By Valerie Joy ｜ 2026年11月

---

薬剤耐性（AMR）の監視は、適切な問いを立て、その問いに答えるための適切な証明を収集することにかかっています。研究者は、生態系間の比較や、耐性関連遺伝子のプロファイリングを行ったり、ヒト、動物、農業、環境といった各領域にわたる変化を追跡したりすることがあります。研究上のそれぞれの問いに対して、サンプル調製、シーケンス、およびバイオインフォマティクス解析における実質的な判断や選択が必要となります。

ショットガン・メタゲノミクスは、サンプルから抽出したDNAを、培養を必要としない手法で包括的に解析する手段を提供します。この手法を用いれば、微生物群集のプロファイリングに加え、既知の耐性遺伝子や機能的特徴を明らかにすることができ、サンプル間の比較や、さらなる調査に向けたパターンの特定に役立ちます。2026年の世界AMR啓発週間が近づく中、ワンヘルス（One Health）の視点は、まさに今、極めて重要な意味を持っています。¹

1. AMR研究において、なぜショットガンメタゲノミクスを用いるのか？

培養法は、生存可能な分離株を取得し、抗菌薬感受性を試験するために不可欠です。一方、ショットガンメタゲノミクスは、サンプルから直接DNAを解析することで培養法を補完します。これには、微生物組成、既知の薬剤耐性遺伝子（ARG）、および機能的特徴のプロファイリングが含まれます。² 適切に設計されたワークフローを用いることで、以下のような解析が可能になります。

• 分類学的および機能的プロファイリング：微生物群集や機能的特徴を明らかにします。専用のワークフローを用いれば、菌株レベルでの解析も可能です。³
• レジストームのプロファイリング：既知のARGをスクリーニングし、場所、サンプルタイプ、あるいは時点間でのプロファイルを比較できます。⁴
• ゲノムコンテキスト解析：アセンブルされた配列を調査し、ARGの周辺状況や、可動遺伝因子（MGE）との関連性を明らかにします。⁵

これらの解析を組み合わせることで、研究者は微生物群集の比較、耐性に関連するパターンの特定、そして優先的に調査すべき対象の選定を行うことができます。シーケンスデータは遺伝的な潜在能力を示し、感受性試験は表現型を明らかにします。一方で、必要に応じて他の手法を併用することで、宿主の特定や耐性遺伝子の伝達経路を調査することも可能です。²

2. ワンヘルスの各領域におけるAMR薬剤耐性研究

こうした能力は、実際の研究においてどのように活かされるのでしょうか。研究者らは、エチオピアの病院や製薬産業の廃棄物、クウェートの沿岸堆積物、ポルトガルのヒツジ・ヤギ農場など、AMRに関連する多様な環境において、ショットガンメタゲノミクスを活用してきました。これらの研究は、単一のシーケンス手法を、ワンヘルスに関連する異なる問いや多様なサンプル対象に合わせて最適化できることを示しています。

• 病院および製薬産業の廃棄物（エチオピア）：Lemaらによる2つの研究は、相互補完的な活用例を示しています。2025年の研究では、微生物の多様性を明らかにし、生合成遺伝子クラスター（BGC）を予測しました。⁶ 2026年の別の研究では、耐性遺伝子のプロファイリングと耐性メカニズムの予測が行われ、その中にはOprDの発現抑制に関与するパスウェイの同定も含まれています。⁷ これら一連の研究は、ショットガン解析を用いることで、複雑な廃棄物環境における微生物群集、機能的ポテンシャル、そしてレジストームに関する情報を明らかにできることを示しています。
• 沿岸堆積物（クウェート）：Habibiらは、廃水排出地点や緊急放流地点に近い沿岸堆積物から12のサンプルを採取し、シーケンスを行いました。この研究では、微生物群集のプロファイリングを行うとともに、ARGやMGEに関連する配列を特定し、将来的な海洋バイオモニタリングの基準となるデータを構築しました。⁸
• 農業環境（ポルトガル）：Gomes-Gonçalvesらは、14の自治体にまたがるヒツジ、ヤギ、および混合飼育の農場計46カ所から複合サンプルを採取・分析しました。その結果、15種類の抗菌薬クラスにわたる706種類の固有のARGが確認され、特にテトラサイクリン系、アミノグリコシド系、マクロライド系に対する耐性遺伝子が多く見られました。サンプルには、飲料水、敷料、牧草地、飼育環境の土壌が含まれており、農場全体における包括的なプロファイルが作成されました。⁹

これらの事例は、研究の問いに合わせて調査設計を最適化できることを示しています。例えば、複合サンプリングを行えば農場全体を広く網羅できる一方、各対象を個別にサンプリングすれば、特定のシグナルがどこに集中しているかを特定しやすくなります。

3. ノボジーンによるワークフロー全体のサポート

各プロジェクトは、それぞれ異なる問いやサンプル形態から始まります。ノボジーンは研究チームと連携し、研究デザイン、サンプル調製、シーケンスデプス、バイオインフォマティクス解析の各要素を調整することで、プロジェクトの目標を明確なワークフローへと落とし込めるようサポートします。 アジア太平洋・中東・アフリカ（AMEA）地域は、ワンヘルスの観点に基づくAMR監視において、極めて重要な最前線です。ノボジーンは、WHOの東南アジア地域や東地中海地域を含むAMEA全域の研究チームをサポートしています。これらの地域は、世界的に見ても薬剤耐性の発生率が特に高いことで知られています。WHOの報告によると、これらの地域で確認された感染症の約3分の1が薬剤耐性菌によるものでした。また、2023年には世界全体で、検査により確認された細菌感染症の約6件に1件が薬剤耐性菌によるものとなっています。¹⁰ 2026年から2036年を対象とした「AMRに関するグローバル行動計画の改訂版では、ワンヘルスアプローチに基づく連携した取り組みと、監視の強化の必要性が改めて強調されています。¹¹

ノボジーンは、エリアのサイエンスサポート、シーケンス、バイオインフォマティクスを統合し、プロジェクトの各段階をサポートします。

• 地域に根ざしたサイエンスサポートと研究デザイン：研究目的に沿ったサンプリング計画、メタデータ設定、対照群の設定​​、パイロット研究の立案をサポートします。
• サンプル特性に応じた前処理：腐植質の多い土壌、産業汚泥、海洋堆積物など、解析が困難なサンプルに対しても、最適な抽出手法を適用します。
• シーケンスデプスの計画：サンプルの複雑さ、目標とする解像度、および予算に合わせて、最適なシーケンスデプスを提案します。
• レジストームおよびゲノム解析：CARD¹²などの信頼性の高いデータベースを用いてARGのアノテーションを行うほか、INTEGRALL¹³、ISfinder¹⁴、および厳選されたプラスミド参照データを用いて、MGEのプロファイリングを行います。

ゲノムコンテキストのより詳細な解明が必要なプロジェクトでは、ロングリード・メタゲノムシーケンスを、従来のNGSベースのショットガンメタゲノム解析と組み合わせることで、より包括的な解析が可能です¹⁵。生菌の分離や表現型による裏付けが必要な場合には、培養試験や抗菌薬感受性試験も依然として重要です。ノボジーンの専門チームが、研究課題やサンプルの種類に応じて最適なアプローチの選択をサポートします。

AMEAエリアで、環境、農業、あるいは医療現場におけるAMR研究を計画されていませんか？

研究の核心となるサンプルや問いに基づき、最適なAMR研究ワークフローを構築しましょう。ノボジーンの専門チームが、サンプル特性に応じた前処理、シーケンスデプスの計画、そして研究内容に合わせたレジストーム解析戦略についてご相談を承ります。 免責事項：本資料で紹介するノボジーンのシーケンスサービスおよびバイオインフォマティクス・パイプラインは、すべて研究用（Research Use Only: RUO）であり、臨床診断を目的としたものではありません。

参考文献

1. World Health Organization. World AMR Awareness Week 2026: One Health, One Action: Prevent AMR Now [Internet]. Geneva: World Health Organization; 2026. Available from: https://www.who.int/news-room/events/detail/2026/11/18/default-calendar/world-amr-awareness-week-2026
2. World Health Organization. Wastewater and environmental surveillance summary for antimicrobial resistance: pilot version [Internet]. Geneva: World Health Organization; 2025. Available from: https://cdn.who.int/media/docs/default-source/wash-documents/wash-related-diseases/wes-summary-for-amr—final-1-dec.pdf
3. Anyansi C, Straub TJ, Manson AL, Earl AM, Abeel T. Computational methods for strain-level microbial detection in colony and metagenome sequencing data. Front Microbiol. 2020;11:1925. doi: 10.3389/fmicb.2020.01925
4. Bengtsson-Palme J, Larsson DGJ, Kristiansson E. Using metagenomics to investigate human and environmental resistomes. J Antimicrob Chemother. 2017;72(10):2690-2703. doi: 10.1093/jac/dkx199
5. Partridge SR, Kwong SM, Firth N, Jensen SO. Mobile genetic elements associated with antimicrobial resistance. Clin Microbiol Rev. 2018;31(4):e00088-17. doi: 10.1128/CMR.00088-17
6. Lema NK, Gemeda MT, Woldesemayat AA. Secondary metabolite biosynthetic gene clusters and microbial diversity as predicted by shotgun metagenomic sequencing approach in hospitals and pharmaceutical industry wastes. Sci Rep. 2025;15:25500. doi: 10.1038/s41598-025-03467-w
7. Lema NK, Gemeda MT, Woldesemayat AA. Uncovering resistomes in hospital and pharmaceutical industry wastes: insights from shotgun metagenomic profiling. Int Microbiol. 2026;29(1):103-117. doi: 10.1007/s10123-025-00766-0
8. Habibi N, Uddin S, Al-Sarawi HA, Aldhameer A, Shajan A, Zakir F, et al. Metagenomes from coastal sediments of Kuwait: insights into the microbiome, metabolic functions and resistome. Microorganisms. 2023;11(2):531. doi: 10.3390/microorganisms11020531
9. Gomes-Gonçalves S, Bento JT, Moreira G, Mourão J, Cruz R, Esteves F, et al. Comprehensive shotgun metagenomic profiling of antibiotic resistance genes in sheep and goat farming environments. Antibiotics. 2026;15(3):277. doi: 10.3390/antibiotics15030277
10. World Health Organization. Antimicrobial resistance [Internet]. Geneva: World Health Organization; 2026. Available from: https://www.who.int/news-room/fact-sheets/detail/antimicrobial-resistance
11. World Health Organization. The World Health Assembly adopts updated Global Action Plan on Antimicrobial Resistance (2026–2036) [Internet]. Geneva: World Health Organization; 2026. Available from: https://www.who.int/news/item/25-05-2026-the-world-health-assembly-adopts-updated-global-action-plan-on-antimicrobial-resistance-(2026-2036)
12. Alcock BP, Huynh W, Chalil R, et al. CARD 2023: expanded curation, support for machine learning, and resistome prediction at the Comprehensive Antibiotic Resistance Database. Nucleic Acids Res. 2023;51(D1):D690-D699. doi: 10.1093/nar/gkac920
13. Moura A, Soares M, Pereira C, Leitão N, Henriques I, Correia A. INTEGRALL: a database and search engine for integrons, integrases and gene cassettes. Bioinformatics. 2009;25(8):1096-1098. doi: 10.1093/bioinformatics/btp105
14. Siguier P, Perochon J, Lestrade L, Mahillon J, Chandler M. ISfinder: the reference centre for bacterial insertion sequences. Nucleic Acids Res. 2006;34(suppl 1):D32-D36. doi: 10.1093/nar/gkj014
15. Moss EL, Maghini DG, Bhatt AS. Complete, closed bacterial genomes from microbiomes using nanopore sequencing. Nat Biotechnol. 2020;38(6):701-707. doi: 10.1038/s41587-020-0422-6