needed for the traditional antibiotic susceptibility testing (AST) method. Effective antibiotics administration often delayed considerably and caused unfavorable outcomes. Thus, we proposed a novel and accurate method to identify subspecies and its potential antibiotics resistance, to guide clinical treatment within hours. Methods Subspecies of the MABC isolates were determined by secA1, rpoB , and hsp65 . AST was tested by using microdilution method, as well as sequencing of erm (41) and rrl genes. MALDI-TOF mass spectrometry (MS) spectra were analyzed. The informative peaks on MS spectra were detected by random forest (RF) importance. Machine learning (ML) algorithms were used to build models for classifying MABC subspecies based on MALDI-TOF spectrum. The models were developed and validated by nested five-fold cross-validation to avoid over-fitting. Results In total, 102 MABC isolates (52 subspecies abscessus and 50 subspecies massiliense ) were analyzed. Top informative peaks including m/z 6715, 4739, 2805, etc. were identified. RF model attained AUROC of 0.9166 (95% CI: 0.9072-0.9196) and outperformed other algorithms in discriminating subspecies abscessus from massiliense . Conclusion We developed a MALDI-TOF based ML model for rapid and accurate MABC subspecies identification. The novel diagnostic tool would guide a more accurate and timely MABC subspecies-specific treatment.

Abstract Background It is generally believed that HIV-1 capsid-inhibitor naïve populations are susceptible to capsid inhibitors. Moreover, conventional HIV-1 resistance genotyping does not include the CA region, leading to limited surveillance data. Methods We conducted a retrospective study to investigate the presence of mutations at positions associated with capsid-inhibitor resistance prior to the introduction of the first HIV-1 capsid inhibitor, Lenacapavir, in Taiwan. Capsid mutations at positions L56, N57, M66, Q67, K70, N74, A105, and T107 were analyzed using a local HIV-1 database that encompasses near-full length next-generation sequencing data of both antiretroviral therapy (ART)-naïve and experienced individuals with HIV-1, collected between 2017 and 2023 in Northern Taiwan. Results A total of 287 CA sequences were analyzed. Mutations at positions associated with capsid-inhibitor resistance were rare, found in 4.5% (7/156) of ART-naïve and 5.3% (7/131) of ART-experienced individuals, mainly as accessory mutations or polymorphisms. Notably, a Q67H mutation was found in an ART-naïve individual at a frequency of 26.8%, while a Q67R mutation, with unclear clinical implications, appeared at 2.8% in an ART-experienced case. Conclusions This result indicated low prevalence yet undeniable existence of naturally occurring capsid-inhibitor resistance-related mutations in capsid inhibitor-naïve individuals with HIV-1.