Santos Le

Universidad Nacional Mayor de San Marcos
Universidad del Perú. Decana de América

Facultad de Ciencias Biológicas
Escuela Profesional de Genética y Biotecnología
Estructura genética de cepas de Mycobacterium

tuberculosis drogorresistentes usando el ensayo de
sonda lineal GenoType MTBDRplus v2.0 en el Perú,
periodo 2011-2015
TESIS
Para optar el Título Profesional de Biólogo Genetista
Biotecnólogo
AUTOR
Elías David SANTOS LÁZARO
ASESORES
Dr. Pablo Sergio RAMÍREZ ROCA

Dra. Zully Margoth PUYÉN GUERRA
Lima, Perú
2020
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales
https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica
Santos, E. (2020). Estructura genética de cepas de Mycobacterium tuberculosis

drogorresistentes usando el ensayo de sonda lineal GenoType MTBDRplus v2.0 en
el Perú, periodo 2011-2015. Tesis para optar el grado de Biólogo Genetista
Biotecnólogo. Escuela Profesional de Genética y Biotecnología, Facultad de
Ciencias Biológicas, Universidad Nacional Mayor de San Marcos, Lima, Perú.
Hoja de metadatos complementarios
Código ORCID del autor 0000-0003-1450-2039
DNI Autor 44645298

0000-0001-9309-7021
Código ORCID de asesores
0000-0002-5068-0986
06183797
DNI Asesores
40852288
Laboratorio de Referencia Nacional de
Grupo de investigación
Micobacterias – Instituto Nacional de Salud
INNOVATE-Perú
Financiamiento
Contrato N° 353-PNICP-PIAP-2014
Instituto Nacional de Salud
Ubicación geográfica donde se
Av. Defensores del Morro 2268, Lima-Perú
desarrolló la investigación
(12° 10' 59.880" S 77° 1' 3.000" W)
Rango de años que abarcó la
investigación 2017-2020
Enfermedades infecciosas
http://purl.org/pe-repo/ocde/ford#3.03.08
Genética, Herencia
Disciplinas OCDE
Bioinformática
Firmado digitalmente por RAMIREZ
ROCA Pablo Sergio FAU
20148092282 soft
Motivo: Soy el autor del documento
Fecha: 26.12.2020 12:53:57 -05:00
Firmado digitalmente por GARCIA DE

LA GUARDA Ruth Hortensia FAU
20148092282 soft
Motivo: Soy el autor del documento
Fecha: 26.12.2020 12:49:31 -05:00
DEDICATORIA
A mis amados padres, Rodolfo Santos Canto y Rosalinda Lázaro Oré, por el soporte
espiritual y familiar brindado en todo momento de mi vida.
A mis amados hermanos, Iván Santos Lázaro y Cliver Santos Lázaro, por la inspiración y
gran apoyo brindado para el cumplimiento de mis objetivos y culminación de mis estudios
profesionales.
AGRADECIMIENTOS
En primer lugar agradezco a quien ha forjado mi camino y me ha dirigido por el sendero
correcto, a Dios, quien es mi guía y fortaleza en todo momento de mi vida. Gracias Padre
celestial por los buenos, y sobre todo por los malos momentos, ya que a través de ellos has
moldeado mi carácter y me preparaste para enfrentar diferentes retos a lo largo de mi vida.
Agradezco a toda mi familia por haber estado conmigo en todo momento y siempre
empujarme a seguir adelante con la ayuda de Dios. Me motivan a cada día dar mucho más
de mí y avanzar en el cumplimiento de mis objetivos.
Agradezco a la Dra. Zully Puyén Guerra por ser mi asesora externa y haberme permitido
integrar su grupo de investigación en el Laboratorio de Referencia Nacional de
Micobacterias del Instituto Nacional de Salud. La confianza, consideración y apoyo
brindado, hacia mi persona, durante toda la etapa de realización de este estudio fueron
determinantes para el cumplimento de mis objetivos.
Agradezco al Dr. Pablo Ramírez Roca por ser mi asesor interno y brindarme su apoyo desde
el primer momento. Así mismo, sus diferentes recomendaciones permitieron culminar
exitosamente el desarrollo del presente estudio.
Agradezco al Dr. Ronnie Gavilán por su tiempo para siempre discutir diferentes ideas sobre
el presente estudio, así como muchos otros temas de investigación de importancia en Salud
Pública.
Agradezco a todos mis compañeros de trabajo del Laboratorio de Referencia Nacional de
Micobacterias del Instituto Nacional de Salud, porque desde el primer momento me
recibieron con los brazos abiertos y me permitieron sentir a gusto, además de transmitirme
sus incontables conocimientos.
Agradezco al Instituto Nacional de Salud por brindarme la oportunidad de integrar su cuerpo
de profesionales que laboran en favor de brindar un servicio adecuado a la población
peruana.
Agradezco a la Universidad Nacional Mayor de San Marcos, y a todo el equipo de
profesores de la Escuela Académica Profesional de Genética y Biotecnología, por la
preparación académica brindada para afrontar con éxito los diferentes retos que el mundo
profesional nos plantea en el día a día.

ÍNDICE GENERAL
1 INTRODUCCIÓN ...................................................................................................... 12
1.1 Planteamiento del problema .................................................................................. 12
1.2 Justificación de la investigación ............................................................................. 14
2 MARCO TEÓRICO.................................................................................................... 15
2.1 Historia de la tuberculosis .................................................................................. 15
2.2 Patogénesis de la tuberculosis ........................................................................... 17
2.3 Fármacos antituberculosis ................................................................................. 21
2.3.1 Rifampicina ................................................................................................. 21
2.3.2 Isoniacida .................................................................................................... 23
2.4 Diagnóstico y susceptibilidad de Mycobacterium tuberculosis ............................ 25
2.4.1 Ensayo de Sonda Lineal, GenoType MTBDRplus v2.0 ................................... 26
2.4.1.1 Zona de resistencia a rifampicina ............................................................ 28
2.4.1.2 Zona de resistencia a isoniacida .............................................................. 30
2.5 Haplotipos genéticos .......................................................................................... 32
3 OBJETIVOS .............................................................................................................. 34
3.1 Objetivo General ................................................................................................ 34
3.2 Objetivos específicos ......................................................................................... 34
4 MATERIALES Y MÉTODOS ...................................................................................... 34
4.1 Población ........................................................................................................... 35
4.2 Material de laboratorio........................................................................................ 35
4.3 Selección de casos ............................................................................................ 35
4.4 Obtención de datos ............................................................................................ 36
4.5 Obtención de Metadatos .................................................................................... 37
4.6 Análisis estadísticos e informáticos .................................................................... 38
4.7 Evaluación de la diversidad alélica y ligamiento genético................................... 39
4.8 Obtención y clasificación de haplotipos .............................................................. 39
4.9 Evaluación del poder discriminatorio de los haplotipos....................................... 41
4.10 Distribución geográfica de haplotipos ................................................................. 41
4.11 Determinación de la similaridad y estructura genética de los Haplotipos ............ 42
4.12 Análisis de diversidad alfa y beta ....................................................................... 43
4.13 Asociación estadística de haplotipos .................................................................. 44
5 RESULTADOS .......................................................................................................... 45
5.1 Análisis de muestras ingresadas al estudio ........................................................ 45
5.2 Análisis de mutaciones caracterizadas en el GenoType MTBDRplus v2.0 ......... 47
5.3 Evaluación de la diversidad alélica y ligamiento genético................................... 50
5.4 Obtención y análisis descriptivo de haplotipos ................................................... 53
5.5 Similaridad genética de haplotipos ..................................................................... 57
5.6 Poder discriminatorio de los haplotipos .............................................................. 58
5.7 Distribución geográfica de haplotipos ................................................................. 58
5.8 Análisis de diversidad alfa y beta ....................................................................... 64
5.8.1 Diversidad alfa ................................................................................................ 64
5.8.2 Diversidad beta............................................................................................... 67
5.9 Asociación de Haplotipos ................................................................................... 68
5.9.1 Haplotipos y Sexo del paciente ....................................................................... 68
5.9.2 Haplotipos y Fenotipos resistentes ................................................................. 69
5.9.2.1 Haplotipos y sensibilidad ............................................................................. 69
5.9.2.2 Haplotipos y monorresistencia a Isoniacida................................................. 70
5.9.2.3 Haplotipos y monorresistencia a Rifampicina .............................................. 71
5.9.2.4 Haplotipos y multidrogorresistencia ............................................................. 71
5.9.2.5 Haplotipos y extensa drogorresistencia ....................................................... 72
5.9.3 Haplotipos y Estado de Tratamiento ............................................................... 72
6 DISCUSIÓN .............................................................................................................. 75
7 CONCLUSIONES ..................................................................................................... 80
8 BIBLIOGRAFÍA ......................................................................................................... 82
9 ANEXOS ................................................................................................................... 94
9.1 Anexo 1: distribución de casos por departamentos, periodo 2011-2015. ............ 94
9.2 Anexo 2: prevalencias de mutaciones de detección directa. .............................. 95
9.3 Anexo 3: diversidad alélica de los 21 marcadores genéticos. ............................. 96
9.4 Anexo 4: valores de índice de Asociación pareado para los 21 marcadores. ..... 97
9.5 Anexo 5: estructura genética de los 134 haplotipos. ........................................ 100
9.6 Anexo 6: distribución departamental de los haplotipos. .................................... 103
9.7 Anexo 7: distribución de haplotipos ‘menos comunes’, Lima y Callao. ............. 107
10 GLOSARIO .......................................................................................................... 108
ÍNDICE DE TABLAS
Tabla 1: Relación de sondas rpoB del ESL GenoType MTBDRplus v2.0. ......................... 29
Tabla 2: Relación de sondas katG del ESL GenoType MTBDRplus v2.0. ......................... 30
Tabla 3: Relación de sondas inhA del ESL GenoType MTBDRplus v2.0. ......................... 31
Tabla 4: Lista de concentraciones críticas del Método de Proporciones. .......................... 37
Tabla 5: Criterio de clasificación de haplotipos. ................................................................ 40
Tabla 6: Grupos poblacionales AMOVA. ........................................................................... 42
Tabla 7: Distribución de casos incluidos en el estudio. ..................................................... 46
Tabla 8: Mutaciones que confieren resistencia a rifampicina. ........................................... 48
Tabla 9: Mutaciones que confieren resistencia a isoniacida. ............................................. 49
Tabla 10: Estructuras génicas de los haplotipos comunes y menos comunes. ................. 55
Tabla 11: Frecuencias absolutas de los haplotipos comunes y menos comunes. ............. 56
Tabla 12: Resultados del AMOVA. .................................................................................... 61
Tabla 13: Índices de diversidad haplotípica según lugar de procedencia. ......................... 66
Tabla 14: Haplotipos con resultados de asociación positiva. ............................................ 74
ÍNDICE DE FIGURAS
Figura 1: Sanatorio para tuberculosis. ........................................................................................ 17

Figura 2: Vista microscópica del bacilo M. tuberculosis........................................................... 18
Figura 3: Clasificación taxonómica de M. tuberculosis. ........................................................... 19
Figura 4: Tuberculosis pulmonar y extrapulmonar. ................................................................... 20
Figura 5: Ingreso y escape de MTB de los alveolos pulmonares. .......................................... 21
Figura 6: Cambios aminoacídicos en la RDRR del gen rpoB. ................................................ 23
Figura 7: Metabolismo y activación de la isoniacida................................................................. 24
Figura 8: Interpretación del ESL GenoType MTBDRplus v2.0................................................ 28
Figura 9: Proceso de anidación de los 21 marcadores de resistencia. ................................. 41
Figura 10: Casos con resistencia genotípica a rifampicina e isoniacida. .............................. 47
Figura 11: Índice de asociación de los 21 marcadores moleculares...................................... 51
Figura 12: Correlación genética de marcadores pareados. .................................................... 52
Figura 13: Histograma normalizado de frecuencias haplotípicas. .......................................... 53
Figura 14: Representatividad de los haplotipos. ....................................................................... 54
Figura 15: Fenograma de haplotipos representativos. ............................................................. 57
Figura 16: Distribución de frecuencias de los haplotipos representativos. ........................... 59
Figura 17: Distribución de haplotipos más representativos a nivel nacional. ....................... 60
Figura 18: Análisis discriminante de componentes principales............................................... 62
Figura 19: Distribución de haplotipos comunes en Lima y Callao. ......................................... 64
Figura 20: Representación gráfica de índices de Biodiversidad haplotípica. ....................... 67
Figura 21: Componentes de la diversidad beta en Lima y Callao. ......................................... 68
Figura 22: Análisis de resultados discordantes para la resistencia a rifampicina. ............... 70
RESUMEN
Introducción: en el Perú, la tuberculosis (TB) constituye un importante problema de salud
pública, en especial, los casos producidos por cepas drogorresistentes de Mycobacterium
tuberculosis (MTB). Objetivos: caracterizar haplotipos de cepas drogorresistentes de MTB
y evaluar sus distribuciones a nivel nacional. Métodos: se crearon “haplotipos resistentes”
mediante la concatenación de 21 sitios polimórficos (genes rpoB, katG e inhA) evaluados
por el ESL GenoType MTBDRplus v2.0. Se analizaron 6589 resultados de diagnóstico
molecular realizados por el Instituto Nacional de Salud durante los años 2013-2015, así
como resultados de diagnóstico fenotípico obtenidos por el Método de Proporciones en Agar
7H10. Resultados: se determinó la existencia de 3702 (56.26%) casos de TB-MDR, 2218
(33.7%) casos monorresistentes a isoniacida, y 669 (10.2%) casos monorresistentes a
rifampicina. Las mutaciones de mayor prevalencia fueron: rpoB D516V, rpoB S531L, katG
S315T e inhA c-15t. Se evidenció un fuerte desequilibrio de ligamiento entre los sitios
polimórficos analizados (rBarD=0.0215). Se obtuvieron 134 haplotipos resistentes con un
alto poder discriminatorio (IDHG=0.89), de los cuales 13 representaron al 87.9% del total
de muestras analizadas. A nivel nacional, 22 localidades presentaron una alta biodiversidad
de haplotipos resistentes, 04 una biodiversidad intermedia y 02 una baja biodiversidad. Se
detectaron 231 casos discordantes de resistencia a rifampicina, posiblemente asociados
con mutaciones controversiales. Conclusión: el análisis de haplotipos y mutaciones
obtenidos por el ESL GenoType MTBDRplus v2.0 permite determinar la estructura de los
principales genes determinantes de resistencia a rifampicina e isoniacida en las cepas
drogorresistentes de MTB que circulan a nivel nacional.
Palabras clave: Mycobacterium tuberculosis, Haplotipo, GenoType MTBDRplus v2.0,

drogorresistencia. Monorresistencia, TB-MDR.
ABSTRACT
Introduction: in Peru, tuberculosis (TB) constitutes a major Public Health problem,
especially cases produced by drug-resistant strains of Mycobacterium tuberculosis (MTB).
Objectives: to characterize haplotypes of drug resistant strains of MTB and to assess their
distributions nationwide. Methods: ‘resistant haplotypes’ were created by concatenating 21
polymorphic sites (rpoB, katG and inhA genes) evaluated by the ESL GenoType MTBDRplus
v2.0. 6589 molecular diagnostic results performed by the National Institute of Health during
the years 2013-2015 were analyzed, as well as phenotypic diagnostic results obtained by
the Agar Proportions Method 7H10. Results: the existence of 3702 (56.26%) cases of MDR-
TB, 2218 (33.7%) cases monoresistant to isoniazid, and 669 (10.2%) cases monoresistant
to rifampin was determined. The most prevalent mutations were: rpoB D516V, rpoB S531L,
katG S315T and inhA c-15t. A strong linkage disequilibrium was observed between the
polymorphic sites analysed (rBarD = 0.0215). 134 resistant haplotypes with a high
discriminatory power (IDHG = 0.89) were obtained, of which 13 represented 87.9% of the
total samples analysed. At national level, 22 localities exposed a high biodiversity of resistant
haplotypes, 04 an intermediate biodiversity and 02 a low biodiversity. 231 discordant cases
of resistance to rifampicin were detected, possibly associated with controversial mutations.
Conclusion: the analysis of haplotypes and mutations obtained by the ESL GenoType
MTBDRplus v2.0 allows to determine the structure of the main rifampicin and isoniazid
resistance determining genes in drug resistant strains of MTB circulating nationwide.
Key words: Mycobacterium tuberculosis, Haplotype, GenoType MTBDRplus v2.0, Drug

resistance. Monoresistance, MDR-TB.
1 INTRODUCCIÓN
1.1 Planteamiento del problema
La tuberculosis (TB) es una de las enfermedades infecciosas más serias y la principal
causa de morbilidad y mortalidad en países en desarrollo (World Health Organization
2008). En nuestro país, la TB constituye un importante problema de salud pública, en
especial, los casos drogorresistentes (TB-DR) producidos por cepas de Mycobacterium
tuberculosis (MTB) resistentes a las drogas utilizadas para el tratamiento de la
tuberculosis. Dentro de este grupo, a los casos que son resistentes a los dos fármacos
más potentes contra esta enfermedad, rifampicina (RIF) e isoniacida (INH), se les
denomina “Tuberculosis Multidrogorresistente” (TB-MDR, por sus siglas en inglés), y los
casos que adicionalmente muestran resistencia a alguna fluoroquinolona y a algún
antibiótico inyectable de segunda línea se les denomina “Tuberculosis Extensamente
Drogorresistente” (TB-XDR, por sus siglas en inglés); siendo esta última la forma más
severa en la actualidad (Günther, van Leth, et al. 2015b; Matteelli, Roggi y Carvalho
2014; World Health Organization 2019). Adicionalmente, tanto la TB-MDR como la TB-
XDR constituyen formas de esta patología que requieren un tratamiento caro,
prolongado, menos efectivo y que a su vez producen una mayor morbilidad, toxicidad,
recaídas y pobres resultados clínicos en las personas que las contraen. En el 2018, se
reportó que la tasa de éxito de tratamiento fue de un 56% para pacientes con TB-MDR
(o resistentes a rifampicina), mientras que para la TB-XDR solo fue del 39% (World
Health Organization 2019). Esto genera grandes pérdidas económicas para los países,
dado que la TB se produce mayormente en adultos en edad productiva. El costo unitario
que supone un paciente con TB sensible para el período comprendido entre el 2005 al
2010 fue de US$ 632, mientras que el de un paciente con TB-MDR fue de US$ 13 769.
Cabe precisar que estos montos representan el costo anual para el tratamiento por
12
paciente, incluido la pérdida de productividad durante el tratamiento (Ministerio de Salud
- MINSA, Perú 2018), y según un estudio en países europeos, el costo por tratamiento
de pacientes con TB-XDR al menos triplica el costo de tratamiento de un paciente TB-
MDR (Günther, Gomez, et al. 2015a).
En la actualidad la TB dista de ser una enfermedad controlada, observándose en las
últimas dos décadas un incremento en el número de casos, incluso en países
desarrollados donde previamente se había logrado un descenso muy significativo. Así
tenemos que en el 2018 existieron en promedio 10 (rango 9.1-11.1) millones de casos
de pacientes con TB a nivel mundial, de los cuales 7 millones fueron pacientes nuevos
(World Health Organization 2019). El Perú no es ajeno a la realidad mundial y, de
acuerdo con la Organización Mundial de la Salud (OMS), está considerado dentro de
los 30 países con mayor carga de TB-MDR (o resistente a rifampicina) a nivel mundial.
En el año 2018, reportó una incidencia del 3.4% de la TB-MDR entre los casos nuevos,
y una incidencia del 18% para los casos antes tratados (World Health Organization
2019). Desde el año 1997 hasta el año 2014, se han detectado en nuestro país más de
15 mil casos de TB-MDR. El mayor número de casos de los mismos se han reportado
en los últimos 10 años donde el promedio reportado por año superó los 1100 casos de
TB-MDR, con una tendencia creciente en los últimos 4 años (Alarcón et al. 2017;
Asencios et al. 2009; Vásquez C et al. 1997).
En el Perú, la vigilancia de la resistencia a medicamentos antituberculosis se realiza en
base a los resultados fenotípicos de pruebas “gold estandar”. Sin embargo, este método
no tiene un poder discriminativo a nivel nucleotídico dado que la resistencia fenotípica
a un determinado fármaco puede deberse a distintas mutaciones dentro de un mismo
gen o a mutaciones localizadas en genes distintos, dando lugar a que no se pueda
13
determinar con exactitud el componente genético que subyace a la resistencia
antituberculosis en nuestro país. Ante esta realidad, es necesario intensificar los
estudios de epidemiología molecular para el análisis de las cepas del complejo M.
tuberculosis y sus patrones de transmisión. Por lo tanto, mediante el análisis
retrospectivo de las variantes genéticas detectadas a través del Ensayo de Sonda en
Línea (ESL) GenoType MTBDRplus v2.0 se logrará determinar con exactitud los
diferentes tipos de mutaciones causantes de la resistencia fenotípica a RIF e INH, a fin
de caracterizarlas y tener un mayor conocimiento de las distribuciones y frecuencias de
estas a lo largo del territorio peruano. Además, conociendo con anticipación que MTB
presenta un comportamiento genéticamente monomórfico (Sreevatsan, Pan,
Stockbauer, et al. 1997), se procederá a utilizar dichas mutaciones para la construcción
de haplotipos genéticos representativos y conocer el tipo y grado de interrelación entre
ellos.
1.2 Justificación de la investigación
La TB-DR es una enfermedad endémica en el Perú y amenaza seriamente los
programas de control de la TB, a esto se suma que produce grandes pérdidas
económicas al Estado por el tratamiento de cada paciente y la pérdida de años de vida
productiva para el país (Ministerio de Salud - MINSA, Perú 2018). En este sentido, el
control efectivo de la TB requiere tanto de un diagnóstico rápido para facilitar la pronta
aplicación de la terapia adecuada, así como la realización de una vigilancia en tiempo
real de las cepas drogorresistentes circulantes a nivel nacional. Ante esto, el ESL
GenoType MTBDRplus v2.0 provee una herramienta adecuada y práctica para estos
fines, ya que permitir caracterizar las mutaciones existentes en cada muestra analizada.
El conocimiento de estas mutaciones y haplotipos resistentes, que circulan en nuestro
territorio, así como de sus respectivas frecuencias, provee de información útil para el
14
correcto diagnóstico, tratamiento y seguimiento de los patrones de transmisión de las
cepas de la TB-DR. Ante esto, la evaluación retrospectiva de la información genotípica
y fenotípica, existente entre los años 2011 al 2015, de cepas TB-DR permitirá determinar
las mutaciones y haplotipos que determinan la drogorresistencia de MTB a nivel
nacional. Así mismo, se podrá determinar la estructura genética y geográfica de los
marcadores de resistencia, lo cual complementará los estudios de epidemiología
molecular en el Perú. Finalmente, el análisis genotípico de la resistencia también
permitirá sentar las bases para próximos estudios de diseño de nuevas tecnologías de
diagnóstico molecular que se realizarán en nuestro país, así como de métodos de
epidemiología molecular de mayor poder resolutivo.
2 MARCO TEÓRICO
2.1 Historia de la tuberculosis
La TB ha sido documentado desde tiempos remotos en Grecia, donde Hipócrates
reconoció la enfermedad, y fue denominada Phthisi. Luego, en la Edad Media se
evidenció una nueva forma de TB que afectaba los nódulos linfáticos cervicales llamada
‘Escrófula’. Así mismo, en Inglaterra y Francia fue conocida como “Mal del Rey”, y se
creía que las personas afectadas podrían sanarse mediante un “Toque real” (imposición
de manos que realizaban los reyes de Inglaterra y Francia sobre sus súbditos para curar
enfermedades) (Murray, Rieder y Finley-Croswhite 2016). En el siglo XVIII en Europa
Occidental la TB llegó a convertirse en una epidemia mortal con tasas tan altas como
900 muertes por cada 100,000 habitantes por año, y con mayor incidencia en la
población joven, motivo por el cual fue llamada ‘El ladrón de jóvenes’. Así mismo, la
palidez anémica extrema de las personas afectadas con TB originó un nuevo término:
“la plaga blanca” (Daniel 2006). Fue en 1720 cuando el físico inglés Benjamin Marten
15
planteó por primera vez la posible existencia de un origen infeccioso de la TB. Luego,
en el siglo XIX, se estableció la introducción y uso de sanatorios (casas de curación) en
zonas de temperatura templada como la primera medida curativa. Esta idea fue descrita
por primera vez en la tesis doctoral del estudiante botánico Hermann Brehmer, quien
también padeció de TB y se curó luego de un viaje a las montañas del Himalaya (Daniel
2011) (Figura 1). En 1865, el médico cirujano francés, Jean-Antoine Villemin, demostró
la naturaleza infecciosa de la TB mediante la inoculación, en conejos de laboratorio, de
líquidos purulentos extraídos de las cavidades tuberculosas pulmonares de pacientes
fallecidos (Villemin 1865).
Finalmente, en 1882, el famoso científico Robert Koch fue capaz de aislar por primera
vez al bacilo causante de la TB. Usando el colorante azul de metileno, él logró identificar,
aislar y cultivar el bacilo en suero animal. Presentó sus extraordinarios resultados en la
Sociedad de Fisiología de Berlín logrando un hito en la lucha contra la TB. En las
décadas siguientes, se descubrió la prueba de tuberculina de Pirquet y Mantoux y la
vacuna del Bacilo de Calmette y Camille Guérin (BCG), la cual fue empleada
ampliamente después de la primera guerra mundial. Esta vacuna contra la TB fue
probada por primera vez en humanos en 1921 y es suministrada a infantes como una
práctica estándar desde 1974 (Somasundaram, Ram y Sankaranarayanan 2014).
La era moderna en el tratamiento y control de la TB llegó con el descubrimiento de la
estreptomicina en 1944, el primer fármaco antituberculosis, la cual fue desarrollada
durante la segunda guerra mundial por Selman Waksman (Daniel 2006; Luca y
Mihaescu 2013). Sin embargo, el tratamiento que usó solo estreptomicina condujo al
desarrollo de cepas resistentes a dicho fármaco. Ante lo cual, estudios posteriores
guiaron hacia el tratamiento combinado de estreptomicina y ácido p-aminosalicílico. En
16
1952 se introdujo la isoniacida y se demostró que era más potente que la estreptomicina
y el ácido p-aminosalicílico. Luego, en 1967, la rifampicina fue introducida al tratamiento
en combinación con los otros fármacos antituberculosos (Somasundaram, Ram y
Sankaranarayanan 2014).
Figura 1. Sanatorio para tuberculosos. Fotografía de 1899, Hospital

Nacional Jewish. Pacientes de tuberculosis tratados con la luz solar y aire
fresco.
2.2 Patogénesis de la tuberculosis
La TB es una enfermedad infecciosa causada por la bacteria Mycobacterium
tuberculosis. MTB en conjunto con otras especies bacterianas de similaridad genética
(M. canettii, M. africanum, M. microti, M. bovis, M. caprae, M. pinnipedii, M. orygis, M.
suricattae y M. mungi) conforman el denominado complejo Mycobacterium tuberculosis
(CMTB) (Sinha et al. 2016). La mayoría de estas bacterias han sido reconocidas como
causantes de la tuberculosis en humanos. Sin embargo, la más conocida y estudiada
17
es MTB ya que es el agente principal de infección en más de un tercio de la población
mundial y también es capaz de infectar animales que están en contacto con los
humanos (Forrellad et al. 2013) (Figura 2).
Figura 2. Vista microscópica del bacilo Mycobacterium

tuberculosis. Imagen de bacilos de M. tuberculosis a través del
microscopio electrónico de barrido. Créditos de imagen: Janice
Haney Carr / Centers for Disease Control and Prevention (CDC).
En 1986 el género Mycobacterium fue clasificado dentro de la familia Mycobacteriaceae,
orden actinomycetales y clase Actinomycetes. Esta clasificación temprana fue basada
en uno o más caracteres morfológicos (forma de barra, inmóvil, caracteres, y la
capacidad de resistencia a decoloración con alcohol ácido). Sin embargo, en la
actualidad la clasificación taxonómica de las Micobacterias, al igual que muchas otras
especies, está basado en los patrones de divergencia evolutiva obtenidos en los árboles
filogenéticos construidos con la secuencia génica del RNA ribosomal 16S (16S rRNA).
Lo cual trajo consigo que la familia Mycobacteriaceae quede comprendida dentro del
orden Corynebacteriales (Gao y Gupta 2012) (Figura 3).
18
Dominio: Bacteria
Phylum: Actinobacteria
Clase: Actinobacteria
Orden: Corynebacteriales
Familia: Mycobacteriaceae
Género: Mycobacterium
Grupo de especies: Mycobacterium

tuberculosis
Figura 3. Clasificación taxonómica de Mycobacterium tuberculosis.
complex
Fuente: NCBI, Taxonomy ID: NCBI: txid747078
Especie: Mycobacterium
tuberculosis
MTB es un bacilo ácido-alcohol resistente que típicamente afecta los pulmones (TB
pulmonar), pero también puede afectar otros órganos (TB extrapulmonar) (Figura 4).
La enfermedad se contagia de manera directa cuando una persona que padece de TB
pulmonar expulsa bacterias hacia el aire (por ejemplo, a través de la tos) las cuales
ingresan a las vías respiratorias de una persona sana ubicada cercanamente. Como
resultado las personas pueden desarrollar una enfermedad activa o la infección puede
permanecer latente, pudiéndose desarrollar más adelante o permanecer siempre
inactiva (Cliff et al. 2015; Coscolla y Gagneux 2014). La mayoría de las personas
expuestas a bacilos de MTB no llegan a desarrollar la enfermedad y adquieren un
estado de infección latente de TB en el cual no pueden diseminar la infección hacia
otras personas. El proceso de la TB latente comienza cuando los bacilos extracelulares
son ingeridos por los macrófagos y presentados hacia otros glóbulos blancos. Esto
desencadena una respuesta inmunitaria en la cual los glóbulos blancos encapsulan la
mayoría de los bacilos, dando como resultado la formación de un granuloma. En este
punto, se ha conseguido contener la infección y estamos frente a una Infección latente
19
de TB (Figura 5A). Sin embargo, en algunas personas el bacilo de MTB supera las
barreras del sistema inmunitario y se multiplica dando consigo una progresión desde la
infección latente hasta el desarrollo de la enfermedad de TB (Figura 5B).
Figura 4. Tuberculosis pulmonar y extrapulmonar. A) TB pulmonar. Aerosoles

conteniendo bacilos de MTB luego de ser inhalados entran a los pulmones y viajan
hasta los alveolos. B) TB extrapulmonar. Un pequeño número de bacilos de MTB
ingresan a la sangre y se diseminan a través del cuerpo. Los bacilos pueden alcanzar
cualquier parte del cuerpo incluyendo áreas donde existen una mayor probabilidad de
desarrollar la enfermedad, tales como cerebro, laringe, ganglios linfáticos, columna
vertebral, huesos o riñones.
Estas personas usualmente pueden transmitir la bacteria hacia otras personas. La
progresión de la infección latente hacia la enfermedad de TB puede ocurrir en cualquier
momento, desde el momento de la infección inicial hasta después de muchos años. En
general, sólo entre el 5-15% de un estimado de 1.7 billones de personas infectadas con
MTB desarrollarán la enfermedad de la tuberculosis durante su vida. Sin embargo, la
probabilidad de desarrollar la enfermedad es mucho mayor entre personas infectadas
con el Virus de Inmunodeficiencia Humana (VIH), y en personas afectadas por factores
20
de riesgo como la desnutrición, diabetes, consumo de alcohol y tabaco, que debilitan el
sistema inmunitario (World Health Organization 2017).
Figura 5. Ingreso y diseminación de MTB desde los alveolos pulmonares.

A) luego del ingreso de los bacilos de MTB al alveolo pulmonar pasarán entre 2
a 8 semanas para que células del sistema inmunitario (macrófagos) ingieran y
envuelvan a los bacilos. Las células forman una barrera protectora llamada
granuloma, el cual mantiene a los bacilos en contención y bajo control (Infección
latente de tuberculosis). B) Si el sistema inmunitario no puede mantener el bacilo
de MTB bajo control, el bacilo comenzará a multiplicarse rápidamente
(enfermedad de tuberculosis).
2.3 Fármacos antituberculosis
2.3.1 Rifampicina
La rifampicina (3-[[(4-Metil-1-piperazinil)imino]metil]rifamicina) es un antibiótico
lipofílico de amplio espectro y fue introducida en el año 1972 como droga
antituberculosa de actividad esterilizante (Ashok, Awdhesh y Nishat 1998). Este
fármaco interfiere en la transcripción bacteriana, a través del bloqueo en la actividad
21
de la RNA polimerasa dependiente de ADN (compuesta por las subunidades α, β, β’
y σ, codificadas por los genes rpoA, rpoB, rpoC y rpoD, respectivamente). La
rifampicina se une fuertemente a dicha enzima e inhibe la iniciación y elongación de
la cadena de RNA. Específicamente inhibe la transición en la síntesis de pequeños
oligoribonucleótidos hasta transcritos completos a través del mecanismo de oclusión
estérica (Somasundaram, Ram y Sankaranarayanan 2014). Las mutaciones que
predominan en las cepas de MTB resistentes a rifampicina están localizadas en una
secuencia de 81 pares de bases denominada ‘Región Determinante de Resistencia
a Rifampicina’ (RDRR) del gen rpoB, la cual comprende los codones 507 al 533. En
esta región se encuentran las mutaciones asociadas a resistencia en el 95% de
cepas resistentes a este fármaco (Bártfai et al. 2001; Telenti et al. 1993) (Figura 6).
En la actualidad existen al menos 87 variaciones genéticas entre mutaciones
puntuales, pequeñas inserciones y delecciones a nivel de la RDRR (Song et al.
2016). Las más frecuentes son las mutaciones en codones para ácido aspártico-516
(asp516), histidina-526 (his526) y serina-531 (ser531) (Agapito et al. 2002; Almeida
Da Silva y Palomino 2011; Caws et al. 2006; Telenti et al. 1993).
22
Figura 6. Cambios aminoacídicos en la RDRR del gen rpoB. Los aminoácidos
son representados mediante códigos de tres letras. El estudio realizado señala que
solamente entre los codones 516, 526 y 531 se abarca más del 90% de mutaciones
de resistencia a rifampicina. Esquema publicado en “Isoniazid and Rifampicin as
Therapeutic Regimen in the Current Era: A Review” (Somasundaram, Ram y
Sankaranarayanan 2014). 1: los codones son numerados de acuerdo con el genoma
completo de MTB (N° de acceso GenBank: NC_000962.3), y 2: los codones son
numerados de acuerdo con el gen rpoB de E. coli.
2.3.2 Isoniacida
La isoniacida (hidracida del ácido isonicotínico) es un potente fármaco
antituberculoso descubierto en 1952. Su acción bacteriostática actúa bloqueando la
biosíntesis de los ácidos micólicos, el cual es un componente esencial en la pared
celular de MTB. La isoniacida es una prodroga que llega ser activada in vivo
mediante la acción de la enzima micobacteriana catalasa-peroxidasa, la cual es
codificada por el gen katG (Lei, Wei y Tu 2000). la catalasa-peroxidasa cataliza la
producción de un radical nicotinilo que subsecuentemente interactúa con el NAD y
NADP micobacterial para producir diversos aductos (Argyrou et al. 2006). Uno de
éstos, el aducto formado entre el radical nicotinilo y el NAD, inhibe la actividad de la
proteína portadora de la enoil acil reductasa (codificada por el gen inhA), y la
sintetasa de proteínas portadoras de cetoacilos β (codificada por el gen kasA). La
inhibición de estas enzimas produce la inhibición de la síntesis de ácidos micólicos
conllevando a la muerte celular. Otro importante aducto es formado entre el radical
nicotinilo y el NADP, el cual potencialmente inhibe a la enzima dihidrofolato
reductasa, lo cual interfiere con la síntesis de ácidos nucleicos (Figura 7). Otros
productos de la activación in vivo de la isoniacida incluyen superóxido (H2O2),
hidroperóxidos de alquilo y radicales de óxido nítrico, los cuales también contribuyen
con los efectos bactericidas de la isoniacida (Brunton, Chabner y Knollman 2011).
23
Las mutaciones que causan la resistencia a isoniacida están localizadas en muchos
genes y regiones distintas (Slayden y Barry 2000); sin embargo, aproximadamente
entre el 50-95% de las cepas resistentes contienen mutaciones en el codón 315
(ser315) del gen katG, siendo las más frecuente la sustitución del aminoácido serina
por treonina (S315T) (Mokrousov et al. 2002; Telenti et al. 1997); además el 20-35%
contienen mutaciones en la región promotora del gen inhA (Musser et al. 1996;
Piatek et al. 2000; Telenti et al. 1997) y, por último, el 10-15% tienen mutaciones en
la región intergénica ahpC-OxyR (Kelley, Rouse y Morris 1997; Piatek et al. 2000;
Sreevatsan, Pan, Zhang, et al. 1997; Telenti et al. 1997).
Figura 7. Metabolismo y activación de la isoniacida. En los seres humanos, la

prodroga es metabolizada por isoformas del NAT2 (N-Acetiltransferasa 2) hasta su
metabolito principal, N-acetil isoniacida, el cual es excretado a través del riñón. La
isoniacida entra a la bacteria mediante difusión pasiva donde es “activado” por la
24
enzima catalasa peroxidasa hasta el radical nicotinílo, el cual reacciona de manera
espontánea con el NAD+ y NADP+ para producir aductos que inhiben enzimas
importantes en la síntesis de la pared celular y ácidos nucleicos. DFHR: dihidrofolato
reductasa. Fuente: Goodman & Gilman’s The Pharmacological Basis of
Therapeutics, capítulo 56.
2.4 Diagnóstico y susceptibilidad de Mycobacterium tuberculosis
Actualmente, las pruebas microbiológicas de susceptibilidad a drogas antituberculosis
conforman el “Gold estandar” en el tratamiento de la TB. Estas pruebas determinan la
sensibilidad o resistencia de las cepas de MTB en base al desarrollo de éstas frente a
concentraciones críticas (CC) de determinados fármacos antituberculosis. Sin embargo,
el tiempo de duplicación de MTB es entre 15 a 20 horas lo cual dificulta la obtención
rápida y oportuna de un diagnóstico adecuado. Ante esto, recientes avances en el
diagnóstico molecular han facilitado el desarrollo de pruebas genotípicas rápidas que
detectan mutaciones asociadas a resistencia en MTB. Entre las pruebas moleculares
actualmente recomendadas por la OMS se encuentran: el ESL GenoType MTBDRplus
v2.0, el ESL GenoType MTBDRsl v2.0 (Hain Lifescience GmbH, Nehren, Germany) y el
GeneXpert MTB/RIF (Cepheid, Sunnyvale, CA, USA), las cuales se encargan de
detectar mutaciones puntuales que confieren resistencia a drogas de primera y segunda
línea. Finalmente, el GenoType MTBDRplus v2.0 ha sido incorporado en las políticas
de Salud Pública de muchos países luego de pasar diversos procesos de validación a
nivel local y mundial. Éste método obtuvo excelentes resultados de sensibilidad (en
promedio superior al 91%) y especificidad (en promedio superior al 98%), demostrando
su gran exactitud en el diagnóstico de susceptibilidad farmacológica frente a rifampicina
e isoniacida (Bai et al. 2016). Asimismo, en el año 2011 el Perú realizó la validación de
esta prueba molecular y la incorporó en su flujograma de diagnóstico y detención de
25
mutaciones de resistencia para muestras positivas a TB (Asencios et al. 2012; Puyén
et al. 2016).
2.4.1 Ensayo de Sonda Lineal, GenoType MTBDRplus v2.0
El ESL GenoType MTBDRplus v2.0 es una prueba molecular rápida de tipo
cualitativo utilizada en la identificación in vitro del CMTB y la determinación de la
resistencia a RIF y/o INH a partir de muestras pulmonares con baciloscopia positiva.
Este ensayo genético molecular está basado en la tecnología de “tiras de ADN”
(DNA-strip) para la hibridación reversa de sondas de ADN específicas de
determinadas mutaciones. La identificación de resistencia a RIF se lleva a cabo
mediante la detección directa de las mutaciones con fuerte asociación estadística y
experimental ubicadas en el gen rpoB. Para la detección de cepas de MTB con altos
niveles de resistencia a isoniacida se analiza el gen katG, (Ando et al. 2010; Pym,
Saint-Joanis y Cole 2002; Wengenack et al. 1997), y para la detección de aquellas
con bajos niveles de resistencia a isoniacida se analiza la región promotora del gen
inhA (Niehaus et al. 2015).
Cada tira reactiva del ESL GenoType MTBDRplus v2.0 está conformada por 27
sondas de hibridación, de las cuales las tres primeras corresponden a sondas de la
zona control: sonda CC (control de conjugado), sonda AC (control de amplificado)
y sonda TUB (control de CMTB). Luego se encuentran 13 sondas correspondientes
a la zona de resistencia a rifampicina, la cual incluye una sonda de control de
locus (sonda rpoB), 8 sondas tipo salvaje (rpoB WT1, rpoB WT2, rpoB WT3, rpoB
WT4, rpoB WT5, rpoB WT6, rpoB WT7 y rpoB WT8) y 4 sondas tipo mutantes (rpoB
MUT1, rpoB MUT2A, rpoB MUT2B y rpoB MUT3). Luego, se encuentra la zona de
26
resistencia a isoniacida, la cual comprende el análisis del gen katG con una sonda
control de locus (sonda katG), una sonda salvaje (katG WT1) y dos sondas mutantes
(katG MUT1 y katG MUT2), y la región promotora del gen inhA con una sonda control
de locus (sonda inhA), dos sondas salvajes (inhA WT1 y inhA WT2) y cuatro sondas
mutantes (inhA MUT1, inhA MUT2, inhA MUT3A y inhA MUT3B) (Figura 8).
Brevemente, la presencia de la sonda CC documenta una eficiente unión del
conjugado a la tira reactiva, además de una adecuada reacción de sustrato. La
presencia de la sonda AC evidencia que le procesos de Reacción en Cadena de la
Polimerasa múltiplex (PCR multiplex) han sido exitosos, descartándose errores
durante el proceso de amplificación o presencia de inhibidores de la PCR. La
presencia de la sonda TUB es indicativo de que la muestra analizada pertenece al
CMTB. Las sondas de control de locus (sondas rpoB, katG e inhA) detectan una
región génica específica para el respectivo locus. Las sondas de tipo salvaje (WT)
contienen las secuencias nucleotídicas sin ninguna mutación de resistencia. La
presencia de todas las sondas salvaje de un gen (reacción positiva) se corresponde
con la ausencia de todas las sondas mutantes (MUT) lo cual es indicativo de que la
muestra analizada es sensible para el respectivo antibiótico. En caso de que exista
una mutación, el respectivo amplicón conteniendo la mutación no se llegará a unir a
la respectiva sonda salvaje. Por lo tanto, la ausencia de al menos una sonda salvaje
evidenciará que la muestra analizada es resistente para el respectivo antibiótico.
27
1 2
Figura 8: Interpretación del ESL GenoType MTBDRplus v2.0. A)

La tira “1” evidencia una muestra sensible para ambas drogas,
mientras que la tira “2” evidencia una muestra resistente a ambas
drogas (TB-MDR) por reacción positiva de dos sondas mutantes en
los genes rpoB (rpoB MUT3) y katG (katG MUT1). B) representación
esquemática de la distribución de sondas existentes en la tira
reactiva GenoType MTBDRplus v2.0.
2.4.1.1 Zona de resistencia a rifampicina
El ESL GenoType MTBDRplus v2.0, a través de las sondas tipo salvaje o silvestre
(wildtype), cubre toda la RDRR del gen rpoB. Para tal efecto cuenta con 8 sondas
tipo salvaje, las cuales a través de la ausencia de al menos una de ellas evidencian
28
de manera indirecta la presencia de una mutación resistente. Adicionalmente,
cuenta con cuatro sondas mutantes que evidencian la presencia de las cuatro
mutaciones más prevalentes asociados a la resistencia a rifampicina. Estas
ayudan a determinar de manera directa y exacta el cambio mutacional que se
encuentra presente en la muestra analizada (Tabla 1).
Tabla 1. Relación de sondas rpoB del ESL GenoType

MTBDRplus v2.0. Se especifican las 4 mutaciones detectadas de
manera directa en el gen rpoB. La numeración de codones está
basada en el gen rpoB de E. coli y fue establecida por Telenti y
colaboradores (Telenti et al. 1993); mientras que la numeración
ubicada entre paréntesis está basada en el genoma referencial de
Mycobacterium tuberculosis H37Rv (NC_000962.3).
Sondas Codones Sondas

Mutación
salvajes analizados mutantes
rpoB WT1 505-509
rpoB WT2 510-513
rpoB WT2/WT3 510-517
rpoB WT3/WT4 513-519 rpoB MUT1 D516V (D435V)
rpoB MUT2A H526Y (H445Y)
rpoB WT7 526-529
rpoB MUT2B H526D (H445D)
rpoB WT8 530-533 rpoB MUT3 S531L (S450L)
Así se tiene que la existencia de la mutación causante del cambio del aminoácido
ácido Aspártico por Valina en el codón 516 (D516V) causará una reacción negativa
en la ubicación de las sondas rpoB WT3 y rpoB WT4, pero una reacción positiva
en la sonda rpoB MUT1, dado que esta última contiene la secuencia nucleotídica
de dicha mutación. Del mismo modo, el cambio aminoacídico de Histidina por
Tirosina o ácido Aspártico en el codón 526 (H526Y o H526D, respectivamente)
provocará una reacción negativa en la sonda rpoB WT7, mientras una reacción
29
positiva en la sonda rpoB MUT2A o rpoB MUT2B, respectivamente. Finalmente, la
presencia de la mutación causante del cambio aminoacídico de Serina por Leucina
en el codón 531 (S531L) traerá consigo una reacción negativa en la sonda rpoB
WT8 y una reacción positiva en la sonda rpoB MUT3. Ante esto, se tiene que la
reacción negativa de al menos en una sonda salvaje sería indicativo de la
existencia de una mutación causante de resistencia a rifampicina (Hain Lifescience
2012).
2.4.1.2 Zona de resistencia a isoniacida
Gen katG
El ESL GenoType MTBDRplus v2.0 analiza únicamente el codón 315 del gen katG
mediante una sonda salvaje (katG WT1) y dos sondas mutantes (katG MUT1 y
katG MUT2) para la detección directa de mutaciones resistentes de alta
prevalencia (Tabla 2).
Tabla 2. Relación de sondas katG del ESL GenoType

MTBDRplus v2.0. Se analiza el codón 315 del gen katG. Se
especifica la detección directa de dos mutaciones que
producen el mismo cambio aminoacídico; sin embargo, la
diferencia entre ambas se presenta a nivel nucleotídico.

Mutación
katG MUT1 S315T1
katG WT1 315
katG MUT2 S315T2
Por lo tanto, ante la ausencia de una mutación en el codón 315 se evidenciará una
reacción positiva en la sonda salvaje y reacciones negativas en ambas sondas
30
mutantes. Mientras que la presencia de mutaciones causantes del cambio
aminoacídico de Serina por Treonina, S315T1 o S315T2 (cambio AGC → ACC o
AGC → ACA, respectivamente (Brossier et al. 2006)) será evidenciada mediante
la reacción negativa en la sonda salvaje y la reacción positiva en la sonda mutante
katG MUT1 o katG MUT2 respectivamente. Además, la sola ausencia de la banda
de reacción con la sonda salvaje (y ausencia de hibridación con las sondas
mutantes) sería indicativo de una detección indirecta de alguna mutación
resistente a isoniacida.
Gen inhA
El ESL GenoType MTBDRplus v2.0 permite analizar directamente la región
promotora del gen inhA. Exactamente, evalúa las posiciones -8, -15 y -16 de la
región promotora del gen inhA. A través de la sonda salvaje inhA WT1 se cubre las
posiciones nucleotídicas -15 y -16, mientras que a través de la sonda salvaje inhA
WT2 cubre la posición -8. Asimismo, cuenta con 4 sondas mutantes (inhA MUT1,
inhA MUT2, inhA MUT3A e inhA MUT3B) las cuales permitirán detectar de manera
directa mutaciones asociadas a resistencia frente a isoniacida que se hayan
generado en cualquiera de las tres posiciones antes mencionadas (Tabla 3).
Tabla 3: relación de sondas inhA del ESL GenoType

MTBDRplus v2.0. Se analiza la región promotora del
gen inhA. Las mutaciones son señaladas a nivel
nucleotídico.

Mutación
-15 inhA MUT1 c-15t
inhA WT1
-16 inhA MUT2 a-16g
inhA MUT3A t-8c
inhA WT2 -8
inhA MUT3B t-8a
31
La ausencia de mutaciones en cualquiera de las tres posiciones analizadas
provocará que sucedan reacciones positivas en ambas sondas salvajes y
reacciones negativas en todas las sondas mutantes. Sin embargo, la ocurrencia
del cambio nucleotídico Citosina por Timina en la posición -15 traerá consigo la
reacción negativa en la sonda salvaje inhA WT1 y la reacción positiva en la sonda
mutante inhA MUT1. Así mismo, el cambio nucleotídico de Adenina por Guanina
en la posición -16 traerá consigo la reacción negativa en la sonda salvaje inhA
WT1 y la reacción positiva en la sonda mutante inhA MUT2. Además, el cambio de
Timina por Citosina en la posición -8 traerá consigo la reacción negativa en la
sonda salvaje inhA WT2 y la reacción positiva en la sonda mutante inhA MUT3A.
Finalmente, la sustitución del nucleótido Timina por Adenina nuevamente en la
posición -8 traerá consigo la reacción negativa en la sonda salvaje inhA WT2 y la
reacción positiva en la sonda mutante inhA MUT3B. Finalmente, la sola ausencia
de hibridación con la sonda salvaje (y ausencia de ambas sondas mutantes) sería
indicativo de una detección indirecta de alguna mutación resistente a isoniacida.
2.5 Haplotipos genéticos
Los haplotipos genéticos están constituidos por grupos de Polimorfismos de Nucleótido
Simple (SNP, por sus siglas en inglés) de uno o más genes presentes en un mismo
cromosoma, los cuales al estar muy cercanos entre sí tienden a heredarse juntos. Esto
quiere decir que los alelos de un haplotipo no se separan por algún proceso de
recombinación y pueden transmitirse “en bloque”, lo que permite establecer
combinaciones de variaciones dentro de un gen que pueden estar asociados con
determinados fenotipos.
32
La variabilidad genética de poblaciones clonales, por ejemplo bacterias, es fundamental
para su comportamiento adaptativo. Los genes específicos del entorno, sujetos a una
selección relajada en un entorno no inductor, generan variaciones crípticas que mejoran
el potencial de adaptación (Pfennig et al. 2010). Sin embargo, los entornos inductores,
tal como la presión selectiva debido al uso de fármacos antibacterianos, generan un
potencial de adaptación a aquellas cepas que contienen variantes genéticas que les
proveen de una ventaja adaptativa. Incluso cuando se inicia la evolución de un sólo clon
(haplotipo) bajo una presión de selección severa, la combinación de la tasa de mutación
y el tamaño de la población son suficientes como para generar una variación genética
en la población (Barrick y Lenski 2009; Lang, Botstein y Desai 2011), dando lugar a una
mezcla de haplotipos cercanamente relacionados (o cepas). Como resultado se obtiene
que las poblaciones no son genéticamente uniformes en la mayor parte del tiempo (Kao
y Sherlock 2008).
La obtención de los haplotipos en una población bacteriana es capaz de revelar la
estructura de la población, o estructura de los genes, y sus características evolutivas
(Pulido-Tamayo et al. 2015). Así mismo, la obtención de haplotipos bacterianos permite
elegir los tratamientos adecuados contra las enfermedades causadas por haplotipos
específicos en una población.
El presente estudio busca analizar la diversidad genética subyacente a las cepas
drogorresistentes de Mycobacterium tuberculosis que circulan en el territorio peruano
utilizando la información de variantes genéticas presentes a nivel de los genes de
resistencia que son evaluados por el ESL GenoType MTBDRplus v2.0.
33
3 OBJETIVOS
3.1 Objetivo General
• Determinar la estructura genética de cepas de Mycobacterium tuberculosis
drogorresistentes que circularon en el Perú, entre los años 2011 al 2015, usando los
marcadores de resistencia del ensayo de sonda en línea GenoType MTBDRplus
v2.0.
3.2 Objetivos específicos
• Calcular las frecuencias de las mutaciones detectadas en la prueba GenoType
MTBDRplus v2.0 que confieren resistencia a la rifampicina e isoniacida, y
comparar la distribución de frecuencias entre cada uno de los años de estudio.
• Determinar los haplotipos de cepas drogorresistentes de Mycobacterium
tuberculosis en base a los principales marcadores génicos del ensayo de sonda
lineal GenoType MTBDRplus.v2.0.
• Determinar y comparar la distribución geográfica de los haplotipos definidos a
través de los años 2011 al 2015.
• Determinar la existencia de una asociación genética entre determinados
haplotipos y las cepas de Mycobacterium tuberculosis multidrogorresistentes
(TB-MDR), cepas monorresistentes a rifampicina, cepas monorresistentes a
isoniacida y cepas extensamente drogorresistentes (TB-XDR), determinadas por
el Método de Proporciones de Agar 7H10.
4 MATERIALES Y MÉTODOS
El presente estudio descriptivo presenta un corte retrospectivo y analiza la información
genética de los principales marcadores asociados a la resistencia frente a rifampicina e
34
isoniacida en cepas drogorresistentes de MTB que circularon en el Perú entre los años
2011-2015. Para este fin, se utilizaron datos de diagnósticos emitidos con anterioridad,
razón por lo cual no se realizó experimentación alguna con las cepas ni con las personas
de las cuales provinieron las muestras.
4.1 Población
Se seleccionaron 6589 muestras drogorresistentes de Mycobacterium tuberculosis, a
partir de un total de 39,453 resultados de pruebas diagnósticas del ESL GenoType
MTBDRplus v2.0 realizadas por el Laboratorio de Referencia Nacional de Micobacterias
(LRNM) del Instituto Nacional de Salud (INS). El periodo analizado comprendió los años
2011-2015. La población de estudio estuvo conformada por cepas provenientes de los
24 departamentos del Perú, y la provincia constitucional del Callao.
4.2 Material de laboratorio
− Tiras de resultados de diagnóstico molecular con patrones drogorresistentes
del ESL GenoType MTBDRplus v2.0 emitidos durante los años 2011 al 2015.
4.3 Selección de casos
▪ Criterios de inclusión
o Resultados de diagnóstico molecular de cepas multidrogorresistentes y
monorresistentes.
o Resultados de diagnóstico molecular de cepas con patrones de bandas de
hibridación que estén de acuerdo con los controles de calidad y resultados
35
válidos según especificaciones del proveedor (Hain Lifescience GmbH,
Nehren, Germany).
o Resultados de diagnóstico molecular de cepas emitidos durante el periodo
2011-2015.
▪ Criterios de exclusión
o Resultados de diagnóstico molecular de cepas con sensibilidad simultánea
para RIF e INH.
o Resultados de diagnóstico molecular de cepas que no posean las bandas de
control (control de amplificado [AC], control de conjugado [CC] y los
respectivos controles de locus génico [rpoB], [katG] e [inhA]).
o Resultados de diagnóstico molecular de cepas que no pertenezcan al
complejo MTBC (ausencia de banda TUB)
o Resultados de diagnóstico molecular de cepas heteroresistentes (patrón
sensible y resistente, presentes de modo simultáneo, para un determinado
locus génico).
o Resultados de diagnóstico molecular de pacientes repetidos.
4.4 Obtención de datos
Se realizó la construcción de una base de datos con el programa informático Microsoft
Excel v2013. Se analizó la presencia o ausencia de bandas de hibridación
comprendidas en los tres locus génicos (rpoB, katG e inhA) del ESL. Esta base de datos
fue creada en formato binario de acuerdo con el siguiente criterio: la presencia de banda
36
de hibridación fue nominada con el valor de uno (1), mientras que la ausencia de banda
de hibridación fue nominada con el valor de cero (0).
4.5 Obtención de Metadatos
Se obtuvo la información epidemiológica relacionada a los resultados analizados a partir
de la base de datos NetLab v1.0 del INS. Se recabó información de resultados de
diagnóstico según el Método de Proporciones de Agar 7H10, el cual consistió en
información de sensibilidad o resistencia frente a los fármacos: rifampicina, isoniacida,
kanamicina, capreomicina, y alguna fluoroquinolona (ciprofloxacina o levofloxacina),
tomando como referencia las concentraciones críticas recomendadas por la OMS (WHO
2018) (Tabla 4). Así mismo, se recabó información, tales como, sexo de los pacientes
(masculino o femenino), lugar de procedencia de la muestra (Dirección de Salud de
procedencia), año de emisión de resultados del diagnóstico por el método de Ensayo
en Sonda Lineal (2011, 2012, 2013, 2014 o 2015), y estado de tratamiento del paciente
(“Nunca tratado” o “Antes tratado”) al momento del envío de la muestra biológica
primaria. No se trabajaron con identificadores personales de los pacientes. La
identificación de cada muestra estuvo basada en códigos de laboratorio asignados a
cada muestra al momento de llegar al INS (código NETLab).
Tabla 4. Lista de concentraciones críticas del Método de

Proporciones. Las concentraciones críticas fueron establecidas por la
OMS para el medio Agar 7H10. CC: concentración crítica.
DROGAS ABREVIATURA CC
Drogas Rifampicina RIF 1.0 µg/mL
antituberculosis de Isoniacida 0.2 INH 0.2 0.2 µg/mL
primera línea Isoniacida 1.0 INH 1.0 1.0 µg/mL
Kanamicina KAN 5.0 µg/mL
37
Drogas Capreomicina CAP 10.0 µg/mL
antituberculosis de Ciprofloxacina CIP 2.0 µg/mL
segunda línea
Levofloxacina LEV 1.0 µg/mL
4.6 Análisis estadísticos e informáticos
Se realizaron análisis descriptivos de las frecuencias de muestras y mutaciones que
integraron el estudio, utilizando los programas estadísticos Microsoft Excel 2013 y el
paquete VennDiagram v1.6.20 (Chen y Boutros 2011) del programa R v3.5.1
(Development Core Team 2011).
▪ Análisis descriptivo del número de muestras

Se realizó un análisis descriptivo de los casos ingresados al estudio, en función
de:
o Año de procedencia
o Lugar de procedencia
o Distribución latitudinal (Norte, Centro y Sur)
o Distribución longitudinal (Costa, Sierra y Selva).
o Cantidad de casos con fenotipos TB-MDR y TB-monorresistente
comprendidos en todo el estudio.
▪ Análisis descriptivo de mutaciones

Se realizó un análisis descriptivo de las frecuencias absolutas y relativas de las
mutaciones asociadas a resistencia en función de su prevalencia por cada locus
génico:
o Frecuencia de mutaciones asociadas a resistencia frente a rifampicina

(locus rpoB).
o Frecuencia de mutaciones asociadas a resistencia frente a isoniacida
(locus katG e inhA).
38
4.7 Evaluación de la diversidad alélica y ligamiento genético
La evaluación de la diversidad alélica de cada locus fue realizada mediante el uso del
Índice de Simpson (1-D). Como la reproducción clonal puede enmascarar los efectos
de la recombinación, se trabajaron con dos conjuntos de datos: uno incluía todas las
muestras de cada localidad (sin corrección clonal), y el otro incluía los datos corregidos
por clones de cada localidad de los que se eliminaron los genotipos idénticos (con
corrección clonal). La determinación del ligamiento genético fue realizada a través de la
determinación del Índice de Asociación (IA) entre todos los locus de la población con
corrección clonal, utilizando 1000 permutaciones. Posteriormente, la determinación del
grado de asociación aportado por cada locus fue determinado mediante el análisis
pareado (pairwise) de cada locus. Todos los análisis fueron realizados en el paquete
poppr v2.8.1 de R (Kamvar, Tabima y Grünwald 2014).
4.8 Obtención y clasificación de haplotipos
Se realizó la creación de un pseudolocus mediante la concatenación de 21 marcadores
en una sola secuencia. Se omitió la caracterización de las siguientes bandas: CC, AC,
TUB, rpoB, katG e inhA, por tratarse de bandas controles. De este modo, se anidó la
información contenida en la RDRR del gen rpoB, el codón 315 del gen katG y la región
promotora del gen inhA. El orden de éstos fue determinado en función a las distancias
intergénicas, según el genoma de referencia H37Rv (Genbank: NC_000962.3) (Figura
9). Los haplotipos fueron obtenidos utilizando los 21 marcadores presentes en el
pseudolocus mediante el paquete GeneAlEx v6.5 (Peakall y Smouse 2006; 2012). Los
haplotipos obtenidos fueron clasificados en cuatro grupos, según sus respectivas
frecuencias (Bomba, Walter y Soranzo 2017) (Tabla 5).
39
Tabla 5. Criterio de clasificación de haplotipos. La clasificación fue
realizada en función a la frecuencia acumulada durante los 5 años de estudio.
Frecuencia
Clase de haplotipos N° de muestras
haplotípica
Haplotipo común 𝑛 > 5% 𝑛 > 329.5 muestras
Haplotipo menos común 5% ≥ 𝑛 > 1% 329.5 ≥ 𝑛 > 65.9
Haplotipo raro 1% ≥ 𝑛; 𝑛 ≠ 1 65.9 ≥ 𝑛; 𝑛 ≠ 1
Haplotipo huérfano n=1 n = 1 muestra
Posteriormente, se realizó una prueba de normalidad mediante la visualización gráfica
de un histograma de las frecuencias absolutas de los haplotipos y la prueba estadística
de Shapiro-Wilk (Ghasemi y Zahediasl 2012). Luego, se determinaron las frecuencias
absolutas de la distribución de haplotipos a lo largo de los 28 lugares de procedencia, y
en función de los años de obtención de muestra. Así mismo, se evaluó estadísticamente
si a lo largo de los años hubo un cambio de frecuencias de los haplotipos comunes o
menos comunes mediante una prueba exacta de “Bondad de ajuste” usando el paquete
XNomial v1.0.4 de R (https://CRAN.R-project.org/package=XNomial).
A B
rpoB
katG
inhA
C
RIFAMPICINA ISONIACIDA
locus rpoB locus inhA locus katG
rpoB rpoB rpoB rpoB rpoB rpoB rpoB rpoB rpoB rpoB rpoB rpoB inhA inhA inhA inhA inhA inhA katG katG katG
WT1 WT2 WT3 WT4 WT5 WT6 WT7 WT8 MUT1 MUT2A MUT2B MUT3 WT1 WT2 MUT1 MUT2 MUT3A MUT3B WT1 MUT1 MUT2
40
Figura 9. Proceso de anidación de los 21 marcadores de resistencia. A) ubicación
de los loci y bandas de hibridación de acuerdo con la tira de diagnóstico del ESL
GenoType MTBDRplus v2.0. Se resaltan en fondo naranja, celeste y amarillo solo las
bandas que serán utilizadas en los análisis. B) posiciones de los genes estudiados en
función del genoma completo de MTB. En paréntesis se denota la etiqueta de cada
locus, según la anotación funcional del genoma referencial de MTB. C) estructura final
del pseudolocus formado a partir de las posiciones físicas de los genes analizados y
la secuencia de bandas de hibridación según las tiras del ESL GenoType MTBDRplus
v2.0. p-inhA: región promotora del gen inhA.
4.9 Evaluación del poder discriminatorio de los haplotipos
La estimación de la diversidad y, por ende del poder discriminatorio del conjunto de
haplotipos obtenidos, fue realizado utilizando el Índice de discriminación de Hunter-
Gaston (IDHG) (Hunter y Gaston 1988). Este índice fue calculado usando la herramienta
en línea: http://insilico.ehu.es/mini_tools/discriminatory_power/index.php, la cual está
basado en la siguiente ecuación:
𝑠
1
IDHG = 1 − ∑ 𝑛𝑗 ( 𝑛𝑗 − 1)
𝑁(𝑁 − 1)
𝑗=1
Donde:
• N es el número total de cepas drogorresistentes incluidas en el análisis,

• s es el número total de haplotipos determinados, y
• nj es el número de cepas que pertenecen al jth haplotipo.
4.10 Distribución geográfica de haplotipos
Se realizó la construcción de tres mapas de calor (heatmaps) con las frecuencias
absolutas de los haplotipos más representativos (comunes y menos comunes) en
41
función de: la latitud (Norte, Centro y Sur), y la región natural (Costa, Sierra y Selva).
Para esto se utilizó el paquete pheatmap v1.0.12 de R (https://CRAN.R-
project.org/package=pheatmap).
4.11 Determinación de la similaridad y estructura genética de los Haplotipos
La similaridad de los haplotipos fue evaluada mediante la realización de un
agrupamiento jerárquico a través del método Unweighted Pair Group Method with
Arithmetic Mean (UPGMA) para los haplotipos comunes y menos comunes (Michener y
Sokal 1957) en R. Así mismo, se realizó la evaluación estadística de la diferenciación
genética de los haplotipos: entre determinados grupos poblacionales (Tabla 6) mediante
el test de AMOVA (Análisis Molecular de Varianza) usando el programa Arlequin v3.5
(Excoffier y Lischer 2010). Finalmente, se determinó la estructura genética total
mediante la inferencia del número de grupos (clusters) a través del uso del Análisis
Discriminante de Componentes Principales (ADCP) implementado en el paquete
adegenet v 2.1.1 de R (Jombart, Devillard y Balloux 2010).
Tabla 6. Grupos poblacionales AMOVA. Agrupación de DISAs y DIRESAs en

función de regiones geográficas (costa, sierra y selva), latitudes (norte, centro y sur)
y densidad de población (Lima metropolitana y el resto del país).
42
Estructura=Costa_Sierra_Selva Estructura=Norte_Centro_Sur Estructura=LimaMet_Rest
N° grupos=3 N° grupos=3 N° grupos=2
Piura Piura Callao
Lambayeque Lambayeque Lima Provincias
Lima
La Libertad La Libertad Lima Ciudad
Metropolitana
Callao Cajamarca Lima Este
Norte
Lima Provincias Amazonas Lima Sur
Costa Lima Ciudad Tumbes Piura
Lima Este San Martín Lambayeque
Lima Sur Loreto La Libertad
Ica Callao Cajamarca
Moquegua Lima Provincias Amazonas
Tacna Lima Ciudad Tumbes
Cajamarca Lima Este San Martín
Ancash Lima Sur Loreto
Huánuco Ica Ica
Centro
Pasco Ancash Ancash
Huancavelica Huánuco Huánuco
Sierra Junín Pasco Resto del país Pasco
Ayacucho Huancavelica Huancavelica
Apurímac Junín Junín
Arequipa Ucayali Ucayali
Cusco Moquegua Moquegua
Puno Tacna Tacna
Amazonas Ayacucho Ayacucho
Tumbes Apurímac Apurímac
Sur
San Martín Arequipa Arequipa
Selva
Loreto Cusco Cusco
Ucayali Puno Puno
Madre de Dios Madre de Dios Madre de Dios
4.12 Análisis de diversidad alfa y beta
Para el análisis de la diversidad local (diversidad alfa) se utilizó el programa Past v3.25
(Hammer, Harper y Ryan 2001) y se evaluaron los factores de riqueza y uniformidad de
haplotipos de los diferentes lugares de procedencia. Para esto, se determinaron los
índices de riqueza haplotípica (S), dominancia (D), diversidad de Simpson (1-D)
(Simpson 1949) y la equitatividad de Shannon (H) (Hutcheson 1970). Estos índices
fueron determinados con sus respectivos intervalos de confianza al 95% (9999
bootstraps). Usando el índice de Simpson, se establecieron de manera arbitraria puntos
de corte para la determinación de Diversidad baja (1-D < 0.25), Diversidad intermedia
43
(0.25 ≤ 1-D < 0.75), y Diversidad alta (1-D ≥ 0.75). Por otro lado, se determinó la
diversidad beta existente entre las muestras procedentes de Lima y callao, así como el
grado de aporte de los componentes de “reemplazo” y “riqueza” de haplotipos del índice
de disimilaridad de Jaccard (Baselga 2010; 2012), mediante el paquete betapart v1.5.1
de R (Baselga y Orme 2012).
4.13 Asociación estadística de haplotipos
Finalmente, se ejecutaron pruebas de asociación estadística entre cada uno de los
haplotipos determinados y las siguientes variables de importancia en Salud pública:
Variables:
o Sexo del paciente: Masculino o Femenino
o Año de obtención de diagnóstico: 2011, 2012, 2013, 2014
o Fenotipos: TB sensible, TB-MDR, TB-XDR, TB-MonoINH, y TB-MonoRIF
o Estado de tratamiento: ‘Antes tratado’ y ‘Nunca tratado’.
Para esto, se utilizó el protocolo estandarizado para la evaluación de mutaciones
asociadas a la resistencia recomendadas por la OMS (Miotto et al. 2017). De manera
breve, las asociaciones entre los haplotipos y las variables de interés fueron evaluadas
mediante el p-value del Test Exacto de Fisher, estableciendo un nivel de significancia
del 5%. La fuerza de asociación fue determinada usando los valores de la ‘Tasa de
Momios’ (OR, del inglés Odds ratio) y del ‘Cociente de probabilidad positiva’ (PLR, del
inglés Positive Likelihood Ratio). Estos cálculos fueron realizados mediante un script
que automatizó las evaluaciones usando el paquete epiR v1.0 de R (https://CRAN.R-
project.org/package=epiR). El control de la tasa de falsos positivos (FDR, del inglés
False Discovery Rate) para comparaciones múltiples fue realizado usando el método de
Benjamini–Hochberg. Finalmente, los p-values corregidos por FDR se utilizaron como
44
base para establecer el nivel de asociación de significación final entre la presencia de
un haplotipo y la variable de interés. Las asociaciones significantes fueron clasificadas
como de alta, intermedia o mínima confianza en función a los valores de PLR y OR.
5 RESULTADOS
5.1 Análisis de muestras ingresadas al estudio
Se analizaron 6589 casos drogorresistentes de MTB, lo que corresponde al 18% del
total de 36,964 resultados válidos emitidos mediante la metodología molecular
GenoType MTBDRplus v2.0 en el periodo 2011-2015. A través de los años se evidenció
un incremento de la cantidad de muestras que fueron analizadas; sin embargo, 5459
(82.85%) casos provienen de resultados emitidos en el periodo 2013 - 2015 (Tabla 7).
La distribución latitudinal evidenció una alta carga de casos de TB provenientes del
Centro (84.4%), Norte (10.9%) y Sur (4.6%) del país. Por otro lado, en función de la
distribución regional, se obtuvo una alta prevalencia de casos en la Costa (81.9%),
seguido por una distribución homogénea entre la Selva (9.1%) y la Sierra (9.0%) (Tabla
7). Respecto a los lugares de procedencia de las muestras, se tiene que solamente las
DISAS ‘Lima Ciudad’ y ‘Lima Este’ albergaron el 55.13% del total de muestras
analizadas; mientras que los lugares restantes presentan frecuencias menores al 6%.
Así mismo, se observó que este patrón de frecuencias se mantuvo uniforme a lo largo
de los 5 años (Tabla 7, Anexo 1).
45
Tabla 7. distribución de casos incluidos en el estudio. Distribución realizada en función
del año de emisión de resultados y lugar de procedencia.
Distribución Regiones Año de obtención de resultados

DISA Total (%)
latitudinal naturales 2011 2012 2013 2014 2015
Norte Costa Piura 0 14 21 17 15 67 (1)
Norte Costa Lambayeque 1 36 50 60 28 175 (2.7)
Norte Costa La Libertad 46 93 72 25 11 247 (3.8)
Norte Sierra Cajamarca 0 2 4 1 2 9 (0.1)
Norte Selva Amazonas 0 1 0 2 0 3 (0.1)
Norte Selva Tumbes 0 7 9 17 0 33 (0.5)
Norte Selva San Martín 0 14 21 23 12 70 (1.1)
Norte Selva Loreto 0 22 16 34 43 115 (1.8)
Centro Costa Callao 16 0 37 135 201 389 (5.9)
Centro Costa Lima Provincias 1 87 99 46 13 246 (3.7)
Centro Costa Lima Ciudad 79 186 330 195 432 1222 (18.6)
Centro Costa Lima Este 55 148 647 838 722 2410 (36.6)
Centro Costa Lima Sur 17 14 19 96 169 315 (4.8)
Centro Costa Ica 0 59 62 55 59 235 (3.6)
Centro Sierra Ancash 0 38 31 83 68 220 (3.3)
Centro Sierra Huánuco 0 24 25 19 31 99 (1.5)
Centro Sierra Pasco 0 1 1 0 0 2 (0.03)
Centro Sierra Huancavelica 0 2 3 3 2 10 (0.1)
Centro Sierra Junín 0 39 40 29 39 147 (2.2)
Centro Selva Ucayali 0 60 58 89 62 269 (4.1)
Sur Costa Moquegua 0 0 1 1 3 5 (0.1)
Sur Costa Tacna 0 10 16 28 32 86 (1.3)
Sur Sierra Ayacucho 0 4 4 3 6 17 (0.3)
Sur Sierra Apurímac 0 0 0 1 2 3 (0.1)
Sur Sierra Arequipa 0 24 24 0 14 62 (0.9)
Sur Sierra Cusco 0 10 3 4 6 23 (0.4)
Sur Sierra Puno 0 0 0 1 0 1 (0.02)
Sur Selva Madre de Dios 0 20 26 29 34 109 (1.7)
Total 215 915 1619 1834 2006 6589 (100)
Porcentaje 3.26% 13.89% 24.57% 27.83% 30.44%
El análisis de diagnóstico molecular determinó que en total 5920 (89.8%) casos
evidenciaron un patrón genotípico de resistencia a isoniacida y 4371 (66.3%) casos
46
tuvieron un patrón genotípico de resistencia a rifampicina. De entre éstos, 3702
(56.26%) casos fueron genotípicamente diagnosticados como TB-MDR, 2218 (33.7%)
como monorresistentes a isoniacida, y 669 (10.2%) como monorresistentes a
rifampicina (Figura 10).
Figura 10. Casos con resistencia genotípica a rifampicina e

isoniacida. ‘Diagrama de Venn’ mostrando la distribución de casos
analizados en función de los genotipos diagnosticados por el
GenoType MTBDRplus v2.0.
5.2 Análisis de mutaciones caracterizadas en el GenoType MTBDRplus v2.0
El análisis de patrones de resistencia frente a rifampicina en el gen rpoB reveló que en
las cepas de MTB peruanas existe una alta prevalencia de dos mutaciones detectadas
directamente: S531L (55.4%) y D516V (18.51%). Con frecuencias menores se
evidenciaron mutaciones detectadas indirectamente que afectaban a los codones: 530-
47
533 (6.8% [ausencia de banda WT8]), 526-529 (4.4% [ausencia de WT7]), 514-515
(3.3% [ausencia de WT3]), 516 (2.9% [ausencia de WT3 y WT4]) y 510-512 (2.0%
[ausencia de WT2]). Posterior a ellas, se encontraron las dos restantes mutaciones
detectadas directamente: H526D (1.9%) y H526Y (1.8%). Finalmente, se evidenciaron
diversos patrones de resistencia que en conjunto no sobrepasaron el 3% del total de
casos con resistencia a rifampicina (Tabla 8).
Tabla 8. Mutaciones que confieren resistencia a rifampicina. Se

señalan las bandas, silvestres (WT) y mutantes (MUT), y la
presencia de los cambios de aminoácido, según corresponda. La
tabla está ordenada en función decreciente del número de casos.
Entre paréntesis se señala la frecuencia relativa (porcentaje) de las
variantes respecto al total de casos genotípicamente resistentes a
rifampicina.
gen rpoB
Bandas de Bandas de
Cambio
hibridación hibridación N (%)
aminoácido
ausentes presentes
WT8 MUT3 S531L 2422 (55.4)
WT3, WT4 MUT1 D516V 809 (18.5)
WT8 - - 295 (6.8)
WT7 - - 190 (4.4)
WT3 - - 146 (3.3)
WT3, WT4 - - 125 (2.9)
WT2 - - 88 (2)
WT7 MUT2B H526D 82 (1.9)
WT7 MUT2A H526Y 80 (1.8)
WT2, WT3 - - 52 (1.2)
WT2, WT3, WT4 - - 11 (0.3)
WT4 - - 8 (0.2)
WT2, WT7 - - 7 (0.2)
WT3, WT8 - - 5 (0.1)
Otros - - 51 (1.2)
Total 4371 (100)
48
Respecto al total de cepas con patrones genotípicos de resistencia a isoniacida, el
análisis determinó que 3574 (60.4%) casos presentaron únicamente mutaciones en el
gen katG, seguido de 2061 (34.8%) casos con mutaciones únicamente en la región
promotora del gen inhA, y 285 (4.8%) casos con mutaciones simultáneas en ambos
genes. En general, 3525 (59.5%) casos presentaron únicamente la mutación S315T1,
seguido de 1519 (25.7%) casos con únicamente la mutación c-15t. Así, la presencia por
separado de ambas mutaciones comprendió más del 82% del total de casos resistentes
a isoniacida. Además, se detectaron 472 (8%) casos con resistencia indirecta en la
región cercana a la posición -15 del gen inhA (ausencia del WT1 y MUT 1 y 2), y 245
(4.1%) casos con la doble mutación: katG S315T1 e inhA c-15t. Finalmente, se
evidenciaron diversos patrones de resistencia que en conjunto no sobrepasaron el 2.7%
del total de casos resistentes a isoniacida (Tabla 9).
Tabla 9: mutaciones que confieren resistencia a isoniacida. Se señalan las

bandas, silvestres (WT) y mutantes (MUT), y la presencia de los cambios de
aminoácido, según corresponda. La tabla está ordenada en función decreciente
del número de casos. Entre paréntesis se señala la frecuencia relativa (porcentaje)
de las variantes respecto al total de casos genotípicamente resistentes a
isoniacida.
gen katG gen inhA
Banda de Banda de Banda de Banda de

Sustitución Sustitución
hibridación hibridación hibridación hibridación N (%)
aminoácido aminoácido
ausente presente ausente presente
WT MUT1 S315T1 3525 (59.5)
WT - - Genotipo sensible del gen inhA 32 (0.5)
WT MUT2 S315T2 17 (0.3)
49
WT1 MUT1 c-15t 1519 (25.7)
WT1 - - 472 (8)
WT2 MUT3A t-8c 22 (0.4)
Genotipo sensible del gen katG
WT1, WT2 - - 22 (0.4)
WT1, WT2 MUT1 - 19 (0.3)
Otros - - 7 (0.1)
WT MUT1 S315T1 WT1 MUT1 c-15t 245 (4.1)

WT MUT1 S315T1 WT2 MUT3A t-8c 12 (0.2)
WT MUT1 S315T1 WT1 - - 9 (0.2)
WT MUT1 S315T1 WT1, WT2 MUT1 - 7 (0.1)
Otros Otros 12 (0.2)
Total 5920 (100)
El análisis, a través de los años, de la presencia de las mutaciones detectadas
directamente en los tres genes analizados evidenció que no hubo variación de sus
frecuencias a través de los 5 años. De este modo, en el gen rpoB, la mutación de mayor
prevalencia en este periodo fue la S531L, en el caso del gen katG fue la mutación
S315T1, y en el gen inhA fue la c-15t (Anexo 2).
5.3 Evaluación de la diversidad alélica y ligamiento genético
La corrección clonal de la población original (sin corrección clonal) arrojó una nueva
población sin clones, por cada localidad, conformada por un total de 585 individuos (con
corrección clonal). Luego, el análisis de diversidad alélica de cada locus para las
poblaciones ‘sin corrección clonal’ y ‘con corrección clonal’, dio como resultado un
incremento en los valores promedios del Índice de Simpson (aumento de 0.1809 hasta
0.2110), la Heterocigosidad esperada (aumento de 0.1809 hasta 0.2114) y la
equitatividad alélica (aumento de 0.5430 hasta 0.6034) a favor de la población sin
clones; a excepción de cinco loci: rpoB WT8, rpoB MUT1, rpoB MUT3, inhA WT1 e inhA
50
MUT1, donde todos los índices de diversidad fueron menores a los de la contraparte
‘sin corrección clonal’ (Anexo 3).
En la prueba de asociación multilocus se obtuvo un valor de ‘Índice de Asociación’ (IA)
igual a 0.3627 y un Índice de asociación estandarizado’ (rBarD) igual a 0.0215. Ambos
valores nos dan información de que estamos frente a una población de comportamiento
clonal (asexual). Así mismo, se obtuvo un p-value menor a 0.05, por lo cual se rechazó
la hipótesis nula y se asume que existe un desequilibrio de ligamiento entre todos los
distintos loci (Figura 11).
Figura 11: índice de asociación de los 21 marcadores moleculares. El

análisis fue realizado sobre la población con corrección clonal (n = 585). La
distribución de valores en gris (1000 permutaciones de los datos originales)
muestran todos los posibles valores de rBarD si la población tuviese un
comportamiento sexual (No ligamiento). Se observa que el valor de rBarD
obtenido a partir de la data está totalmente alejado de la distribución sexual. 𝐫̅𝐝 :
rBarD.
El análisis pareado de asociación evidenció que el desequilibrio de ligamiento no ocurre
a nivel de los 21 loci analizados, sino que es determinado principalmente por un alto
51
valor de ligamiento entre los siguientes pares: rpoB WT1 y rpoB WT6 (rBarD = 0.25),
rpoB WT3 y rpoB WT4 (rBarD = 0.53), rpoB WT3 y rpoB MUT1 (rBarD = 0.41), rpoB
WT4 y rpoB MUT1 (rBarD = 0.57), rpoB WT5 y rpoB WT6 (rBarD = 0.6), rpoB WT7 y
rpoB MUT2A (rBarD = 0.33), rpoB WT7 y rpoB MUT2B (rBarD = 0.32), rpoB WT8 y rpoB
MUT3 (rBarD = 0.53), inhA WT1 y inhA MUT1 (rBarD = 0.66), inhA WT2 y inhA MTU3A
(rBarD = 0.51), inhA WT2 y inhA MUT3B (rBarD = 0.21), katG WT y katG MUT1 (rBarD
= 0.77) (Figura 12, Anexo 4).
Figura 12: correlación genética de marcadores pareados. Mapa de calor que

demuestra que el desequilibrio de ligamiento se debe principalmente a la fuerte
asociación existente entre algunos pares de locus (𝐫̅𝐝 > 0.2), Tabla: índices de
52
asociación pareados más representativos (rBarD > 0.2) para los 21 marcadores
analizados.
5.4 Obtención y análisis descriptivo de haplotipos
En total se obtuvieron 134 haplotipos cuyas frecuencias absolutas se encontraron en el
rango de 1 a 1396 casos; siendo 1, 2 y 9.75 los cuartiles 1, 2 y 3, respectivamente. Este
análisis intercuartílico mostró que el 75% de los mismos presentaba una frecuencia
menor a 10 casos; es decir, eran haplotipos raros o únicos (Anexo 5). Además, se
determinó gráfica y estadísticamente (p-value = 2.2e-16) que las frecuencias de
haplotipos no se ajustaban a una distribución normal (Figura 13).
Figura 13: histograma normalizado de frecuencias haplotípicas.

Histograma de densidades del logaritmo, en base 10, de las frecuencias
haplotípicas. Se observa una línea de tendencia de densidad con cola a la
izquierda.
53
De entre estos, 06 corresponden a la clase de ‘haplotipos comunes’, estando presentes
en 4820 (73.2%) casos; y 07 corresponden a la clase de ‘haplotipos menos comunes’,
estando presentes en 968 (14.7%) casos. Por lo tanto, solo los haplotipos comunes o
menos comunes en conjunto poseen una representatividad del 87.9% de muestras
analizadas. Por otro lado, se obtuvieron 62 ‘haplotipos raros’ y 59 haplotipos huérfanos
con representatividades del 11.26% y 0.9%, respectivamente (Figura 14, Anexo 5).
Figura 14: representatividad de los haplotipos. Número de casos presentes

por cada haplotipo (eje vertical izquierdo) comparado contra el porcentaje
acumulado (representatividad) aportado por cada haplotipo (línea acumulativa
de color naranja, eje vertical derecho). Los 134 haplotipos se encuentran
ordenados de mayor a menor frecuencia absoluta en el eje horizontal.
Del análisis de los 13 haplotipos comunes o menos comunes se determinó que 06
correspondían a un genotipo TB-MDR (hap-34, hap-41, hap-83, hap-101, hap-109 y
hap-115), 03 a un genotipo TB-MonoRIF (hap-51, hap-102 y hap-116) y 04 a un
genotipo TB-MonoINH (hap-123, hap-125, hap-126 y hap-134) (Tabla 10).
54
Tabla 10: estructuras génicas de los haplotipos comunes y menos comunes. Se señalan las frecuencias absolutas y
mutaciones de resistencia de los haplotipos comunes y menos comunes. Los haplotipos están ordenados de manera
descendente en función a su frecuencia absoluta. Los signos de interrogación denotan mutaciones detectadas indirectamente.
1: presencia de banda de hibridación, 0: ausencia de banda de hibridación.
RIFAMPICINA ISONIACIDA
rpoB MUT2A
rpoB MUT2B
inhA MTU3A
inhA MUT3B
rpoB MUT1
rpoB MUT3
katG MUT1
katG MUT2
inhA MUT1
inhA MUT2
Frecuencia
rpoB WT1
rpoB WT2
rpoB WT3
rpoB WT4
rpoB WT5
rpoB WT6
rpoB WT7
rpoB WT8
inhA WT1
inhA WT2
HAPLOTIPOS
katG WT
absoluta Variante Variante Variante
Hap-41 766 1 1 0 0 1 1 1 1 1 0 0 0 D516V 1 1 0 0 0 0 - 0 1 0 S315T1

Hap-109 680 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 1 0 0 0 c-15t 1 0 0 -
Haplotipos Hap-115 1396 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 0 1 0 S315T1

comunes Hap-123 412 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 0 0 0 0 -15,-16 1 0 0 -
Hap-126 703 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 1 0 0 0 c-15t 1 0 0 -
Hap-134 863 1 1 1 1 1 1 1 1 0 0 0 0 - 1 1 0 0 0 0 - 0 1 0 S315T1
Hap-34 103 1 1 0 0 1 1 1 1 0 0 0 0 D516? 1 1 0 0 0 0 - 0 1 0 S315T1

Hap-51 131 1 1 0 1 1 1 1 1 0 0 0 0 514,515 1 1 0 0 0 0 - 1 0 0 -
Haplotipos
Hap-83 81 1 1 1 1 1 1 0 1 0 0 0 0 526-529 1 1 0 0 0 0 - 0 1 0 S315T1
menos Hap-101 127 1 1 1 1 1 1 1 0 0 0 0 0 530-533 1 1 0 0 0 0 - 0 1 0 S315T1
comunes
Hap-102 116 1 1 1 1 1 1 1 0 0 0 0 0 530-533 1 1 0 0 0 0 - 1 0 0 -
Hap-116 249 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 1 0 0 -
Hap-125 161 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 1 0 0 0 c-15t 0 1 0 S315T1
55
El análisis de frecuencias de haplotipos comunes y menos comunes a lo largo de los 5
años de análisis determinó que estadísticamente las proporciones de los haplotipos se
mantuvieron constantes a lo largo de los años. Así al analizar el p-value obtenido
mediante tres métodos distintos de análisis se decidió por aceptar la hipótesis nula (Ho),
la cual establece que las proporciones observadas se ajustaban a proporciones
esperadas constantes a lo largo de los distintos años (Tabla 11).
Tabla 11: frecuencias absolutas de los haplotipos comunes y menos

comunes. Se detallan las frecuencias absolutas a través de los cinco años de
estudio. Entre paréntesis se señala la frecuencia relativa (porcentaje) de los
haplotipos respecto al total de casos diagnosticados por cada año. LLR: p value
de la ‘razón de probabilidad’. Prob: p vale del ‘Test exacto multinomial’. Chisq: p
value del ‘Chi cuadrado de Pearson’.
AÑO TEST EXACTO

CLASE HAPLOTIPO
2011 2012 2013 2014 2015 LLR Prob Chisq
15 113 176 183 193
Hap-109 0.84 0.84 0.88
(7) (12.3) (10.9) (10.1) (9.5)
41 219 327 402 407
Hap-115 0.95 0.95 0.95
(19.1) (23.9) (20.2) (22.1) (20.1)
12 37 84 123 156
Hap-123 0.84 0.84 0.84
(5.6) (4) (5.2) (6.8) (7.7)
Común
25 84 169 181 244
Hap-126 0.96 0.96 0.96
(11.6) (9.2) (10.4) (10) (12.1)
35 113 221 246 248
Hap-134 0.94 0.94 0.94
(16.3) (12.3) (13.6) (13.5) (12.3)
21 80 184 215 266
Hap-41 0.94 0.94 0.94
(9.8) (8.7) (11.4) (11.8) (13.2)
2 20 44 24 37
Hap-101 0.94 0.94 0.94
(0.9) (2.2) (2.7) (1.3) (1.8)
1 3 38 34 40
Hap-102 0.58 0.29 0.58
(0.5) (0.3) (2.3) (1.9) (2)
13 42 71 66 57
Hap-116 0.93 0.93 0.93
(6) (4.6) (4.4) (3.6) (2.8)
Menos 5 17 32 41 66
Hap-125 1.00 1.00 1.00
común (2.3) (1.9) (2) (2.3) (3.3)
8 12 31 23 29
Hap-34 0.66 0.66 0.58
(3.7) (1.3) (1.9) (1.3) (1.4)
7 23 23 35 43
Hap-51 0.96 0.96 0.96
(3.3) (2.5) (1.4) (1.9) (2.1)
2 13 18 23 25
Hap-83 1.00 1.00 1.00
(0.9) (1.4) (1.1) (1.3) (1.2)
56
187 776 1418 1596 1811
TOTAL
(87) (84.8) (87.5) (87.8) (89.6)
5.5 Similaridad genética de haplotipos
Los haplotipos comunes y menos comunes claramente se separaron en dos grupos.
Esta separación estuvo marcada por la presencia o ausencia de la mutación S315T1
del gen katG. Además, los haplotipos monorresistentes a rifampicina se ubicaron en un
solo grupo (Figura 15, cluster inferior). Finalmente, se determinó que los haplotipos
comunes y menos comunes no se encuentran necesariamente separados por clústeres
diferentes.
Figura 15. Fenograma de haplotipos representativos. Agrupamiento de haplotipos

resistentes comunes y menos comunes en función de distancias fenéticas. Se muestran
los cambios aminoacídicos para las mutaciones detectadas directamente; mientras que
para la detección indirecta de resistencia se detalla el intervalo de codones o posición
nucleotídica afectada.
57
5.6 Poder discriminatorio de los haplotipos
El IDHG obtenido para el uso de los haplotipos contando con el uso de los 134 subtipos
fue de 0.89. Sin embargo, el análisis por separado de cada uno de los 21 marcadores
utilizados para la construcción de cada haplotipo dio un promedio de IDHG de 0.21
(Anexo 3).
5.7 Distribución geográfica de haplotipos
El análisis de cuartiles de las frecuencias absolutas del número de haplotipos presentes
en cada DISA/DIRESA arrojó que los valores de Rango Intercuartílicos (RIC) varían
entre 8.5 y 38, para los haplotipos comunes, y entre 3.25 y 9.25, para los haplotipos
menos comunes; lo cual contrasta con los valores máximos de cada uno de ellos, siendo
entre 181 y 478, para los primeros, y entre 29 y 73 para los segundos. Así mismo, se
determinó que ningún haplotipo se encuentra totalmente distribuido a lo largo de las 28
DISAS/DIRESAS, dado que todos evidenciaron valores mínimos de frecuencia iguales
a cero (Anexo 6). Además, se observan varios valores atípicos superiores para cada
uno de los 13 haplotipos analizados (Figura 16). El análisis de frecuencia de haplotipos
comunes muestra que todas las DISAS/DIRESAS del Perú albergan al menos un
haplotipo común. Esta distribución se encuentra concentrada en la Costa central del
Perú, específicamente en la ciudad de Lima (este, sur, ciudad y provincias) y Callao. La
mayor carga de haplotipos comunes se concentra en La DISA ‘Lima Este’, seguida de
‘Lima Ciudad’ y ‘Callao’.
58
Figura 16. Distribución de frecuencias de los haplotipos
representativos. Se observa una abundancia de valores atípicos
superiores para los haplotipos comunes y menos comunes. Q: cuartil.
RIC: rango intercuartílico.
Por otro lado, se evidencia una escasa distribución de estos seis haplotipos a lo largo
de las demás regiones del Perú con excepción de los haplotipos 115 y 134. El haplotipo
115, se encuentra ampliamente distribuido en toda la zona central, con excepción de la
DIRESA ‘Pasco’; mientras que el haplotipo 134 se encuentra fuertemente distribuido en
las DISAS de Lima, ‘Callo’ y La Libertad. En general existe una mayor carga de haplotipo
comunes en la zona Centro y Norte a comparación del Sur (Figura 17, Tabla S5).
59
Figura 17: distribución de haplotipos más representativos a nivel nacional. Mapa de calor de la distribución de frecuencias
absolutas de los haplotipos comunes (A) y menos comunes (B), a través de las 28 DISAS/DIRESAS de todo el país. Cada mapa de
calor está separado en función de la distancia genética evidenciada mediante el dendograma.
60
Por otro lado, el análisis de AMOVA determinó que no existe una estructuración
genética ya que el mayor grado de variación se encuentra dentro de las poblaciones
(97.79 - 98.15 %) y no entre grupos. Además, el índice FST de los tres casos varía entre
0.019 – 0.022, es decir no existe una significante diferenciación entre los grupos (Tabla
12).
Tabla 12. Resultados del AMOVA. Se detalla la varianza molecular para las tres
estructuras propuestas por conveniencia. g.l: grados de libertad. Sig:
significancia. FST: índice de fijación.
Fuente de Suma de Porcentaje

Estructura g.l FST Sig
variación cuadrados variación
− Costa Entre grupos 2 46.57 0.7%
− Sierra Dentro de grupos 25 176.22 1.4% 0.021 0.000
− Selva Dentro de
6561 12291.69 97.9%
poblaciones
− Norte Entre grupos 2 43.34 0.8%
− Centro Dentro de grupos 25 179.45 1.4% 0.022 0.000
− Sur Dentro de
6561 12291.69 97.8%
poblaciones
− Lima Entre grupos 1 39.09 0.4%
− Resto del Dentro de grupos 26 183.70 1.5% 0.019 0.000
Perú Dentro de
6561 12291.69 98.2%
poblaciones
Finalmente, el análisis discriminante de componentes principales determinó que solo
utilizando los primeros 5 componentes principales se logró captar el 91.7% de la
variabilidad de los marcadores, y se observa que, a nivel de todo el Perú, no existe una
clara diferenciación genética entre los marcadores utilizados (Figura 18).
61
Figura 18: análisis discriminante de componentes principales.
Representación cartesiana de los dos mayores componentes principales
obtenidos a partir del análisis de los 21 marcadores.
Respecto a la distribución de haplotipos comunes en los distritos pertenecientes a las
provincias de Lima y Callao se observó que dichos haplotipos están presentes en casi
todos los distritos (Figura 19, Anexo 7); sin embargo, la mayor prevalencia de haplotipos
fue evidenciado en los distritos de Lima cercado, San Juan de Lurigancho, El Agustino
y Ate. Los cuales en su mayoría pertenecen a la zona este de Lima. Así mismo, se
observó que los haplotipos MDR (Hap-115, Hap-41 y Hap-109) afectaron en mayor
proporción al distrito de Lima cercado, mientras que los haplotipos monorresistentes a
isoniacida (Hap-134, Hap-126 y Hap-123), además de estar presentes en el distrito de
Lima Cercado, también mostraron una gran proporción en el distrito de San Juan de
62
Lurigancho. Los haplotipos comunes MDR que están conformados por la mutación rpoB
S531L (Hap-115 y Hap-109) presentaron una mayor representatividad en los distritos
de la zona sur de Lima en comparación del haplotipo con la mutación rpoB D516V (Hap-
41). Así mismo, este último haplotipo tuvo una alta representatividad en el distrito de El
Agustino a comparación de los otros dos haplotipos MDR (Figura 19). Por otro lado, la
distribución de los tres haplotipos monorresistentes a isoniacida evidenció que la
mutación individual katG S315T (Hap-134) abarca casi todos los distritos de Lima y
Callao; mientras que los haplotipos con mutaciones en la región promotora del gen inhA
(Hap-126 y Hap-123) no se encuentran distribuido en una gran parte de la zona sur de
Lima. Se observó también que el distrito de El Agustino tuvo una mayor proporción de
haplotipos con mutaciones en el gen inhA. De manera similar, la distribución de los
haplotipos menos comunes evidenció una fuerte prevalencia de estos en los distritos
limítrofes previamente mencionados. Sin embargo, tampoco presentaron una alta
representatividad en los distritos de la parte sur de Lima (Anexo 7).
63
Figura 19: Distribución de haplotipos comunes en Lima y Callao. Se representa la
distribución absoluta de casos (intensidad de fondo rojo) a nivel de distritos de Lima y
Callao. Los distritos con ningún caso son representados en fondo blanco.
5.8 Análisis de diversidad alfa y beta
5.8.1 Diversidad alfa
Los análisis fueron obtenidos utilizando los 134 haplotipos generados previamente
y se determinó que la zona central del Perú cuenta con una gran riqueza haplotípica
(S), seguida de la zona norte y, por último, la zona sur. Sin embargo, se evidencia
64
que en el centro las regiones de Pasco y Huancavelica presentan una baja riqueza
con valores de 1 y 7, respectivamente. En la zona norte, son los lugares de
Cajamarca, Amazona y Tumbes, los cuales evidencian una baja riqueza con valores
de solo 5, 3 y 12, respectivamente. Finalmente, en la zona Sur la mayor parte de
lugares presenta una baja riqueza haplotípica (Tabla 13).
Por otro lado, el análisis de dominancia de haplotipos (D) evidenció que las regiones
de Pasco y Puno muestran una dominancia completa (D=1), mientras que el resto
muestra bajos valores de dominancia (0.1 ≤ D ≤ 0.33). De manera contraria, el índice
de diversidad de Simpson (1-D) muestran a estas regiones con una mayor
diversidad haplotípica a comparación de Pasco y Puno. El análisis de equitabilidad
(heterogeneidad) fue realizado mediante el índice de Shannon-Wiener (H)
evidenciando que en general, las regiones presentaron un índice de Shannon entre
1 y 3, excepto Pasco y Puno los cuales tuvieron valores de cero cada uno. De este
modo, se determinó que 22 localidades presentaron una alta biodiversidad, 04
presentaron una biodiversidad intermedia y solo 02 tuvieron una baja biodiversidad
(Figura 20, Tabla 13).
65
Tabla 13: índices de diversidad haplotípica según lugar de procedencia.
Los colores evidencian los valores de menor a mayor escala obtenidos, por
cada índice. N: Número de muestras (abundancia), S: número de haplotipos
(riqueza haplotípica), D: dominancia, ‘1-D’: índice de diversidad de Simpson, H:
índice de Shannon.
GRADO DE
PROCEDENCIA N S D 1-D H
BIODIVERSIDAD
PIURA 67 21 0.1 0.9 2.6 ALTA
LAMBAYEQUE 175 29 0.1 0.9 2.72 ALTA
LA LIBERTAD 247 29 0.16 0.84 2.33 ALTA
CAJAMARCA 9 5 0.28 0.72 1.43 INTERMEDIA
Norte
AMAZONAS 3 3 0.33 0.67 1.1 INTERMEDIA
TUMBES 33 12 0.2 0.8 2.03 ALTA
SAN MARTÍN 70 19 0.11 0.89 2.53 ALTA
LORETO 115 21 0.12 0.88 2.45 ALTA
CALLAO 389 28 0.14 0.86 2.3 ALTA
LIMA PROVINCIAS 246 31 0.11 0.89 2.58 ALTA
LIMA CIUDAD 1222 65 0.11 0.89 2.71 ALTA
LIMA ESTE 2410 80 0.11 0.89 2.69 ALTA
LIMA SUR 315 37 0.11 0.89 2.71 ALTA
ICA 235 28 0.13 0.87 2.44 ALTA
Centro
ANCASH 220 27 0.12 0.88 2.57 ALTA
HUANUCO 99 18 0.13 0.87 2.38 ALTA
PASCO 2 1 1 0 0 BAJA
HUANCAVELICA 10 7 0.16 0.84 1.89 ALTA
JUNIN 147 22 0.1 0.9 2.59 ALTA
UCAYALI 269 24 0.25 0.75 2.06 ALTA
MOQUEGUA 5 4 0.28 0.72 1.33 INTERMEDIA
TACNA 86 16 0.15 0.85 2.18 ALTA
AYACUCHO 17 9 0.15 0.85 2.04 ALTA
APURIMAC 3 3 0.33 0.67 1.1 INTERMEDIA
Sur
AREQUIPA 62 13 0.12 0.88 2.28 ALTA
CUSCO 23 12 0.11 0.89 2.33 ALTA
PUNO 1 1 1 0 0 BAJA
MADRE DE DIOS 109 20 0.17 0.83 2.2 ALTA
66
3
2.5
1.5
0.5
LUGAR DE PROCEDENCIA
LOG10 S 1-D H
Figura 20: representación gráfica de índices de Biodiversidad haplotípica. S:

riqueza haplotípica, ‘1-D’: índice de diversidad de Simpson, H: índice de Shannon.
5.8.2 Diversidad beta
El análisis de diversidad beta entre las DISAS de Lima y callao evidenciaron que en
general, todas las Disa presentan una gran diferenciación haplotípica entre ellas. La
mayor diferenciación (60%) ocurrió entre las Disa de Callao y Lima este. Siendo que
esta diferencia es principalmente debida al efecto de riqueza de haplotipos (60%) a
comparación del reemplazo de especies (7%). Por otro lado, la menor diferenciación
genética (36%) ocurrió entre Callao y Lima Provincias, siendo influenciada
principalmente por el reemplazo de especies (30%) a comparación de la riqueza
(6%) de haplotipos.
67
En general, la diversidad beta fue principalmente influenciada por la riqueza de
haplotipos entre las comparaciones de Lima Ciudad-Callao, Lima Ciudad-Lima
Provincias, Lima Este-Callao y Lima Este-Lima Provincias. Mientras que en el resto
de las comparaciones fue predominante el componente de reemplazo de haplotipos,
con excepción de la comparación entre Lima Sur-Lima Este, en el cual ambos
componentes fueron relativamente similares (24% y 39% para el reemplazo y
riqueza de haplotipos, respectivamente) (Figura 21).
Figura 21: componentes de la diversidad beta en Lima y Callao. Cuadro comparativo

del grado de diferenciación de la biodiversidad en las DISAS de lima y callao. Se detalla
el grado de influencia de los componentes ‘Reemplazo de haplotipos’ y ‘Riqueza de
haplotipos’ para cada una de las comparaciones pareadas.
5.9 Asociación de Haplotipos
5.9.1 Haplotipos y Sexo del paciente
El análisis de asociación de haplotipos con el sexo del paciente de quien se obtuvo
la muestra original dio como resultado una asociación positiva del haplotipo común
68
109 con muestras aisladas de pacientes con sexo masculino; sin embargo, se
evidenció una confianza mínima de asociación. Ningún haplotipo resultó asociado
con aislamientos de pacientes con sexo femenino (Tabla 14).
5.9.2 Haplotipos y Fenotipos resistentes
5.9.2.1 Haplotipos y sensibilidad
Se obtuvieron 5 asociaciones confiables: ‘Hap-23’, ‘Hap-51’, ‘Hap-63’, ‘Hap-84’ y
‘Hap-102’. Dos (40%) haplotipos correspondieron a la clase menos común,
mientras que el resto a la clase rara. Todos los haplotipos presentaron mutaciones
únicamente en el gen rpoB y evidenciaron discordancia categórica con la
resistencia fenotípica a rifampicina. Ningún haplotipo evidenció la presencia de
banda MUT alguna, pero sí la ausencia de las bandas: WT2 (Hap-23), WT3 (Hap-
51), WT4 (Hap-63), WT7 (Hap-84) y WT8 (Hap-102) (Tabla 14). El análisis Post
hoc de los resultados discordantes determinó que estas mutaciones discordantes
estuvieron presentes en 231 muestras. Así mismo, se determinó que la ausencia
individual de los marcadores rpoB WT2, WT3 y WT4, en conjunto, presentan un
promedio de 72.5% de discordancia; mientras que la de los marcadores WT3-4,
WT7 y WT8 presentan un promedio de 29.8%. Estos resultados indican que los
tres primeros marcadores están más asociados con resultados fenotípicos
sensibles, por el Método de Proporciones Agar 7H10, mientras que los tres últimos
están más asociados con resultados fenotípicos resistentes (Figura 22).
69
Figura 22: análisis de resultados discordantes para la resistencia a
rifampicina. S: sensibilidad fenotípica a RIF, R: resistencia fenotípica a RIF.
Disc: discordancia.
5.9.2.2 Haplotipos y monorresistencia a Isoniacida
Se obtuvieron 6 asociaciones confiables: ‘Hap.21’, ‘Hap.123’, ‘Hap.125’, ‘Hap.126’,
‘Hap.132’ y ‘Hap.134’. De los cuales, tres (50%) haplotipos fueron de la clase
común, uno (16.7%) menos común y dos (33.3%) raros. En dos haplotipos se
observó que la resistencia fenotípica a isoniacida estuvo causada por mutaciones
únicamente en el gen katG, mientras que en tres haplotipos estuvo causada por
mutaciones en el gen inhA; solo un haplotipo presentó mutaciones simultáneas en
estos dos genes. En general, las asociaciones tuvieron una alta confiabilidad con
70
excepción del Haplotipo 21, el cual presentó una confiabilidad intermedia; del
mismo modo, este haplotipo fue el único que evidenció un patrón discordante
debido a la presencia indirecta de una mutación en el gen rpoB, específicamente
en los codones 510-512 (Tabla 14).
5.9.2.3 Haplotipos y monorresistencia a Rifampicina
‘Hap.88’, ‘Hap.93’, ‘Hap.102’ y ‘Hap.116’. Todos los haplotipos presentaron
mutaciones únicamente en el gen rpoB. No se asoció ningún haplotipo de clase
común. Tres (37.5%) haplotipos fueron de la clase menos común y cinco (62.5%)
raros. Cuatro (50%) haplotipos presentaron mutaciones detectadas directamente
mediante el GenoType MTBDRplus v2.0, mientras que el resto presentó
mutaciones detectadas indirectamente. Respecto a las mutaciones de detección
directa se observó un haplotipo con cada una de las cuatro mutaciones. Las
asociaciones tuvieron alta (62.5%) e intermedia (37.5%) confiabilidad. No se
evidenciaron asociaciones con confiablidad mínima (Tabla 14).
5.9.2.4 Haplotipos y multidrogorresistencia
‘Hap.88’, ‘Hap.93’, ‘Hap.102’ y ‘Hap.116’. Se observaron tres (25%) haplotipos de
clase común, dos (16.7%) de clase menos común y siete (58.3%) de clase rara.
Ocho haplotipos presentaron las mutaciones de detección directa, siendo la S531L
la más frecuente presente en tres haplotipos, seguido de D516V y H526Y con dos
haplotipos cada uno y H526D con un haplotipo. Respecto a la resistencia a
isoniacida, siete (58.3%) haplotipos presentaron únicamente la mutación de
detección directa S315T1 del gen katG, tres (25%) haplotipos presentaron
71
únicamente mutaciones en la región promotora del gen inhA (dos con la mutación
c-15t y uno con mutación de detección indirecta) y dos (16.7%) haplotipos con las
mutaciones simultáneas “c-15t y S315T1” de los genes inhA y katG
respectivamente. Las asociaciones tuvieron alta (75%), intermedia (16.7%) y
mínima (8.3%) confiabilidad (Tabla 14).
5.9.2.5 Haplotipos y extensa drogorresistencia
Se obtuvieron tres resultados de asociación confiables: ‘Hap.41’, ‘Hap.80’ y
‘Hap106’, de los cuales el primero es un haplotipo de clase común y el resto de
clase rara. Los tres haplotipos presentan marcadores de resistencia para
rifampicina e isoniacida simultáneamente. Respecto a la resistencia a rifampicina,
dos haplotipos presentaron mutaciones de detección directa en el gen rpoB
(D516V y S531L). Respecto a la resistencia a isoniacida, los tres haplotipos
presentaron la mutación S315T1 en el gen katG y solo en dos haplotipos dichas
mutaciones estuvieron acompañadas de mutaciones en el gen inhA. Los dos
haplotipos raros evidenciaron una alta confiabilidad mientras que el común obtuvo
una mínima confiabilidad (Tabla 14).
5.9.3 Haplotipos y Estado de Tratamiento
Se obtuvieron 6 asociaciones confiables, las cuales están divididas en grupos de
tres respecto a la condición de ‘Antes Tratado’ y ‘Nunca Tratado’. Así, para el primero
se asociaron los haplotipos: ‘Hap.109’, ‘Hap.115’ y ‘Hap.116’; para el segundo se
asociaron los haplotipos: ‘Hap.123’, ‘Hap.126’ y ‘Hap.134’. Todos estos haplotipos
fueron de clase común, a excepción del haplotipo 116 el cual fue de clase menos
común. Respecto a los haplotipos asociados con la condición ‘Antes Tratado’, todos
los haplotipos presentaron la mutación S531L en el gen rpoB, y un haplotipo

72
presentó la mutación c-15t en el gen inhA, mientras que otro presentó la mutación
S315T1 en el gen katG. De este modo, resultaron asociados dos haplotipos
correspondientes a genotipos multidrogorresistentes y un haplotipo correspondiente
a genotipo monorresistente a rifampicina. Respecto a los haplotipos asociados con
la condición ‘Nunca Tratado’, todos los haplotipos correspondieron a genotipos
monorresistentes a isoniacida. De entre los cuales un haplotipo solo presentó la
mutación S315T1 y los dos restantes presentaron variantes en el gen inhA (uno con
la mutación c-15t y el otro con resistencia de detección indirecta en el mismo gen).
Los seis haplotipos, a pesar de ser de la clase común en su mayoría, tuvieron un
grado de confiabilidad mínima (Tabla 14).
73
Tabla 14: haplotipos con resultados de asociación positiva. La confianza de asociación
de los resultados es denotada usando el sistema de colores. Así se denotan tres grados de
confianza: alta (círculos con relleno verde), intermedia (relleno amarillo) y mínima (relleno
rojo).
rpoB inhA katG
MUT2A
MTU3A
MUT2B
MUT3B
Variable Haplotipo Confianza Clase
MUT1
MUT3
MUT1
MUT2
MUT1
MUT2
WT1
WT2
WT3
WT4
WT5
WT6
WT7
WT8
WT1
WT2
WT
Variante Variante Variante
Hap.23 1 0 1 1 1 1 1 1 0 0 0 0 510-512 1 1 0 0 0 0 - 1 0 0 - Raro

Hap.51 1 1 0 1 1 1 1 1 0 0 0 0 514,515 1 1 0 0 0 0 - 1 0 0 - Menos Común
Sensible Hap.63 1 1 1 0 1 1 1 1 0 0 0 0 ? 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.84 1 1 1 1 1 1 0 1 0 0 0 0 526-529 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.102 1 1 1 1 1 1 1 0 0 0 0 0 530-533 1 1 0 0 0 0 - 1 0 0 - Menos Común
Hap.35 1 1 0 0 1 1 1 1 0 0 0 0 D516? 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.42 1 1 0 0 1 1 1 1 1 0 0 0 D516V 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.51 1 1 0 1 1 1 1 1 0 0 0 0 514,515 1 1 0 0 0 0 - 1 0 0 - Menos común
Hap.84 1 1 1 1 1 1 0 1 0 0 0 0 526-529 1 1 0 0 0 0 - 1 0 0 - Raro
MonoRIF
Hap.88 1 1 1 1 1 1 0 1 0 0 1 0 H526D 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.93 1 1 1 1 1 1 0 1 0 1 0 0 H526Y 1 1 0 0 0 0 - 1 0 0 - Raro
Hap.102 1 1 1 1 1 1 1 0 0 0 0 0 530-533 1 1 0 0 0 0 - 1 0 0 - Menos común
Hap.116 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 1 0 0 - Menos común
Hap.21 1 0 1 1 1 1 1 1 0 0 0 0 510-512 0 1 1 0 0 0 c-15t 1 0 0 - Raro
Hap.123 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 0 0 0 0 -15,-16 1 0 0 - Común
Hap.125 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 1 0 0 0 c-15t 0 1 0 S315T1 Menos Común
MonoINH
Hap.126 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 1 0 0 0 c-15t 1 0 0 - Común
Hap.132 1 1 1 1 1 1 1 1 0 0 0 0 - 1 1 0 0 0 0 - 0 0 0 315 Raro
Hap.134 1 1 1 1 1 1 1 1 0 0 0 0 - 1 1 0 0 0 0 - 0 1 0 S315T1 Común
Hap.13 1 0 0 1 1 1 1 1 0 0 0 0 Q513? 1 1 0 0 0 0 - 0 1 0 S315T1 Raro
Hap.34 1 1 0 0 1 1 1 1 0 0 0 0 D516? 1 1 0 0 0 0 - 0 1 0 S315T1 Menos Común
Hap.36 1 1 0 0 1 1 1 1 1 0 0 0 D516V 0 1 1 0 0 0 c-15t 0 1 0 S315T1 Raro
Hap.41 1 1 0 0 1 1 1 1 1 0 0 0 D516V 1 1 0 0 0 0 - 0 1 0 S315T1 Común
Hap.80 1 1 1 1 1 1 0 1 0 0 0 0 526-529 0 1 1 0 0 0 c-15t 0 1 0 S315T1 Raro
Hap.87 1 1 1 1 1 1 0 1 0 0 1 0 H526D 1 1 0 0 0 0 - 0 1 0 S315T1 Raro
MDR
Hap.90 1 1 1 1 1 1 0 1 0 1 0 0 H526Y 0 1 1 0 0 0 c-15t 1 0 0 - Raro
Hap.92 1 1 1 1 1 1 0 1 0 1 0 0 H526Y 1 1 0 0 0 0 - 0 1 0 S315T1 Raro
Hap.101 1 1 1 1 1 1 1 0 0 0 0 0 530-533 1 1 0 0 0 0 - 0 1 0 S315T1 Menos Común
Hap.107 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 0 0 0 0 -15,-16 1 0 0 - Raro
Hap.109 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 1 0 0 0 c-15t 1 0 0 - Común
Hap.115 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 0 1 0 S315T1 Común
Hap.41 1 1 0 0 1 1 1 1 1 0 0 0 D516V 1 1 0 0 0 0 - 0 1 0 S315T1 Común
XDR Hap.80 1 1 1 1 1 1 0 1 0 0 0 0 526-529 0 1 1 0 0 0 c-15t 0 1 0 S315T1 Raro
Hap.106 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 0 0 0 0 -15,-16 0 1 0 S315T1 Raro
Sexo Masc. Hap.109 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 1 0 0 0 c-15t 1 0 0 - Común
Hap.109 1 1 1 1 1 1 1 0 0 0 0 1 S531L 0 1 1 0 0 0 c-15t 1 0 0 - Común
Antes
Hap.115 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 0 1 0 S315T1 Común
Tratado
Hap.116 1 1 1 1 1 1 1 0 0 0 0 1 S531L 1 1 0 0 0 0 - 1 0 0 - Menos Común
Hap.123 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 0 0 0 0 -15,-16 1 0 0 - Común
Nunca
Hap.126 1 1 1 1 1 1 1 1 0 0 0 0 - 0 1 1 0 0 0 c-15t 1 0 0 - Común
Tratado
Hap.134 1 1 1 1 1 1 1 1 0 0 0 0 - 1 1 0 0 0 0 - 0 1 0 S315T1 Común
74
6 DISCUSIÓN
La tuberculosis en el Perú constituye un problema de salud pública con un alto componente
social, económico y político. Ante esto, el país ha fortalecido las intervenciones para
enfrentar esta enfermedad orientadas a la disminución progresiva y sostenida de los casos
de tuberculosis sensible y drogorresistente mediante el diagnóstico adecuado y tratamiento
oportuno. De esta manera, se busca interrumpir la cadena de transmisión en la comunidad,
a través de la captación oportuna y el seguimiento de casos y contactos de personas
afectadas por la tuberculosis. Una de estas medidas ha comprendido la inclusión del
diagnóstico molecular de la tuberculosis y detección de resistencia frente a las drogas
rifampicina e isoniacida usando el ESL GenoType MTBDRplus v2.0 (Asencios et al. 2012;
Obregón et al. 2018; Puyén et al. 2016).
El análisis de los haplotipos comunes y menos comunes obtenidos permitió determinar la
existencia de una alta carga de MDR (10%) entre las cepas de MTB circulantes a nivel
nacional. Este resultado es concordante con el reporte global de la tuberculosis del año
2019 en donde se incluye al Perú como uno de los 30 países a nivel mundial con mayor
carga de TB-MDR (World Health Organization 2019). Sin embargo, solamente la detección
de tres haplotipos comunes con monorresistencia a isoniacida, que representan el 30% del
total de casos con tuberculosis resistentes analizados, evidencia la alta incidencia de este
tipo de tuberculosis en el país. En el 2018 se estima que, a nivel mundial, la TB
monorresistente a isoniacida en promedio afectó al 7.2% (95% IC: 6.2–8.2%) de casos
nuevos y al 11.6% (95% CI: 9.9–13.3%) de casos antes tratados, comportamiento que se
ha venido manteniendo desde años anteriores (World Health Organization 2017; 2018;
2019). El porcentaje nacional de TB monorresistente a INH (6%) establece que el Perú no
es ajeno a esta realidad mundial. Esta mayor proporción de casos monorresistentes a INH,
a comparación de los casos monorresistentes a RIF, ha sido observado desde la década
75
pasada y continúa extendiéndose hasta la actualidad en el Perú y el mundo (Alarcón et al.
2017; Dean et al. 2020; Jenkins, Zignol y Cohen 2011).
En el Perú, el uso del ESL GenoType MTBDRplus v2.0 permite detectar la monorresistencia
a isoniacida adecuadamente. Sin embargo, a nivel global la resistencia a la rifampicina
siempre ha sido priorizada, y las tecnologías han sido dirigidas a dicho objetivo (WHO 2013)
Sin embargo, las no detección de resistencia a isoniacida, provocaría que los pacientes
sensibles a la rifampicina con un estado de isoniacida desconocido pueden ser tratados
erróneamente como tuberculosis sensible a los medicamentos. Por lo tanto, en el Perú los
algoritmos de diagnóstico no deben desestimar los exámenes de resistencia a isoniacida,
ya que el mal diagnóstico de esta resistencia ha sido asociada con malos resultados en el
tratamiento o recaídas y el desarrollo de resistencia a los medicamentos adicionales, tales
como la MDR, durante el tratamiento (Báez-Saldaña et al. 2016; Pecho-Silva, Navarro-
Solsol y Chiappe-Gonzalez 2019; Stagg et al. 2017).
Caso aparte, la monorresistencia a RIF es rara a nivel mundial y también está asociada a
malos resultados en el tratamiento además de evolucionar fácilmente a casos MDR y XDR
(Mvelase et al. 2019). Los resultados determinan que nuestro país exhibe una muy baja
incidencia (1.8%) del total de caso de TB, la cual también está de acuerdo con las
incidencias globales (World Health Organization 2019). Así mismo, nuestras estadísticas
revelan que 8.5 de cada 10 casos con resistencia a rifampicina serán casos MDR. Sin
embargo, dado que en nuestro país se tiene incorporado en los programas nacionales de
diagnóstico de la resistencia las metodologías moleculares GenoType MTBDRplus y Gene
XPERT MTB/RIF, se asegura una correcta detección tanto de la TB monorresistente a
rifampicina, así como a la TB-MDR.
76
El análisis de ligamiento génico y el análisis de las frecuencias de mutaciones detectadas
por el ESL evidencian la gran estabilidad genética de las especies pertenecientes al
complejo Mycobacterium tuberculosis (Dos Vultos et al. 2008), y el carácter clonal de las
infecciones de MTB (Pérez-Lago et al. 2017). Así mismo, la inexistencia de una
estructuración geográfica de los marcadores de resistencia establece que en el Perú
continúan prevaleciendo los marcadores genéticos asociados a resistencia de RIF e INH
de mayor incidencia en América y el resto del mundo (rpoB D516V, rpoB S531L, katG
S315T, inhA c-15t), las cuales son detectadas de manera directa mediante el ESL
GenoType MTBDRplus v2.0 (Asencios et al. 2012; Dantas et al. 2017; Javed et al. 2018;
Lanzas et al. 2016; Liu et al. 2017; Nikolayevskyy et al. 2009). La elevada prevalencia de
estas mutaciones puede estar asociada con el hecho de que específicamente estas
alteraciones del genoma de MTB no tienen un costo, o presentan un muy bajo costo, en el
fitness biológico de las cepas. Así mismo, se ha evidenciado la existencia de mutaciones
compensatorias en otras regiones génicas, tales como el en rpoC, que están asociadas con
estas mutaciones prevalentes, ayudando a la diseminación de estas cepas resistentes,
incluso con mayor éxito a comparación de las cepas sensibles (Munir et al. 2019; Spies
et al. 2013). Sin embargo, existe una moderada cantidad de cepas resistentes que no
presentan estas mutaciones, sino que únicamente son determinadas por la ausencia de la
banda salvaje. Respecto el caso del gen rpoB, solamente los genotipos y haplotipos
conteniendo ausencia de sondas salvaje tales como: WT2, WT3, WT2-WT3, WT3-WT4,
WT7 y WT8 comprenden poco más del 20% del total de cepas resistentes a RIF. Esta
determinación indirecta de la resistencia revela la gran diversidad de mutaciones ocurriendo
solamente en la RDRR del gen rpoB. Muchas de estas mutaciones han sido evaluadas en
estudios previos y han sido determinadas como ocurrencia de inserciones, deleciones y
variantes de nucleótido simple, tales como: D516A, D516T, N518del, L533P y S450W
(Arandjelović et al. 2019; San et al. 2018; Vigo et al. 2019). Respecto al gen katG, se
77
observa que solo el 0.5% del total de casos resistentes a isoniacida presenta una
determinación indirecta de la resistencia. Este comportamiento puede deberse a las
distintas variaciones naturales del codón 315 reportadas en estudios previos: S315I,
S315N, S315G y S315R (San et al. 2018; Unissa et al. 2017; Vigo et al. 2019). Distinto es
el caso para el análisis de la región promotora del gen inhA, donde la determinación
indirecta de la resistencia comprende al menos un considerable 8% del total de cepas
resistentes a INH (específicamente ausencia del WT1). De acuerdo a la literatura científica,
el cambio nucleotídico más probable, localizada en esta región génica, sería la mutación g-
17t (Vigo et al. 2019; Walker et al. 2015).
El uso de haplotipos, a comparación de los SNPs, se presenta como una mejor herramienta
para el análisis de las asociaciones entre los distintos componentes genéticos y las
características fenotípicas producidas. Permite evaluar la interacción en ‘cis’ de los distintos
marcadores genéticos (Liu, Zhang y Zhao 2008; Morris y Kaplan 2002), y mediante la
inclusión tanto de SNPs comunes como raros se logra obtener una mejor compresión de
las variabilidad genética presente en los organismos (Sykes et al. 2011). El gran número de
haplotipos obtenidos (n=134) evidencia una alta variabilidad de los marcadores genéticos
en las muestras de MTB circulantes en el territorio nacional. La concatenación de los loci
variables para formar ‘haplotipos resistentes’ permitió obtener un método con un alto poder
discriminatorio (IDHG=0.89) para los genes de resistencia asociados a rifampicina e
isoniacida. De acuerdo con diferentes estudios previos en MTB, valores del IDHG mayores
a 0.6 caracterizan a los sistemas de discriminación con un alto poder resolutivo (Sola et al.
2003), y para la obtención de una mayor confiabilidad en el poder discriminatorio se dispone
que al menos sean de 0.9 (Mokrousov 2017). Ante esto, el uso de los haplotipos de
resistencia obtenidos permite una buena tipificación de la variabilidad genética de MTB a
nivel de los genes rpoB, inhA y katG. La representatividad del 87.9% obtenida por solo 13
78
haplotipos (comunes y menos comunes), así como el análisis de genes individuales,
muestran el predominio de un reducido número de mutaciones como causantes de la
resistencia a rifampicina e isoniacida en el Perú. Por otro lado, la clara diferenciación del
fenograma en dos grupos guiados por la presencia de la mutación katG S315T, así como la
elevada prevalencia de ésta en los haplotipos TB-MDR comunes o menos comunes,
corrobora que esta mutación es un fuerte predictor de la TB-MDR (Manson et al. 2017).
El análisis de haplotipos través de los departamentos muestra que no existe una
estructuración significativa de los marcadores de resistencia a nivel regional o
departamental. Sin embargo, se determina que las provincias de Lima y Callao continúan
conteniendo la mayoría de los casos de TB-DR a nivel nacional (DGE-MINSA 2016; 2019).
En especial el distrito de Lima cercado y aquellos pertenecientes a la zona este. Distritos
que a través de los años han sido asociados con el hacinamiento y pobreza en la capital
del país, los cuales son factores de conocida asociación con el desarrollo de la TB y sus
diversas formas drogorresistentes (WHO 2005). Sin embargo, el análisis de diversidad beta
demuestra que en las provincias de Lima y callao no existe una homogeneidad compartida
de haplotipos entre las distintas direcciones de salud, lo cual evidencia una ligera
estructuración local de haplotipos. Esto también se corrobora, por ejemplo, con la
prevalencia de haplotipos TB-MDR en el distrito de cercado de Lima, y con la fuerte
presencia de haplotipos monorresistentes a isoniacida hacia el distrito de san juan de
Lurigancho.
Finalmente, el análisis de asociación entre todos los haplotipos y los resultados de la prueba
gold estandar evidencian una alta concordancia entre las mutaciones encontradas y los
respectivos fenotipos de resistencia. Sin embargo, se observan ciertas asociaciones entre
mutaciones del gen rpoB y el fenotipo sensible a rifampicina, las cuales se encuentran
79
representadas por la única ausencia de las sondas salvajes WT2 (Hap-21 y 23), WT3 (Hap-
51), WT4 (Hap-63), WT7 (Hap-84) y WT8 (Hap-102). Estos haplotipos también muestran
distintos grados de asociación con fenotipos resistentes, lo cual evidencia que, en un
porcentaje minoritario, existen mutaciones que no necesariamente confieren resistencia a
rifampicina. Fuerte evidencia científica señala la existencia de mutaciones controversiales
en estas regiones génicas, tales como los cambios no sinónimos L511P (WT2), D516Y/G
(WT3, WT4), H526N/L/C/S (WT7), S531C (WT8) y L533P (WT8), las cuales dan como
resultado fenotipos sensibles en medios de cultivo sólido (7H10, Lowenstein-Jensen) y/o
líquido (MGIT) (Al-Mutairi et al. 2019; Jamieson et al. 2014; Miotto et al. 2018; Rigouts et al.
2013; Van Deun et al. 2013). Este tipo de mutaciones causan bajos niveles de resistencia
(concentraciones críticas menores a las dispuestas por la OMS) a rifampicina, por lo que
han sido asociadas con pobres resultados en el tratamiento, así como un retraso en el
crecimiento en los medios de cultivo (Miotto et al. 2018; Torrea et al. 2019). Ante esto, se
vienen realizando más estudios sobre el efecto de las distintas mutaciones detectadas en
los genes de resistencia y determinando la asociación de estas con resistencia a bajas,
intermedias o altas concentraciones. Llegándose a determinar la importancia de detección
de éstas mediante distintas pruebas moleculares (GenoType MTBDR, Xpert MTB/RIF,
Secuenciamiento de ADN, etc.) por encima de las pruebas fenotípicas, las cuales en
general toman como punto de corte una sola concentración crítica (Chiang, Fan y Jou 2018;
Miotto et al. 2018; Walker et al. 2015).
7 CONCLUSIONES
El análisis de haplotipos y mutaciones obtenidos por el ESL GenoType MTBDRplus v2.0
permite determinar las frecuencias de la TB-MDR, y TB monorresistentes a rifampicina e
isoniacida circulantes en el territorio peruano. El Perú posee una importante carga de
80
tuberculosis monorresistente a isoniacida por lo que los algoritmos de diagnóstico a nivel
nacional deben continuar incluyendo las pruebas que incorporen el análisis de la resistencia
a este fármaco a fin de obtener un diagnóstico preciso. Así mismo, el uso de haplotipos
resistentes permite conocer la estructura genética de las mutaciones que determinan la
resistencia a isoniacida y rifampicina en las cepas peruanas de Mycobacterium tuberculosis.
Las cepas de MTB drogorresistentes circulando en el territorio peruano contienen
principalmente los marcadores genéticos de resistencia de mayor incidencia en América y
el resto del mundo. Así mismo, se evidencia la potencial existencia de mutaciones
controversiales que pueden afectar el correcto diagnóstico de los pacientes con
tuberculosis. A través de los años las cepas drogorresistentes se encuentran circulando en
todo el territorio nacional con una clara concentración en la capital del Perú; la cual, a su
vez, alberga la mayor diversidad haplotípica.
Finalmente, este estudio sienta las bases para estudios posteriores de caracterización
nucleotídica de los haplotipos que incorporan mutaciones detectadas indirectamente, y la
evaluación respectiva de los efectos estructurales, funcionales y de crecimiento bacteriano
causadas en las cepas peruanas de Mycobacterium tuberculosis.
81
8 BIBLIOGRAFÍA
AGAPITO, J., NEYRA, V., CASTRO, J., ACCINELLI, R., RODRÍGUEZ, I. y ESPINOZA, J.R.,
2002. Caracterización de las mutaciones en el gen rpoβ asociadas a la rifampicina
en pacientes con tuberculosis pulmonar. Revista Peruana de Medicina Experimental
y Salud Publica, vol. 19, no. 3, pp. 117-123. ISSN 1726-4634.
ALARCÓN, V., ALARCÓN, E., FIGUEROA, C. y MENDOZA-TICONA, A., 2017.

Tuberculosis en el Perú: Situación epidemiológica, avances y desafíos para su
control. Revista Peruana de Medicina Experimental y Salud Pública, vol. 34, no. 2,
pp. 299-310. ISSN 1726-4642.
ALMEIDA DA SILVA, P.E.A. y PALOMINO, J.C., 2011. Molecular basis and mechanisms of
drug resistance in Mycobacterium tuberculosis: classical and new drugs. The Journal
of Antimicrobial Chemotherapy, vol. 66, no. 7, pp. 1417-1430. ISSN 1460-2091. DOI
10.1093/jac/dkr173.
AL-MUTAIRI, N.M., AHMAD, S., MOKADDAS, E., ELDEEN, H.S. y JOSEPH, S., 2019.
Occurrence of disputed rpoB mutations among Mycobacterium tuberculosis isolates
phenotypically susceptible to rifampicin in a country with a low incidence of
multidrug-resistant tuberculosis. BMC Infectious Diseases [en línea], vol. 19.
[Consulta: 31 julio 2019]. ISSN 1471-2334. DOI 10.1186/s12879-018-3638-z.
Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6318973/.
ANDO, H., KONDO, Y., SUETAKE, T., TOYOTA, E., KATO, S., MORI, T. y KIRIKAE, T., 2010.
Identification of katG Mutations Associated with High-Level Isoniazid Resistance in
Mycobacterium tuberculosis. Antimicrobial Agents and Chemotherapy, vol. 54, no.
5, pp. 1793-1799. ISSN 0066-4804, 1098-6596. DOI 10.1128/AAC.01691-09.
ARANDJELOVIĆ, I., MERKER, M., RICHTER, E., KOHL, T.A., SAVIĆ, B., SOLDATOVIĆ,
I., WIRTH, T., VUKOVIĆ, D. y NIEMANN, S., 2019. Longitudinal Outbreak of
Multidrug-Resistant Tuberculosis in a Hospital Setting, Serbia. Emerging Infectious
Diseases, vol. 25, no. 3, pp. 555-558. ISSN 1080-6040. DOI
10.3201/eid2503.181220.
ARGYROU, A., JIN, L., SICONILFI-BAEZ, L., ANGELETTI, R.H. y BLANCHARD, J.S., 2006.
Proteome-wide Profiling of Isoniazid Targets in Mycobacterium tuberculosis.
Biochemistry, vol. 45, no. 47, pp. 13947-13953. ISSN 0006-2960. DOI
10.1021/bi061874m.
ASENCIOS, L., GALARZA, M., QUISPE, N., VÁSQUEZ, L., LEO, E., VALENCIA, E.,
RAMÍREZ, J., ACURIO, M., SALAZAR, R., MENDOZA-TICONA, A. y CÁCERES, O.,
2012. Molecular test Genotype® MTBDRplus, an alternative to rapid detection of
multidrug resistance tuberculosis. Revista Peruana De Medicina Experimental Y
Salud Publica, vol. 29, no. 1, pp. 92-98. ISSN 1726-4642.
ASENCIOS, L., QUISPE, N., MENDOZA-TICONA, A., LEO, E., VÁSQUEZ, L., JAVE, O. y
BONILLA, C., 2009. Vigilancia nacional de la resistencia a medicamentos
82
antituberculosos, Perú 2005-2006. Revista Peruana de Medicina Experimental y
Salud Publica, vol. 26, no. 3, pp. 278-288. ISSN 1726-4634.
ASHOK, R., AWDHESH, kalia y NISHAT, A., 1998. Multidrug-Resistant Mycobacterium

tuberculosis: Molecular Perspectives - Volume 4, Number 2—June 1998 - Emerging
Infectious Disease journal - CDC. Emerging Infectious Diseases, vol. 4, no. 2, pp.
195-209. DOI 10.3201/eid0402.980207.
BÁEZ-SALDAÑA, R., DELGADO-SÁNCHEZ, G., GARCÍA-GARCÍA, L., CRUZ-HERVERT,

L.P., MONTESINOS-CASTILLO, M., FERREYRA-REYES, L., BOBADILLA-DEL-
VALLE, M., CANIZALES-QUINTERO, S., FERREIRA-GUERRERO, E., TÉLLEZ-
VÁZQUEZ, N., MONTERO-CAMPOS, R., YANES-LANE, M., MONGUA-
RODRIGUEZ, N., MARTÍNEZ-GAMBOA, R.A., SIFUENTES-OSORNIO, J. y
PONCE-DE-LEÓN, A., 2016. Isoniazid Mono-Resistant Tuberculosis: Impact on
Treatment Outcome and Survival of Pulmonary Tuberculosis Patients in Southern
Mexico 1995-2010. PLoS ONE [en línea], vol. 11, no. 12. [Consulta: 5 enero 2020].
ISSN 1932-6203. DOI 10.1371/journal.pone.0168955. Disponible en:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5193431/.
BAI, Y., WANG, Y., SHAO, C., HAO, Y. y JIN, Y., 2016. GenoType MTBDRplus Assay for
Rapid Detection of Multidrug Resistance in Mycobacterium tuberculosis: A Meta-
Analysis. PLOS ONE, vol. 11, no. 3, pp. e0150321. ISSN 1932-6203. DOI
10.1371/journal.pone.0150321.
BARRICK, J.E. y LENSKI, R.E., 2009. Genome-wide mutational diversity in an evolving

population of Escherichia coli. Cold Spring Harbor symposia on quantitative biology,
vol. 74, pp. 119-129. ISSN 0091-7451. DOI 10.1101/sqb.2009.74.018.
BÁRTFAI, Z., SOMOSKÖVI, A., KÖDMÖN, C., SZABÓ, N., PUSKÁS, E., KOSZTOLÁNYI,
L., FARAGÓ, E., MESTER, J., PARSONS, L.M. y SALFINGER, M., 2001. Molecular
characterization of rifampin-resistant isolates of Mycobacterium tuberculosis from
Hungary by DNA sequencing and the line probe assay. Journal of Clinical
Microbiology, vol. 39, no. 10, pp. 3736-3739. ISSN 0095-1137. DOI
10.1128/JCM.39.10.3736-3739.2001.
BASELGA, A., 2010. Partitioning the turnover and nestedness components of beta diversity.
Global Ecology and Biogeography, vol. 19, no. 1, pp. 134-143. ISSN 1466-8238. DOI
10.1111/j.1466-8238.2009.00490.x.
BASELGA, A., 2012. The relationship between species replacement, dissimilarity derived
from nestedness, and nestedness. Global Ecology and Biogeography, vol. 21, no.
12, pp. 1223-1232. ISSN 1466-8238. DOI 10.1111/j.1466-8238.2011.00756.x.
BASELGA, A. y ORME, C.D.L., 2012. betapart: an R package for the study of beta diversity.
Methods in Ecology and Evolution, vol. 3, no. 5, pp. 808-812. ISSN 2041-210X. DOI
10.1111/j.2041-210X.2012.00224.x.
BOMBA, L., WALTER, K. y SORANZO, N., 2017. The impact of rare and low-frequency
genetic variants in common disease. Genome Biology [en línea], vol. 18. [Consulta:
23 febrero 2020]. ISSN 1474-7596. DOI 10.1186/s13059-017-1212-4. Disponible en:
83
BROSSIER, F., VEZIRIS, N., TRUFFOT-PERNOT, C., JARLIER, V. y SOUGAKOFF, W.,
2006. Performance of the Genotype MTBDR Line Probe Assay for Detection of
Resistance to Rifampin and Isoniazid in Strains of Mycobacterium tuberculosis with
Low- and High-Level Resistance. Journal of Clinical Microbiology, vol. 44, no. 10,
pp. 3659-3664. ISSN 0095-1137. DOI 10.1128/JCM.01054-06.
BRUNTON, L., CHABNER, B. y KNOLLMAN, B., 2011. Goodman & Gilman’s The
Pharmacological Basis of Therapeutics. 12. S.l.: McGraw-Hill Education / Medica.
ISBN 978-0-07-176939-6.
CAWS, M., DUY, P.M., THO, D.Q., LAN, N.T.N., HOA, D.V. y FARRAR, J., 2006. Mutations
Prevalent among Rifampin- and Isoniazid-Resistant Mycobacterium tuberculosis
Isolates from a Hospital in Vietnam. Journal of Clinical Microbiology, vol. 44, no. 7,
pp. 2333-2337. ISSN 0095-1137. DOI 10.1128/JCM.00330-06.
CHEN, H. y BOUTROS, P.C., 2011. VennDiagram: a package for the generation of highly-
customizable Venn and Euler diagrams in R. BMC Bioinformatics, vol. 12, no. 1, pp.
35. ISSN 1471-2105. DOI 10.1186/1471-2105-12-35.
CHIANG, T.-Y., FAN, S.-Y. y JOU, R., 2018. Performance of an Xpert-based diagnostic
algorithm for the rapid detection of drug-resistant tuberculosis among high-risk
populations in a low-incidence setting. PloS One, vol. 13, no. 7, pp. e0200755. ISSN
1932-6203. DOI 10.1371/journal.pone.0200755.
CLIFF, J.M., KAUFMANN, S.H.E., MCSHANE, H., VAN HELDEN, P. y O’GARRA, A., 2015.
The human immune response to tuberculosis and its treatment: a view from the
blood. Immunological Reviews, vol. 264, no. 1, pp. 88-102. ISSN 1600-065X. DOI
10.1111/imr.12269.
COSCOLLA, M. y GAGNEUX, S., 2014. Consequences of genomic diversity in

Mycobacterium tuberculosis. Seminars in Immunology, vol. 26, no. 6, pp. 431-444.
ISSN 1096-3618. DOI 10.1016/j.smim.2014.09.012.
DANIEL, T.M., 2006. The history of tuberculosis. Respiratory Medicine, vol. 100, no. 11, pp.
1862-1870. ISSN 0954-6111. DOI 10.1016/j.rmed.2006.08.006.
DANIEL, T.M., 2011. Hermann Brehmer and the origins of tuberculosis sanatoria. The
International Journal of Tuberculosis and Lung Disease: The Official Journal of the
International Union Against Tuberculosis and Lung Disease, vol. 15, no. 2, pp. 161-
162, i. ISSN 1815-7920.
DANTAS, N.G.T., SUFFYS, P.N., CARVALHO, W. da S., GOMES, H.M., DE ALMEIDA, I.N.,
FIGUEIREDO, L.J. de A., GONÇALVES, A.D., GOMGNIMBOU, M.K., REFREGIER,
G., SOLA, C. y DE MIRANDA, S.S., 2017. Correlation between the BACTEC MGIT
960 culture system with Genotype MTBDRplus and TB-SPRINT in multidrug
resistant Mycobacterium tuberculosis clinical isolates from Brazil. Memórias do
Instituto Oswaldo Cruz, vol. 112, no. 11, pp. 769-774. ISSN 0074-0276. DOI
10.1590/0074-02760170062.
DEAN, A.S., ZIGNOL, M., CABIBBE, A.M., FALZON, D., GLAZIOU, P., CIRILLO, D.M.,
KÖSER, C.U., GONZALEZ-ANGULO, L.Y., TOSAS-AUGET, O., ISMAIL, N.,
84
TAHSEEN, S., AMA, M.C.G., SKRAHINA, A., ALIKHANOVA, N., KAMAL, S.M.M. y
FLOYD, K., 2020. Prevalence and genetic profiles of isoniazid resistance in
tuberculosis patients: A multicountry analysis of cross-sectional data. PLOS
Medicine, vol. 17, no. 1, pp. e1003008. ISSN 1549-1676. DOI
10.1371/journal.pmed.1003008.
DEVELOPMENT CORE TEAM, R., 2011. R: A Language and Environment for Statistical
Computing. R. Found. Stat. Comput., vol. 1.
DGE-MINSA, 2016. Análisis de la situación epidemiológica de la tuberculosis en el Perú,

2015 [en línea]. febrero 2016. S.l.: Direccion General de Epidemiologia. Disponible
en: http://bvs.minsa.gob.pe/local/MINSA/3446.pdf.
DGE-MINSA, 2019. Análisis de la situación epidemiológica de la tuberculosis en el Perú

2019. 2019. S.l.: s.n.
DOS VULTOS, T., MESTRE, O., RAUZIER, J., GOLEC, M., RASTOGI, N., RASOLOFO, V.,
TONJUM, T., SOLA, C., MATIC, I. y GICQUEL, B., 2008. Evolution and diversity of
clonal bacteria: the paradigm of Mycobacterium tuberculosis. PloS One, vol. 3, no.
2, pp. e1538. ISSN 1932-6203. DOI 10.1371/journal.pone.0001538.
EXCOFFIER, L. y LISCHER, H.E.L., 2010. Arlequin suite ver 3.5: a new series of programs
to perform population genetics analyses under Linux and Windows. Molecular
Ecology Resources, vol. 10, no. 3, pp. 564-567. ISSN 1755-0998. DOI
10.1111/j.1755-0998.2010.02847.x.
FORRELLAD, M.A., KLEPP, L.I., GIOFFRÉ, A., SABIO Y GARCÍA, J., MORBIDONI, H.R.,
DE LA PAZ SANTANGELO, M., CATALDI, A.A. y BIGI, F., 2013. Virulence factors of
the Mycobacterium tuberculosis complex. Virulence, vol. 4, no. 1, pp. 3-66. ISSN
2150-5608. DOI 10.4161/viru.22329.
GAO, B. y GUPTA, R.S., 2012. Phylogenetic Framework and Molecular Signatures for the
Main Clades of the Phylum Actinobacteria. Microbiology and Molecular Biology
Reviews, vol. 76, no. 1, pp. 66-112. ISSN 1092-2172, 1098-5557. DOI
10.1128/MMBR.05011-11.
GHASEMI, A. y ZAHEDIASL, S., 2012. Normality Tests for Statistical Analysis: A Guide for
Non-Statisticians. International Journal of Endocrinology and Metabolism, vol. 10,
no. 2, pp. 486-489. ISSN 1726-913X. DOI 10.5812/ijem.3505.
GÜNTHER, G., GOMEZ, G.B., LANGE, C., RUPERT, S., VAN LETH, F. y TBNET, 2015.
Availability, price and affordability of anti-tuberculosis drugs in Europe: a TBNET
survey. The European Respiratory Journal, vol. 45, no. 4, pp. 1081-1088. ISSN 1399-
3003. DOI 10.1183/09031936.00124614.
GÜNTHER, G., VAN LETH, F., ALEXANDRU, S., ALTET, N., AVSAR, K., BANG, D.,
BARBUTA, R., BOTHAMLEY, G., CIOBANU, A., CRUDU, V., DAVILOVITS, M.,
DEDICOAT, M., DUARTE, R., GUALANO, G., KUNST, H., DE LANGE, W.,
LEIMANE, V., MAGIS-ESCURRA, C., MCLAUGHLIN, A.-M., MUYLLE, I.,
POLCOVÁ, V., PONTALI, E., POPA, C., RUMETSHOFER, R., SKRAHINA, A.,
SOLODOVNIKOVA, V., SPINU, V., TIBERI, S., VIIKLEPP, P. y LANGE, C., 2015.
85
Multidrug-Resistant Tuberculosis in Europe, 2010–2011. Emerging Infectious
Diseases, vol. 21, no. 3, pp. 409-416. ISSN 1080-6040. DOI
10.3201/eid2103.141343.
HAIN LIFESCIENCE, 2012. GenoType MTBDRplus v2.0 - Manual. febrero 2012. S.l.: s.n.
HAMMER, Ø., HARPER, D.A.T. y RYAN, P.D., 2001. PAST: Paleontological Statistics
Software Package for Education and Data Analysis. , vol. 4, no. 1, pp. 9pp.
HUNTER, P.R. y GASTON, M.A., 1988. Numerical index of the discriminatory ability of typing
systems: an application of Simpson’s index of diversity. Journal of Clinical
Microbiology, vol. 26, no. 11, pp. 2465-2466. ISSN 0095-1137.
HUTCHESON, K., 1970. A test for comparing diversities based on the Shannon formula.
Journal of Theoretical Biology, vol. 29, no. 1, pp. 151-154. ISSN 0022-5193. DOI
10.1016/0022-5193(70)90124-4.
JAMIESON, F.B., GUTHRIE, J.L., NEEMUCHWALA, A., LASTOVETSKA, O., MELANO,

R.G. y MEHAFFY, C., 2014. Profiling of rpoB Mutations and MICs for Rifampin and
Rifabutin in Mycobacterium tuberculosis. Journal of Clinical Microbiology, vol. 52, no.
6, pp. 2157-2162. ISSN 0095-1137. DOI 10.1128/JCM.00691-14.
JAVED, H., BAKUŁA, Z., PLEŃ, M., HASHMI, H.J., TAHIR, Z., JAMIL, N. y JAGIELSKI, T.,
2018. Evaluation of Genotype MTBDRplus and MTBDRsl Assays for Rapid
Detection of Drug Resistance in Extensively Drug-Resistant Mycobacterium
tuberculosis Isolates in Pakistan. Frontiers in Microbiology [en línea], vol. 9.
[Consulta: 5 abril 2020]. ISSN 1664-302X. DOI 10.3389/fmicb.2018.02265.
JENKINS, H.E., ZIGNOL, M. y COHEN, T., 2011. Quantifying the Burden and Trends of
Isoniazid Resistant Tuberculosis, 1994–2009. PLoS ONE [en línea], vol. 6, no. 7.
[Consulta: 5 enero 2020]. ISSN 1932-6203. DOI 10.1371/journal.pone.0022927.
JOMBART, T., DEVILLARD, S. y BALLOUX, F., 2010. Discriminant analysis of principal

components: a new method for the analysis of genetically structured populations.
BMC Genetics, vol. 11, pp. 94. ISSN 1471-2156. DOI 10.1186/1471-2156-11-94.
KAMVAR, Z.N., TABIMA, J.F. y GRÜNWALD, N.J., 2014. Poppr: an R package for genetic
analysis of populations with clonal, partially clonal, and/or sexual reproduction.
PeerJ, vol. 2, pp. e281. ISSN 2167-8359. DOI 10.7717/peerj.281.
KAO, K.C. y SHERLOCK, G., 2008. Molecular Characterization of Clonal Interference during
Adaptive Evolution in Asexual Populations of Saccharomyces cerevisiae. Nature
genetics, vol. 40, no. 12, pp. 1499-1504. ISSN 1061-4036. DOI 10.1038/ng.280.
KELLEY, C.L., ROUSE, D.A. y MORRIS, S.L., 1997. Analysis of ahpC gene mutations in
isoniazid-resistant clinical isolates of Mycobacterium tuberculosis. Antimicrobial
Agents and Chemotherapy, vol. 41, no. 9, pp. 2057-2058. ISSN 0066-4804.
86
LANG, G.I., BOTSTEIN, D. y DESAI, M.M., 2011. Genetic Variation and the Fate of
Beneficial Mutations in Asexual Populations. Genetics, vol. 188, no. 3, pp. 647-661.
ISSN 0016-6731. DOI 10.1534/genetics.111.128942.
LANZAS, F., IOERGER, T.R., SHAH, H., ACOSTA, W. y KARAKOUSIS, P.C., 2016. First
Evaluation of GenoType MTBDRplus 2.0 Performed Directly on Respiratory
Specimens in Central America. Journal of Clinical Microbiology, vol. 54, no. 10, pp.
2498-2502. ISSN 0095-1137. DOI 10.1128/JCM.01196-16.
LEI, B., WEI, C.-J. y TU, S.-C., 2000. Action Mechanism of Antitubercular Isoniazid
ACTIVATION BY MYCOBACTERIUM TUBERCULOSIS KatG, ISOLATION, AND
CHARACTERIZATION OF InhA INHIBITOR. Journal of Biological Chemistry, vol.
275, no. 4, pp. 2520-2526. ISSN 0021-9258, 1083-351X. DOI
10.1074/jbc.275.4.2520.
LIU, N., ZHANG, K. y ZHAO, H., 2008. Haplotype‐Association Analysis. Advances in

Genetics [en línea]. S.l.: Academic Press, Genetic Dissection of Complex Traits, pp.
335-405. [Consulta: 5 abril 2020]. Disponible en:
http://www.sciencedirect.com/science/article/pii/S0065266007004142.
LIU, Q., LI, G.-L., CHEN, C., WANG, J.-M., MARTINEZ, L., LU, W. y ZHU, L.-M., 2017.
Diagnostic Performance of the GenoType MTBDRplus and MTBDRsl Assays to
Identify Tuberculosis Drug Resistance in Eastern China. Chinese Medical Journal,
vol. 130, no. 13, pp. 1521-1528. ISSN 0366-6999. DOI 10.4103/0366-6999.208248.
LUCA, S. y MIHAESCU, T., 2013. History of BCG Vaccine. Mædica, vol. 8, no. 1, pp. 53-58.
ISSN 1841-9038.
MANSON, A.L., COHEN, K.A., ABEEL, T., DESJARDINS, C.A., ARMSTRONG, D.T.,
BARRY, C.E., BRAND, J., CHAPMAN, S.B., CHO, S.-N., GABRIELIAN, A., GOMEZ,
J., JODALS, A.M., JOLOBA, M., JUREEN, P., LEE, J.S., MALINGA, L., MAIGA, M.,
NORDENBERG, D., NOROC, E., ROMANCENCO, E., SALAZAR, A.,
SSENGOOBA, W., VELAYATI, A.A., WINGLEE, K., ZALUTSKAYA, A., VIA, L.E.,
CASSELL, G.H., DORMAN, S.E., ELLNER, J., FARNIA, P., GALAGAN, J.E.,
ROSENTHAL, A., CRUDU, V., HOMORODEAN, D., HSUEH, P.-R., NARAYANAN,
S., PYM, A.S., SKRAHINA, A., SWAMINATHAN, S., VAN DER WALT, M., ALLAND,
D., BISHAI, W.R., COHEN, T., HOFFNER, S., BIRREN, B.W. y EARL, A.M., 2017.
Genomic analysis of globally diverse Mycobacterium tuberculosis strains provides
insights into emergence and spread of multidrug resistance. Nature genetics, vol.
49, no. 3, pp. 395-402. ISSN 1061-4036. DOI 10.1038/ng.3767.
MATTEELLI, A., ROGGI, A. y CARVALHO, A.C., 2014. Extensively drug-resistant

tuberculosis: epidemiology and management. Clinical Epidemiology, vol. 6, pp. 111-
118. ISSN 1179-1349. DOI 10.2147/CLEP.S35839.
MICHENER, C.D. y SOKAL, R.R., 1957. A Quantitative Approach to a Problem in

Classification. Evolution, vol. 11, no. 2, pp. 130-162. ISSN 0014-3820. DOI
10.2307/2406046.
MINISTERIO DE SALUD - MINSA, PERÚ, 2018. Impacto económico de la tuberculosis en

el Perú. [en línea], Disponible en: http://bvs.minsa.gob.pe/local/minsa/1820.pdf.
87
MIOTTO, P., CABIBBE, A.M., BORRONI, E., DEGANO, M. y CIRILLO, D.M., 2018. Role of
Disputed Mutations in the rpoB Gene in Interpretation of Automated Liquid MGIT
Culture Results for Rifampin Susceptibility Testing of Mycobacterium tuberculosis.
Journal of Clinical Microbiology [en línea], vol. 56, no. 5. [Consulta: 21 noviembre
2019]. ISSN 0095-1137. DOI 10.1128/JCM.01599-17. Disponible en:
MIOTTO, P., TESSEMA, B., TAGLIANI, E., CHINDELEVITCH, L., STARKS, A.M.,
EMERSON, C., HANNA, D., KIM, P.S., LIWSKI, R., ZIGNOL, M., GILPIN, C.,
NIEMANN, S., DENKINGER, C.M., FLEMING, J., WARREN, R.M., CROOK, D.,
POSEY, J., GAGNEUX, S., HOFFNER, S., RODRIGUES, C., COMAS, I.,
ENGELTHALER, D.M., MURRAY, M., ALLAND, D., RIGOUTS, L., LANGE, C.,
DHEDA, K., HASAN, R., RANGANATHAN, U.D.K., MCNERNEY, R., EZEWUDO,
M., CIRILLO, D.M., SCHITO, M., KÖSER, C.U. y RODWELL, T.C., 2017. A
standardised method for interpreting the association between mutations and
phenotypic drug resistance in Mycobacterium tuberculosis. The European
Respiratory Journal [en línea], vol. 50, no. 6. [Consulta: 31 julio 2019]. ISSN 0903-
1936. DOI 10.1183/13993003.01354-2017. Disponible en:
MOKROUSOV, I., 2017. Revisiting the Hunter Gaston discriminatory index: Note of caution
and courses of change. Tuberculosis (Edinburgh, Scotland), vol. 104, pp. 20-23.
ISSN 1873-281X. DOI 10.1016/j.tube.2017.02.002.
MOKROUSOV, I., NARVSKAYA, O., OTTEN, T., LIMESCHENKO, E., STEKLOVA, L. y

VYSHNEVSKIY, B., 2002. High prevalence of KatG Ser315Thr substitution among
isoniazid-resistant Mycobacterium tuberculosis clinical isolates from northwestern
Russia, 1996 to 2001. Antimicrobial Agents and Chemotherapy, vol. 46, no. 5, pp.
1417-1424. ISSN 0066-4804.
MORRIS, R.W. y KAPLAN, N.L., 2002. On the advantage of haplotype analysis in the
presence of multiple disease susceptibility alleles. Genetic Epidemiology, vol. 23, no.
3, pp. 221-233. ISSN 0741-0395. DOI 10.1002/gepi.10200.
MUNIR, A., KUMAR, N., RAMALINGAM, S.B., TAMILZHALAGAN, S., SHANMUGAM, S.K.,
PALANIAPPAN, A.N., NAIR, D., PRIYADARSHINI, P., NATARAJAN, M., TRIPATHY,
S., RANGANATHAN, U.D., PEACOCK, S.J., PARKHILL, J., BLUNDELL, T.L. y
MALHOTRA, S., 2019. Identification and Characterization of Genetic Determinants
of Isoniazid and Rifampicin Resistance in Mycobacterium tuberculosis in Southern
India. Scientific Reports, vol. 9, no. 1, pp. 1-13. ISSN 2045-2322. DOI
10.1038/s41598-019-46756-x.
MURRAY, J.F., RIEDER, H.L. y FINLEY-CROSWHITE, A., 2016. The King’s Evil and the
Royal Touch: the medical history of scrofula. The International Journal of
Tuberculosis and Lung Disease: The Official Journal of the International Union
Against Tuberculosis and Lung Disease, vol. 20, no. 6, pp. 713-716. ISSN 1815-
7920. DOI 10.5588/ijtld.16.0229.
MUSSER, J.M., KAPUR, V., WILLIAMS, D.L., KREISWIRTH, B.N., VAN SOOLINGEN, D. y
VAN EMBDEN, J.D., 1996. Characterization of the catalase-peroxidase gene (katG)
and inhA locus in isoniazid-resistant and -susceptible strains of Mycobacterium
88
tuberculosis by automated DNA sequencing: restricted array of mutations associated
with drug resistance. The Journal of Infectious Diseases, vol. 173, no. 1, pp. 196-
202. ISSN 0022-1899.
MVELASE, N.R., BALAKRISHNA, Y., LUTCHMINARAIN, K. y MLISANA, K., 2019. Evolving

rifampicin and isoniazid mono-resistance in a high multidrug-resistant and
extensively drug-resistant tuberculosis region: a retrospective data analysis. BMJ
Open, vol. 9, no. 11, pp. e031663. ISSN 2044-6055, 2044-6055. DOI
10.1136/bmjopen-2019-031663.
NIEHAUS, A.J., MLISANA, K., GANDHI, N.R., MATHEMA, B. y BRUST, J.C.M., 2015. High
Prevalence of inhA Promoter Mutations among Patients with Drug-Resistant
Tuberculosis in KwaZulu-Natal, South Africa. PLOS ONE, vol. 10, no. 9, pp.
e0135003. ISSN 1932-6203. DOI 10.1371/journal.pone.0135003.
NIKOLAYEVSKYY, V., BALABANOVA, Y., SIMAK, T., MALOMANOVA, N., FEDORIN, I. y

DROBNIEWSKI, F., 2009. Performance of the Genotype® MTBDRPlus assay in the
diagnosis of tuberculosis and drug resistance in Samara, Russian Federation. BMC
Clinical Pathology, vol. 9, pp. 2. ISSN 1472-6890. DOI 10.1186/1472-6890-9-2.
OBREGÓN, G., ZEVALLOS, K., ALARCÓN, V., PUYÉN, Z.M., CHÁVEZ INAGAKI, O.,
MENDOZA-TICONA, A., ALARCÓN-ARRASCUE, E., HELDAL, E. y MOORE, D. a.
J., 2018. Rapid drug susceptibility testing and treatment outcomes for multidrug-
resistant tuberculosis in Peru. The International Journal of Tuberculosis and Lung
Disease: The Official Journal of the International Union Against Tuberculosis and
Lung Disease, vol. 22, no. 11, pp. 1350-1357. ISSN 1815-7920. DOI
10.5588/ijtld.17.0894.
PEAKALL, R. y SMOUSE, P.E., 2006. genalex 6: genetic analysis in Excel. Population

genetic software for teaching and research. Molecular Ecology Notes, vol. 6, no. 1,
pp. 288-295. ISSN 1471-8286. DOI 10.1111/j.1471-8286.2005.01155.x.
PEAKALL, R. y SMOUSE, P.E., 2012. GenAlEx 6.5: genetic analysis in Excel. Population
genetic software for teaching and research—an update. Bioinformatics, vol. 28, no.
19, pp. 2537-2539. ISSN 1367-4803. DOI 10.1093/bioinformatics/bts460.
PECHO-SILVA, S., NAVARRO-SOLSOL, A.C. y CHIAPPE-GONZALEZ, A., 2019.

Resistencia a isoniacida, un problema de salud pública: historia y tratamiento.
Revista Peruana de Investigación en Salud, vol. 3, no. 2, pp. 81-88. ISSN 2616-
6097. DOI 10.35839/repis.3.2.264.
PÉREZ-LAGO, L., HERRANZ, M., NAVARRO, Y., RUIZ SERRANO, M.J., MIRALLES, P.,
BOUZA, E. y GARCÍA-DE-VIEDMA, D., 2017. Clonal Complexity in Mycobacterium
tuberculosis Can Hamper Diagnostic Procedures. Journal of Clinical Microbiology,
vol. 55, no. 5, pp. 1388-1395. ISSN 0095-1137. DOI 10.1128/JCM.00149-17.
PFENNIG, D.W., WUND, M.A., SNELL-ROOD, E.C., CRUICKSHANK, T., SCHLICHTING,

C.D. y MOCZEK, A.P., 2010. Phenotypic plasticity’s impacts on diversification and
speciation. Trends in Ecology & Evolution, vol. 25, no. 8, pp. 459-467. ISSN 0169-
5347. DOI 10.1016/j.tree.2010.05.006.
89
PIATEK, A.S., TELENTI, A., MURRAY, M.R., EL-HAJJ, H., JACOBS, W.R., KRAMER, F.R.
y ALLAND, D., 2000. Genotypic analysis of Mycobacterium tuberculosis in two
distinct populations using molecular beacons: implications for rapid susceptibility
testing. Antimicrobial Agents and Chemotherapy, vol. 44, no. 1, pp. 103-110. ISSN
0066-4804.
PULIDO-TAMAYO, S., SÁNCHEZ-RODRÍGUEZ, A., SWINGS, T., VAN DEN BERGH, B.,
DUBEY, A., STEENACKERS, H., MICHIELS, J., FOSTIER, J. y MARCHAL, K.,
2015. Frequency-based haplotype reconstruction from deep sequencing data of
bacterial populations. Nucleic Acids Research, vol. 43, no. 16, pp. e105. ISSN 1362-
4962. DOI 10.1093/nar/gkv478.
PUYÉN, Z.M., ACOSTA, J., OBREGON, G., PACHECO, E., RAMIREZ, H., MENDOZA, A.,
MARÍN, D. y HARRIES, A.D., 2016. Use and evaluation of a line probe assay in
patients with tuberculosis in Peru: 2011–2013. Revista Panamericana de Salud
Pública, vol. 39, pp. 19-25. ISSN 1020-4989, 1020-4989, 1680-5348.
PYM, A.S., SAINT-JOANIS, B. y COLE, S.T., 2002. Effect of katG Mutations on the Virulence
of Mycobacterium tuberculosis and the Implication for Transmission in Humans.
Infection and Immunity, vol. 70, no. 9, pp. 4955-4960. ISSN 0019-9567, 1098-5522.
DOI 10.1128/IAI.70.9.4955-4960.2002.
RIGOUTS, L., GUMUSBOGA, M., DE RIJK, W.B., NDUWAMAHORO, E., UWIZEYE, C., DE
JONG, B. y VAN DEUN, A., 2013. Rifampin Resistance Missed in Automated Liquid
Culture System for Mycobacterium tuberculosis Isolates with Specific rpoB
Mutations. Journal of Clinical Microbiology, vol. 51, no. 8, pp. 2641-2645. ISSN 0095-
1137. DOI 10.1128/JCM.02741-12.
SAN, L.L., AYE, K.S., OO, N.A.T., SHWE, M.M., FUKUSHIMA, Y., GORDON, S.V., SUZUKI,
Y. y NAKAJIMA, C., 2018. Insight into multidrug-resistant Beijing genotype
Mycobacterium tuberculosis isolates in Myanmar. International Journal of Infectious
Diseases, vol. 76, pp. 109-119. ISSN 1201-9712. DOI 10.1016/j.ijid.2018.06.009.
SIMPSON, E.H., 1949. Measurement of Diversity. Nature, vol. 163, no. 4148, pp. 688-688.
ISSN 1476-4687. DOI 10.1038/163688a0.
SINHA, P., GUPTA, A., PRAKASH, P., ANUPURBA, S., TRIPATHI, R. y SRIVASTAVA, G.N.,
2016. Differentiation of Mycobacterium tuberculosis complex from non-tubercular
mycobacteria by nested multiplex PCR targeting IS6110, MTP40 and 32kD alpha
antigen encoding gene fragments. BMC Infectious Diseases [en línea], vol. 16. ISSN
1471-2334. DOI 10.1186/s12879-016-1450-1. Disponible en:
SLAYDEN, R.A. y BARRY, C.E., 2000. The genetics and biochemistry of isoniazid resistance
in mycobacterium tuberculosis. Microbes and Infection, vol. 2, no. 6, pp. 659-669.
ISSN 1286-4579.
SOLA, C., FILLIOL, I., LEGRAND, E., LESJEAN, S., LOCHT, C., SUPPLY, P. y RASTOGI,
N., 2003. Genotyping of the Mycobacterium tuberculosis complex using MIRUs:
association with VNTR and spoligotyping for molecular epidemiology and
evolutionary genetics. Infection, Genetics and Evolution: Journal of Molecular
90
Epidemiology and Evolutionary Genetics in Infectious Diseases, vol. 3, no. 2, pp.
125-133. ISSN 1567-1348. DOI 10.1016/s1567-1348(03)00011-x.
SOMASUNDARAM, S., RAM, A. y SANKARANARAYANAN, L., 2014. Isoniazid and

Rifampicin as Therapeutic Regimen in the Current Era: A Review. Journal of
Tuberculosis Research [en línea], vol. 2014. [Consulta: 2 marzo 2018]. ISSN 2329-
8448. DOI 10.4236/jtr.2014.21005. Disponible en:
http://www.scirp.org/journal/PaperInformation.aspx?PaperID=44054.
SONG, K.-S., NIMSE, S.B., KIM, H.J., YANG, J. y KIM, T., 2016. Accurate Detection of
Rifampicin-Resistant Mycobacterium Tuberculosis Strains. Sensors (Basel,
Switzerland) [en línea], vol. 16, no. 3. ISSN 1424-8220. DOI 10.3390/s16030376.
SPIES, F.S., VON GROLL, A., RIBEIRO, A.W., RAMOS, D.F., RIBEIRO, M.O., DALLA
COSTA, E.R., MARTIN, A., PALOMINO, J.C., ROSSETTI, M.L., ZAHA, A. y DA
SILVA, P.E.A., 2013. Biological cost in Mycobacterium tuberculosis with mutations in
the rpsL, rrs, rpoB, and katG genes. Tuberculosis (Edinburgh, Scotland), vol. 93, no.
2, pp. 150-154. ISSN 1873-281X. DOI 10.1016/j.tube.2012.11.004.
SREEVATSAN, S., PAN, X., STOCKBAUER, K.E., CONNELL, N.D., KREISWIRTH, B.N.,
WHITTAM, T.S. y MUSSER, J.M., 1997. Restricted structural gene polymorphism in
the Mycobacterium tuberculosis complex indicates evolutionarily recent global
dissemination. Proceedings of the National Academy of Sciences of the United
States of America, vol. 94, no. 18, pp. 9869-9874. ISSN 0027-8424.
SREEVATSAN, S., PAN, X., ZHANG, Y., DERETIC, V. y MUSSER, J.M., 1997. Analysis of
the oxyR-ahpC region in isoniazid-resistant and -susceptible Mycobacterium
tuberculosis complex organisms recovered from diseased humans and animals in
diverse localities. Antimicrobial Agents and Chemotherapy, vol. 41, no. 3, pp. 600-
606. ISSN 0066-4804.
STAGG, H.R., LIPMAN, M.C., MCHUGH, T.D. y JENKINS, H.E., 2017. Isoniazid-resistant
tuberculosis: a cause for concern? The International Journal of Tuberculosis and
Lung Disease: The Official Journal of the International Union Against Tuberculosis
and Lung Disease, vol. 21, no. 2, pp. 129-139. ISSN 1815-7920. DOI
10.5588/ijtld.16.0716.
SYKES, J., CHENG, L., XU, W., TSAO, M.-S., LIU, G. y PINTILIE, M., 2011. Addition of
multiple rare SNPs to known common variants improves the association between
disease and gene in the Genetic Analysis Workshop 17 data. BMC Proceedings, vol.
5, no. Suppl 9, pp. S97. ISSN 1753-6561. DOI 10.1186/1753-6561-5-S9-S97.
TELENTI, A., HONORÉ, N., BERNASCONI, C., MARCH, J., ORTEGA, A., HEYM, B.,
TAKIFF, H.E. y COLE, S.T., 1997. Genotypic assessment of isoniazid and rifampin
resistance in Mycobacterium tuberculosis: a blind study at reference laboratory level.
Journal of Clinical Microbiology, vol. 35, no. 3, pp. 719-723. ISSN 0095-1137.
TELENTI, A., IMBODEN, P., MARCHESI, F., LOWRIE, D., COLE, S., COLSTON, M.J.,
MATTER, L., SCHOPFER, K. y BODMER, T., 1993. Detection of rifampicin-
91
resistance mutations in Mycobacterium tuberculosis. Lancet (London, England), vol.
341, no. 8846, pp. 647-650. ISSN 0140-6736.
TORREA, G., NG, K.C.S., VAN DEUN, A., ANDRÉ, E., KAISERGRUBER, J.,
SSENGOOBA, W., DESMARETZ, C., GABRIELS, S., DRIESEN, M., DIELS, M.,
ASNONG, S., FISSETTE, K., GUMUSBOGA, M., RIGOUTS, L., AFFOLABI, D.,
JOLOBA, M. y DE JONG, B.C., 2019. Variable ability of rapid tests to detect
Mycobacterium tuberculosis rpoB mutations conferring phenotypically occult
rifampicin resistance. Scientific Reports, vol. 9, no. 1, pp. 1-9. ISSN 2045-2322. DOI
10.1038/s41598-019-48401-z.
UNISSA, A.N., DOSS C, G.P., KUMAR, T., SWATHI, S., LAKSHMI, A.R. y HANNA, L.E.,
2017. Analysis of interactions of clinical mutants of catalase-peroxidase (KatG)
responsible for isoniazid resistance in Mycobacterium tuberculosis with derivatives
of isoniazid. Journal of Global Antimicrobial Resistance, vol. 11, pp. 57-67. ISSN
2213-7173. DOI 10.1016/j.jgar.2017.06.014.
VAN DEUN, A., AUNG, K.J.M., BOLA, V., LEBEKE, R., HOSSAIN, M.A., DE RIJK, W.B.,
RIGOUTS, L., GUMUSBOGA, A., TORREA, G. y DE JONG, B.C., 2013. Rifampin
Drug Resistance Tests for Tuberculosis: Challenging the Gold Standard. Journal of
Clinical Microbiology, vol. 51, no. 8, pp. 2633-2640. ISSN 0095-1137. DOI
10.1128/JCM.00553-13.
VÁSQUEZ C, L., ASENCIOS S, L., QUISPE T, N., DÍAZ V, S., CARRILLO P., C.,
PORTOCARRERO C, J., SUÁREZ A, P., CANALES, R., ALARCÓN, E., YI CHU, A.,
AGAPITO P, J., SABOGAL T, I. y TORRES T, A., 1997. Vigilancia de la resistencia a
los medicamentos antituberculosos en el Perú, 1995-96. Revista Peruana de
Medicina Experimental y Salud Publica, vol. 14, no. 1, pp. 5-14. ISSN 1726-4634.
VIGO, A., SOLARI, L., SANTOS, D. y PUYÉN, Z.M., 2019. Mutaciones que confieren
resistencia a fármacos antituberculosis de primera línea en Perú: una revisión
sistemática de la literatura. Revista Peruana de Medicina Experimental y Salud
Pública, vol. 36, no. 4, pp. 636-45. ISSN 1726-4642. DOI
10.17843/rpmesp.2019.364.4722.
VILLEMIN, J.-A., 1865. Cause et nature de la tuberculose. 1865. S.l.: l’Académie de

Médecine.
WALKER, T.M., KOHL, T.A., OMAR, S.V., HEDGE, J., DEL OJO ELIAS, C., BRADLEY, P.,
IQBAL, Z., FEUERRIEGEL, S., NIEHAUS, K.E., WILSON, D.J., CLIFTON, D.A.,
KAPATAI, G., IP, C.L.C., BOWDEN, R., DROBNIEWSKI, F.A., ALLIX-BÉGUEC, C.,
GAUDIN, C., PARKHILL, J., DIEL, R., SUPPLY, P., CROOK, D.W., SMITH, E.G.,
WALKER, A.S., ISMAIL, N., NIEMANN, S., PETO, T.E.A. y MODERNIZING
MEDICAL MICROBIOLOGY (MMM) INFORMATICS GROUP, 2015. Whole-genome
sequencing for prediction of Mycobacterium tuberculosis drug susceptibility and
resistance: a retrospective cohort study. The Lancet. Infectious Diseases, vol. 15,
no. 10, pp. 1193-1202. ISSN 1474-4457. DOI 10.1016/S1473-3099(15)00062-6.
WENGENACK, N.L., UHL, J.R., ST AMAND, A.L., TOMLINSON, A.J., BENSON, L.M.,
NAYLOR, S., KLINE, B.C., COCKERILL, F.R. y RUSNAK, F., 1997. Recombinant
Mycobacterium tuberculosis KatG(S315T) is a competent catalase-peroxidase with
92
reduced activity toward isoniazid. The Journal of Infectious Diseases, vol. 176, no.
3, pp. 722-727. ISSN 0022-1899.
WHO, 2005. Addressing poverty in TB control - Options for National TB programmes. 2005.
S.l.: WHO/HTM/TB/2005.352.
WHO, 2013. Automated Real-Time Nucleic Acid Amplification Technology for Rapid and
Simultaneous Detection of Tuberculosis and Rifampicin Resistance: Xpert MTB/RIF
Assay for the Diagnosis of Pulmonary and Extrapulmonary TB in Adults and
Children: Policy Update [en línea]. Geneva: World Health Organization. [Consulta: 4
abril 2020]. WHO Guidelines Approved by the Guidelines Review Committee. ISBN
978-92-4-150633-5. Disponible en: http://www.ncbi.nlm.nih.gov/books/NBK258608/.
NBK258608
WHO, 2018. Technical report on critical concentrations for TB drug susceptibility testing of
medicines used in the treatment of drug-resistant TB [en línea]. 2018. S.l.: s.n.
[Consulta: 28 mayo 2019]. Disponible en:
https://www.who.int/tb/publications/2018/WHO_technical_report_concentrations_T
B_drug_susceptibility/en/.
WORLD HEALTH ORGANIZATION, 2008. Global Tuberculosis Control 2008: surveillance,

planning, financing [en línea]. 2008. S.l.: Geneva: World Health Organization.
Disponible en:
http://apps.who.int/iris/bitstream/10665/43831/1/9789241563543_eng.pdf?ua=1&u
a=1.
WORLD HEALTH ORGANIZATION, 2017. Global tuberculosis report 2017. 2017. S.l.:
Geneva: World Health Organization.
WORLD HEALTH ORGANIZATION, 2018. Global Tuberculosis Report 2018. 2018. S.l.:
WORLD HEALTH ORGANIZATION, 2019. Global Tuberculosis Report 2019. 2019. S.l.:
93
9 ANEXOS
9.1 Anexo 1: distribución de casos por departamentos, periodo 2011-2015.

Distribución de las frecuencias absolutas de todos los casos estudiados en función al
lugar de procedencia de la muestra, para cada uno de los años analizados.
800
700
600
500
400
300
200
100
2011 2012 2013 2014 2015
94
9.2 Anexo 2: prevalencias de mutaciones de detección directa.
Distribución de porcentajes de todas las mutaciones detectadas mediante bandas
MUT en los tres genes analizados, a través de los 5 años de estudio. A) porcentajes
de las mutaciones del gen rpoB: D516V (MUT1), H526Y (MUT2A), H526D (MUT2B)
y S350L (MUT3). B) porcentajes de las mutaciones del gen katG: S315T1 (MUT1) y
S315T2 (MUT2). C) porcentajes de las mutaciones en la región promotora del gen
inhA: c-15t (MUT1), a-16g (MUT2), t-8c (MUT3A) y t-8a (MUT3B).
A 60.0%
FREC. ANUAL
50.0%
40.0%
30.0%
20.0%
10.0%
0.0%
2011 2012 2013 2014 2015
D516V 15.4% 12.9% 17.7% 19.1% 21.8%
H526Y 2.9% 2.9% 1.3% 2.0% 1.5%
H526D 2.2% 3.3% 1.6% 1.3% 1.9%
S531L 55% 60% 55% 56% 53%
B
100.0%
80.0%
FREC. ANUAL
60.0%
40.0%
20.0%
0.0%
2011 2012 2013 2014 2015
S315T1 98.4% 99.6% 98.6% 98.5% 98.2%
S315T2 1.6% 0.2% 0.3% 0.6% 0.5%
C 80.0%
70.0%
FREC. ANUAL
60.0%
50.0%
40.0%
30.0%
20.0%
10.0%
0.0%
2011 2012 2013 2014 2015
C-15T 74.3% 78.6% 75.3% 73.1% 76.0%
A-16G 0.0% 0.3% 0.0% 0.0% 0.0%
T-8C 2.9% 2.9% 1.4% 1.1% 1.2%
T-8A 0.0% 0.0% 0.0% 0.5% 0.0%
95
9.3 Anexo 3: diversidad alélica de los 21 marcadores genéticos.
Evaluación de la diversidad alélica en cada uno de los loci analizados para las
poblaciones ‘sin corrección clonal’ (izquierda) y ‘con corrección clonal’ (derecha). 1-
D: índice de Simpson, Hexp: Heterocigosidad esperada (diversidad genética de Nei),
E.5: equitatividad alélica (evenness).
POBLACIÓN SIN CORRECCIÓN CLONAL POBLACIÓN CON CORRECCIÓN CLONAL

locus alelos 1-D Hexp E.5 locus alelos 1-D Hexp E.5
rpoB WT1 2 0.0024 0.0024 0.2584 rpoB WT1 2 0.0270 0.0270 0.3699
rpoB WT2 2 0.0491 0.0491 0.4139 rpoB WT2 2 0.1704 0.1706 0.5613
rpoB WT3 2 0.2915 0.2915 0.6912 rpoB WT3 2 0.3659 0.3665 0.7827
rpoB WT4 2 0.2513 0.2513 0.6466 rpoB WT4 2 0.2834 0.2839 0.6821
rpoB WT5 2 0.0033 0.0033 0.2693 rpoB WT5 2 0.0369 0.0370 0.3916
rpoB WT6 2 0.0045 0.0045 0.2807 rpoB WT6 2 0.0500 0.0501 0.4153
rpoB WT7 2 0.1079 0.1079 0.4933 rpoB WT7 2 0.3321 0.3327 0.7394
rpoB WT8 2 0.4863 0.4864 0.9733 rpoB WT8 2 0.4337 0.4345 0.8815
rpoB MUT1 2 0.2170 0.2170 0.6101 rpoB MUT1 2 0.1592 0.1594 0.5496
rpoB MUT2A 2 0.0240 0.0240 0.3624 rpoB MUT2A 2 0.0911 0.0913 0.4733
rpoB MUT2B 2 0.0258 0.0258 0.3669 rpoB MUT2B 2 0.0849 0.0851 0.4655
rpoB MUT3 2 0.4657 0.4657 0.9353 rpoB MUT3 2 0.3011 0.3016 0.7023
inhA WT1 2 0.4544 0.4544 0.9157 inhA WT1 2 0.4532 0.4540 0.9137
inhA WT2 2 0.0290 0.0290 0.3747 inhA WT2 2 0.1648 0.1651 0.5555
inhA MUT1 2 0.3960 0.3961 0.8243 inhA MUT1 2 0.3780 0.3786 0.7990
inhA MUT2 2 0.0003 0.0003 0.2041 inhA MUT2 2 0.0034 0.0034 0.2701
inhA MTU3A 2 0.0106 0.0106 0.3172 inhA MTU3A 2 0.0564 0.0565 0.4257
inhA MUT3B 2 0.0009 0.0009 0.2297 inhA MUT3B 2 0.0102 0.0102 0.3155
katG WT 2 0.4853 0.4853 0.9713 katG WT 2 0.4998 0.5006 0.9995
katG MUT1 2 0.4880 0.4880 0.9764 katG MUT1 2 0.4899 0.4908 0.9802
katG MUT2 2 0.0055 0.0055 0.2879 katG MUT2 2 0.0402 0.0403 0.3980
mean 2 0.1809 0.1809 0.5430 mean 2 0.2110 0.2114 0.6034
96
9.4 Anexo 4: valores de índice de Asociación pareado para los 21 marcadores.
Ia rbarD Ia rbarD Ia rbarD

rpoB WT1:rpoB WT2 0.1100 0.1500 rpoB WT3:rpoB WT5 -0.0330 -0.0490 rpoB WT5:rpoB MUT3 -0.0340 -0.0480
rpoB WT1:rpoB WT3 0.0008 0.0014 rpoB WT3:rpoB WT6 -0.0076 -0.0100 rpoB WT5:inhA WT1 -0.0260 -0.0390
rpoB WT1:rpoB WT4 -0.0260 -0.0410 rpoB WT3:rpoB WT7 -0.0810 -0.0810 rpoB WT5:inhA WT2 -0.0310 -0.0380
rpoB WT1:rpoB WT5 0.0880 0.0890 rpoB WT3:rpoB WT8 -0.0370 -0.0370 rpoB WT5:inhA MUT1 -0.0330 -0.0490
rpoB WT1:rpoB WT6 0.2400 0.2500 rpoB WT3:rpoB MUT1 0.3900 0.4100 rpoB WT5:inhA MUT2 -0.0032 -0.0056
rpoB WT1:rpoB WT7 -0.0110 -0.0170 rpoB WT3:rpoB MUT2A -0.0660 -0.0750 rpoB WT5:inhA MTU3A -0.0220 -0.0230
rpoB WT1:rpoB WT8 0.0039 0.0067 rpoB WT3:rpoB MUT2B -0.0430 -0.0500 rpoB WT5:inhA MUT3B -0.0081 -0.0097
rpoB WT1:rpoB MUT1 -0.0240 -0.0320 rpoB WT3:rpoB MUT3 -0.0940 -0.0940 rpoB WT5:katG WT -0.0004 -0.0006
rpoB WT1:rpoB MUT2A -0.0210 -0.0250 rpoB WT3:inhA WT1 -0.0270 -0.0270 rpoB WT5:katG MUT1 0.0007 0.0011
rpoB WT1:rpoB MUT2B -0.0210 -0.0240 rpoB WT3:inhA WT2 -0.0440 -0.0450 rpoB WT5:katG MUT2 -0.0190 -0.0190
rpoB WT1:rpoB MUT3 -0.0086 -0.0140 rpoB WT3:inhA MUT1 -0.0450 -0.0450 rpoB WT6:rpoB WT7 0.0400 0.0530
rpoB WT1:inhA WT1 0.0015 0.0026 rpoB WT3:inhA MUT2 -0.0036 -0.0150 rpoB WT6:rpoB WT8 0.0350 0.0480
rpoB WT1:inhA WT2 -0.0240 -0.0330 rpoB WT3:inhA MTU3A -0.0014 -0.0018 rpoB WT6:rpoB MUT1 -0.0092 -0.0100
rpoB WT1:inhA MUT1 0.0120 0.0200 rpoB WT3:inhA MUT3B -0.0100 -0.0260 rpoB WT6:rpoB MUT2A -0.0320 -0.0340
rpoB WT1:inhA MUT2 -0.0031 -0.0048 rpoB WT3:katG WT 0.0180 0.0180 rpoB WT6:rpoB MUT2B -0.0320 -0.0320
rpoB WT1:inhA MTU3A -0.0180 -0.0200 rpoB WT3:katG MUT1 0.0470 0.0470 rpoB WT6:rpoB MUT3 -0.0280 -0.0360
rpoB WT1:inhA MUT3B -0.0075 -0.0083 rpoB WT3:katG MUT2 -0.0360 -0.0510 rpoB WT6:inhA WT1 -0.0270 -0.0370
rpoB WT1:katG WT -0.0010 -0.0016 rpoB WT4:rpoB WT5 0.0390 0.0540 rpoB WT6:inhA WT2 -0.0390 -0.0450
rpoB WT1:katG MUT1 -0.0110 -0.0190 rpoB WT4:rpoB WT6 -0.0098 -0.0120 rpoB WT6:inhA MUT1 -0.0420 -0.0560
rpoB WT1:katG MUT2 -0.0160 -0.0160 rpoB WT4:rpoB WT7 -0.0940 -0.0940 rpoB WT6:inhA MUT2 -0.0033 -0.0065
rpoB WT2:rpoB WT3 0.0990 0.1000 rpoB WT4:rpoB WT8 -0.0530 -0.0530 rpoB WT6:inhA MTU3A -0.0260 -0.0270
rpoB WT2:rpoB WT4 -0.0260 -0.0260 rpoB WT4:rpoB MUT1 0.5600 0.5700 rpoB WT6:inhA MUT3B -0.0086 -0.0110
rpoB WT2:rpoB WT5 -0.0310 -0.0390 rpoB WT4:rpoB MUT2A -0.0670 -0.0730 rpoB WT6:katG WT -0.0010 -0.0014
rpoB WT2:rpoB WT6 0.0160 0.0190 rpoB WT4:rpoB MUT2B -0.0640 -0.0710 rpoB WT6:katG MUT1 -0.0046 -0.0062
rpoB WT2:rpoB WT7 -0.0560 -0.0570 rpoB WT4:rpoB MUT3 -0.0880 -0.0880 rpoB WT6:katG MUT2 -0.0220 -0.0220
rpoB WT2:rpoB WT8 -0.0600 -0.0620 rpoB WT4:inhA WT1 -0.0380 -0.0380 rpoB WT7:rpoB WT8 -0.0490 -0.0490
rpoB WT2:rpoB MUT1 -0.0780 -0.0780 rpoB WT4:inhA WT2 -0.0220 -0.0230 rpoB WT7:rpoB MUT1 -0.0920 -0.0950
rpoB WT2:rpoB MUT2A -0.0580 -0.0610 rpoB WT4:inhA MUT1 -0.0390 -0.0390 rpoB WT7:rpoB MUT2A 0.3000 0.3300
rpoB WT2:rpoB MUT2B -0.0560 -0.0590 rpoB WT4:inhA MUT2 -0.0037 -0.0150 rpoB WT7:rpoB MUT2B 0.2800 0.3200
rpoB WT2:rpoB MUT3 -0.0950 -0.0970 rpoB WT4:inhA MTU3A 0.0013 0.0017 rpoB WT7:rpoB MUT3 -0.0940 -0.0940
rpoB WT2:inhA WT1 -0.0210 -0.0220 rpoB WT4:inhA MUT3B -0.0110 -0.0250 rpoB WT7:inhA WT1 -0.0200 -0.0200
rpoB WT2:inhA WT2 -0.0480 -0.0480 rpoB WT4:katG WT 0.0270 0.0270 rpoB WT7:inhA WT2 -0.0540 -0.0550
rpoB WT2:inhA MUT1 0.0000 0.0000 rpoB WT4:katG MUT1 0.0670 0.0670 rpoB WT7:inhA MUT1 -0.0098 -0.0098
rpoB WT2:inhA MUT2 -0.0036 -0.0120 rpoB WT4:katG MUT2 -0.0360 -0.0500 rpoB WT7:inhA MUT2 -0.0037 -0.0150
rpoB WT2:inhA MTU3A -0.0160 -0.0180 rpoB WT5:rpoB WT6 0.6000 0.6000 rpoB WT7:inhA MTU3A -0.0480 -0.0600
rpoB WT2:inhA MUT3B -0.0100 -0.0210 rpoB WT5:rpoB WT7 0.0100 0.0150 rpoB WT7:inhA MUT3B -0.0110 -0.0260
rpoB WT2:katG WT -0.0011 -0.0011 rpoB WT5:rpoB WT8 0.0041 0.0062 rpoB WT7:katG WT 0.0016 0.0016
97
Ia rbarD Ia rbarD Ia rbarD
rpoB WT2:katG MUT1 -0.0056 -0.0058 rpoB WT5:rpoB MUT1 0.0012 0.0015 rpoB WT7:katG MUT1 0.0120 0.0120
rpoB WT2:katG MUT2 -0.0330 -0.0410 rpoB WT5:rpoB MUT2A -0.0270 -0.0290 rpoB WT7:katG MUT2 -0.0078 -0.0110
rpoB WT3:rpoB WT4 0.5300 0.5300 rpoB WT5:rpoB MUT2B -0.0260 -0.0280 rpoB WT8:rpoB MUT1 -0.0620 -0.0640
rpoB WT8:rpoB MUT2A -0.0560 -0.0640 rpoB MUT2B:inhA MTU3A -0.0340 -0.0340 inhA MTU3A:inhA MUT3B -0.0088 -0.0120
rpoB WT8:rpoB MUT2B -0.0530 -0.0630 rpoB MUT2B:inhA MUT3B -0.0094 -0.0150 inhA MTU3A:katG WT -0.0005 -0.0006
rpoB WT8:rpoB MUT3 0.5300 0.5300 rpoB MUT2B:katG WT -0.0003 -0.0004 inhA MTU3A:katG MUT1 -0.0012 -0.0016
rpoB WT8:inhA WT1 0.0045 0.0045 rpoB MUT2B:katG MUT1 0.0019 0.0022 inhA MTU3A:katG MUT2 0.0440 0.0440
rpoB WT8:inhA WT2 0.0002 0.0002 rpoB MUT2B:katG MUT2 -0.0270 -0.0290 inhA MUT3B:katG WT -0.0007 -0.0019
rpoB WT8:inhA MUT1 -0.0062 -0.0062 rpoB MUT3:inhA WT1 0.0200 0.0200 inhA MUT3B:katG MUT1 -0.0047 -0.0120
rpoB WT8:inhA MUT2 0.0068 0.0290 rpoB MUT3:inhA WT2 0.0330 0.0340 inhA MUT3B:katG MUT2 -0.0082 -0.0100
rpoB WT8:inhA MTU3A -0.0110 -0.0150 rpoB MUT3:inhA MUT1 0.0073 0.0073 katG WT:katG MUT1 0.7700 0.7700
rpoB WT8:inhA MUT3B -0.0092 -0.0240 rpoB MUT3:inhA MUT2 0.0160 0.0660 katG WT:katG MUT2 0.0059 0.0087
rpoB WT8:katG WT 0.0061 0.0061 rpoB MUT3:inhA MTU3A 0.0130 0.0160 katG MUT1:katG MUT2 -0.015 -0.0220
rpoB WT8:katG MUT1 -0.0010 -0.0010 rpoB MUT3:inhA MUT3B -0.0110 -0.0260 katG WT:katG MUT2 0.0059 0.0087
rpoB WT8:katG MUT2 0.0190 0.0270 rpoB MUT3:katG WT -0.0002 -0.0002 katG MUT1:katG MUT2 -0.015 -0.0220
rpoB MUT1:rpoB MUT2A -0.0570 -0.0590 rpoB MUT3:katG MUT1 -0.0091 -0.0091
rpoB MUT1:rpoB MUT2B -0.0550 -0.0570 rpoB MUT3:katG MUT2 0.0640 0.0890
rpoB MUT1:rpoB MUT3 -0.0830 -0.0850 inhA WT1:inhA WT2 0.0370 0.0380
rpoB MUT1:inhA WT1 -0.0320 -0.0330 inhA WT1:inhA MUT1 0.6600 0.6600
rpoB MUT1:inhA WT2 0.0061 0.0061 inhA WT1:inhA MUT2 -0.0029 -0.0130
rpoB MUT1:inhA MUT1 -0.0220 -0.0230 inhA WT1:inhA MTU3A -0.0360 -0.0470
rpoB MUT1:inhA MUT2 -0.0036 -0.0120 inhA WT1:inhA MUT3B -0.0083 -0.0210
rpoB MUT1:inhA MTU3A 0.0430 0.0480 inhA WT1:katG WT 0.0710 0.0710
rpoB MUT1:inhA MUT3B -0.0100 -0.0200 inhA WT1:katG MUT1 0.0280 0.0280
rpoB MUT1:katG WT 0.0250 0.0260 inhA WT1:katG MUT2 -0.0280 -0.0410
rpoB MUT1:katG MUT1 0.0660 0.0690 inhA WT2:inhA MUT1 -0.0180 -0.0190
rpoB MUT1:katG MUT2 -0.0330 -0.0390 inhA WT2:inhA MUT2 -0.0036 -0.0120
rpoB MUT2A:rpoB MUT2B -0.0440 -0.0440 inhA WT2:inhA MTU3A 0.4600 0.5100
rpoB MUT2A:rpoB MUT3 -0.0670 -0.0740 inhA WT2:inhA MUT3B 0.1000 0.2100
rpoB MUT2A:inhA WT1 -0.0210 -0.0240 inhA WT2:katG WT 0.0005 0.0005
rpoB MUT2A:inhA WT2 -0.0580 -0.0600 inhA WT2:katG MUT1 -0.0120 -0.0120
rpoB MUT2A:inhA MUT1 -0.0110 -0.0120 inhA WT2:katG MUT2 -0.0028 -0.0034
rpoB MUT2A:inhA MUT2 -0.0034 -0.0088 inhA MUT1:inhA MUT2 -0.0036 -0.0150
rpoB MUT2A:inhA MTU3A -0.0350 -0.0360 inhA MUT1:inhA MTU3A -0.0460 -0.0600
rpoB MUT2A:inhA MUT3B -0.0095 -0.0150 inhA MUT1:inhA MUT3B -0.0100 -0.0260
rpoB MUT2A:katG WT -0.0011 -0.0012 inhA MUT1:katG WT 0.0210 0.0210
rpoB MUT2A:katG MUT1 -0.0055 -0.0063 inhA MUT1:katG MUT1 -0.0038 -0.0038
rpoB MUT2A:katG MUT2 0.0210 0.0220 inhA MUT1:katG MUT2 -0.0350 -0.0510
rpoB MUT2B:rpoB MUT3 -0.0640 -0.0720 inhA MUT2:inhA MTU3A -0.0033 -0.0070
98
rpoB MUT2B:inhA WT1 -0.0230 -0.0270 inhA MUT2:inhA MUT3B -0.0026 -0.0030
rpoB MUT2B:inhA WT2 -0.0550 -0.0580 inhA MUT2:katG WT -0.0003 -0.0013
rpoB MUT2B:inhA MUT1 -0.0160 -0.0180 inhA MUT2:katG MUT1 -0.0016 -0.0071
rpoB MUT2B:inhA MUT2 -0.0034 -0.0085 inhA MUT2:katG MUT2 -0.0032 -0.0059
99
9.5 Anexo 5: estructura genética de los 134 haplotipos.
Estructura genética, en código binario, de cada haplotipo en función de la presencia
y/o ausencia de las 21 zonas de hibridación (marcadores genéticos) de la tira
GenoType MTBDRplus v2.0. 1: presencia de banda de hibridación, 0: ausencia de
banda de hibridación. N: frecuencia absoluta de cada haplotipo a través de los 5 años
analizados.
rpoB inhA katG
MUT2A
MTU3A
MUT2B
MUT3B
Código N Clase
MUT1
MUT3
MUT1
MUT2
MUT1
MUT2
WT1
WT2
WT3
WT4
WT5
WT6
WT7
WT8
WT1
WT2
WT
Hap-1 0 0 0 1 1 0 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-2 0 0 0 1 1 0 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-3 0 0 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 2 raro
Hap-4 0 1 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-5 0 1 1 1 1 1 1 0 0 0 0 1 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-6 0 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 2 raro
Hap-7 1 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 1 Huérfano
Hap-8 1 0 0 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 11 raro
Hap-9 1 0 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 Huérfano
Hap-10 1 0 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 1 Huérfano
Hap-11 1 0 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 2 raro
Hap-12 1 0 0 1 1 1 1 1 0 0 0 0 1 0 0 0 1 0 0 1 0 1 Huérfano
Hap-13 1 0 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 40 raro
Hap-14 1 0 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 7 raro
Hap-15 1 0 1 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-16 1 0 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 1 Huérfano
Hap-17 1 0 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 0 1 0 5 raro
Hap-18 1 0 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-19 1 0 1 1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-20 1 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-21 1 0 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 45 raro
Hap-22 1 0 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 9 raro
Hap-23 1 0 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 34 raro
Hap-24 1 1 0 0 1 0 1 0 1 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-25 1 1 0 0 1 1 0 1 0 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-26 1 1 0 0 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-27 1 1 0 0 1 1 1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-28 1 1 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 Huérfano
Hap-29 1 1 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-30 1 1 0 0 1 1 1 0 1 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-31 1 1 0 0 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0 1 0 1 Huérfano
Hap-32 1 1 0 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 1 Huérfano
Hap-33 1 1 0 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 9 raro
Hap-34 1 1 0 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 103 Menos común
Hap-35 1 1 0 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 12 raro
100
Hap-36 1 1 0 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 26 raro
Hap-37 1 1 0 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-38 1 1 0 0 1 1 1 1 1 0 0 0 1 0 0 0 0 0 0 1 0 2 raro
Hap-39 1 1 0 0 1 1 1 1 1 0 0 0 1 0 0 0 1 0 0 1 0 3 raro
Hap-40 1 1 0 0 1 1 1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 1 Huérfano
Hap-41 1 1 0 0 1 1 1 1 1 0 0 0 1 1 0 0 0 0 0 1 0 766 Común
Hap-42 1 1 0 0 1 1 1 1 1 0 0 0 1 1 0 0 0 0 1 0 0 10 raro
Hap-43 1 1 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-44 1 1 0 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0 0 1 0 4 raro
Hap-45 1 1 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 Huérfano
Hap-46 1 1 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 0 3 raro
Hap-47 1 1 0 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-48 1 1 0 1 1 1 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 2 raro
Hap-49 1 1 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 1 Huérfano
Hap-50 1 1 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 12 raro
Hap-51 1 1 0 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 131 Menos común
Hap-52 1 1 0 1 1 1 1 1 1 0 0 0 1 1 0 0 0 0 0 1 0 2 raro
Hap-53 1 1 0 1 1 1 1 1 1 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-54 1 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-55 1 1 1 0 0 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-56 1 1 1 0 0 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-57 1 1 1 0 0 1 1 1 1 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-58 1 1 1 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-59 1 1 1 0 1 1 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 Huérfano
Hap-60 1 1 1 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-61 1 1 1 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-62 1 1 1 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 4 raro
Hap-63 1 1 1 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 4 raro
Hap-64 1 1 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-65 1 1 1 1 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-66 1 1 1 1 0 0 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 3 raro
Hap-67 1 1 1 1 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-68 1 1 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 Huérfano
Hap-69 1 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-70 1 1 1 1 1 0 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 Huérfano
Hap-71 1 1 1 1 1 0 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-72 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 1 Huérfano
Hap-73 1 1 1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 1 Huérfano
Hap-74 1 1 1 1 1 1 0 0 0 0 0 1 0 1 1 0 0 0 0 1 0 1 Huérfano
Hap-75 1 1 1 1 1 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 2 raro
Hap-76 1 1 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 Huérfano
Hap-77 1 1 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 Huérfano
Hap-78 1 1 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 2 raro
Hap-79 1 1 1 1 1 1 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 3 raro
Hap-80 1 1 1 1 1 1 0 1 0 0 0 0 0 1 1 0 0 0 0 1 0 47 raro
Hap-81 1 1 1 1 1 1 0 1 0 0 0 0 0 1 1 0 0 0 1 0 0 10 raro
Hap-82 1 1 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 0 0 1 1 Huérfano
Hap-83 1 1 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 0 1 0 81 Menos común
Hap-84 1 1 1 1 1 1 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 44 raro
Hap-85 1 1 1 1 1 1 0 1 0 0 1 0 0 1 1 0 0 0 1 0 0 7 raro
Hap-86 1 1 1 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0 0 0 0 1 Huérfano
Hap-87 1 1 1 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0 0 1 0 58 raro
101
Hap-88 1 1 1 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0 1 0 0 16 raro
Hap-89 1 1 1 1 1 1 0 1 0 1 0 0 0 1 1 0 0 0 0 1 0 2 raro
Hap-90 1 1 1 1 1 1 0 1 0 1 0 0 0 1 1 0 0 0 1 0 0 21 raro
Hap-91 1 1 1 1 1 1 0 1 0 1 0 0 1 1 0 0 0 0 0 0 1 3 raro
Hap-92 1 1 1 1 1 1 0 1 0 1 0 0 1 1 0 0 0 0 0 1 0 29 raro
Hap-93 1 1 1 1 1 1 0 1 0 1 0 0 1 1 0 0 0 0 1 0 0 25 raro
Hap-94 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 6 raro
Hap-95 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 Huérfano
Hap-96 1 1 1 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1 0 2 raro
Hap-97 1 1 1 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0 1 0 0 5 raro
Hap-98 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0 1 0 2 raro
Hap-99 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 33 raro
Hap-100 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 3 raro
Hap-101 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 0 127 Menos común
Hap-102 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 116 Menos común
Hap-103 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 1 Huérfano
Hap-104 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 6 raro
Hap-105 1 1 1 1 1 1 1 0 0 0 0 1 0 0 1 0 0 0 1 0 0 8 raro
Hap-106 1 1 1 1 1 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 0 4 raro
Hap-107 1 1 1 1 1 1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 0 52 raro
Hap-108 1 1 1 1 1 1 1 0 0 0 0 1 0 1 1 0 0 0 0 1 0 2 raro
Hap-109 1 1 1 1 1 1 1 0 0 0 0 1 0 1 1 0 0 0 1 0 0 680 Común
Hap-110 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 1 0 0 0 1 1 Huérfano
Hap-111 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 1 0 0 1 0 7 raro
Hap-112 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 1 0 1 0 0 1 Huérfano
Hap-113 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 5 raro
Hap-114 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 1 9 raro
Hap-115 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1396 Común
Hap-116 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 0 0 249 Menos común
Hap-117 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0 1 0 0 1 0 0 1 Huérfano
Hap-118 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 Huérfano
Hap-119 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 0 7 raro
Hap-120 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0 1 0 4 raro
Hap-121 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 0 0 0 1 0 0 10 raro
Hap-122 1 1 1 1 1 1 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 3 raro
Hap-123 1 1 1 1 1 1 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 412 Común
Hap-124 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 2 raro
Hap-125 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 161 Menos común
Hap-126 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 703 Común
Hap-127 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 Huérfano
Hap-128 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 1 0 0 3 raro
Hap-129 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 1 1 0 0 3 raro
Hap-130 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 1 0 0 1 0 1 Huérfano
Hap-131 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 1 0 1 0 0 21 raro
Hap-132 1 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 0 19 raro
Hap-133 1 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 1 4 raro
Hap-134 1 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 863 Común
102
9.6 Anexo 6: distribución departamental de los haplotipos.
Distribución de las frecuencias absolutas de los 134 haplotipos en función las DISAS y DIRESAS de obtención de muestras.
Norte Centro Sur

Costa Sierra Selva Costa Sierra Selva Costa Sierra Selva
LIMA PROVINCIAS
MADRE DE DIOS
HUANCAVELICA
LAMBAYEQUE
LA LIBERTAD
LIMA CIUDAD
CAJAMARCA
SAN MARTÍN
MOQUEGUA
AMAZONAS
AYACUCHO
APURIMAC
LIMA ESTE
AREQUIPA
HUANUCO
LIMA SUR
UCAYALI
ANCASH
TUMBES
LORETO
CALLAO
CUSCO
PASCO
TACNA
PIURA
JUNIN
PUNO
DISA
ICA
TOTAL
DIRESA
Hap-1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-3 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-4 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-5 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-6 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-7 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-8 0 1 0 0 0 0 0 3 0 0 4 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11
Hap-9 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1
Hap-11 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-12 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-13 0 0 0 0 0 0 0 0 1 7 9 17 4 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 40
Hap-14 0 0 1 0 0 0 0 0 2 0 1 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 7
Hap-15 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-16 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-17 2 0 1 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5
Hap-18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-19 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-21 0 2 1 0 0 1 0 1 0 0 14 13 12 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 45
Hap-22 0 0 1 0 0 0 0 0 0 0 1 3 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 9
Hap-23 0 0 16 0 0 0 0 0 1 1 1 4 1 0 8 0 0 0 0 2 0 0 0 0 0 0 0 0 34
Hap-24 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
103
Hap-25 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-26 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-27 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-28 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-29 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1
Hap-30 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-31 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-32 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-33 0 0 0 0 0 0 0 0 0 2 1 5 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9
Hap-34 2 4 4 0 1 0 1 1 6 6 20 27 9 3 17 0 0 0 0 1 0 0 1 0 0 0 0 0 103
Hap-35 0 2 2 0 0 0 0 0 0 1 1 5 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 12
Hap-36 0 0 0 0 0 0 1 0 1 2 4 13 2 0 0 0 0 0 2 0 0 0 0 0 1 0 0 0 26
Hap-37 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-38 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-39 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 3
Hap-40 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-41 3 4 8 1 0 1 7 7 63 38 152 361 26 29 13 7 0 0 11 16 2 5 2 1 5 2 0 2 766
Hap-42 0 0 0 0 0 0 0 2 1 2 1 2 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10
Hap-43 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1
Hap-44 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 2 0 0 0 4
Hap-45 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-46 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-47 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-48 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2
Hap-49 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-50 0 0 0 0 0 0 0 2 1 0 2 3 1 0 0 1 0 0 0 2 0 0 0 0 0 0 0 0 12
Hap-51 5 5 30 0 0 0 1 0 3 3 18 31 1 2 5 11 0 2 8 3 0 1 0 0 0 1 0 1 131
Hap-52 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-53 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-54 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1
Hap-55 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-56 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-57 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-58 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
Hap-59 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-60 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-61 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
104
Hap-62 0 0 0 0 0 0 0 0 0 0 3 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4
Hap-63 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 4
Hap-64 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1
Hap-65 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-66 0 0 0 0 0 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-67 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-68 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-69 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-70 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-71 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-72 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-73 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-74 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-75 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-76 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1
Hap-77 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-78 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-79 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-80 0 7 1 0 0 0 0 0 0 2 3 26 3 2 0 0 0 1 1 0 0 1 0 0 0 0 0 0 47
Hap-81 0 0 0 0 0 3 1 0 0 0 2 3 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 10
Hap-82 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-83 4 4 1 0 0 1 1 0 2 8 10 29 1 3 6 2 0 1 4 1 0 2 0 0 1 0 0 0 81
Hap-84 1 1 0 0 0 0 2 0 8 3 10 10 5 1 0 2 0 0 0 1 0 0 0 0 0 0 0 0 44
Hap-85 0 1 0 0 0 0 0 0 1 1 0 2 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7
Hap-86 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-87 1 2 2 1 0 0 0 0 0 0 6 26 2 0 0 1 0 0 6 11 0 0 0 0 0 0 0 0 58
Hap-88 1 2 0 0 0 0 0 1 0 4 2 2 0 2 0 0 0 0 0 2 0 0 0 0 0 0 0 0 16
Hap-89 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-90 0 0 0 0 0 0 0 0 2 0 11 6 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 21
Hap-91 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-92 0 2 8 0 0 3 0 0 4 1 4 3 0 3 0 0 0 0 0 0 0 0 0 0 0 1 0 0 29
Hap-93 4 2 1 0 0 0 2 1 0 1 3 4 1 0 2 0 0 0 0 1 0 0 0 0 0 0 0 3 25
Hap-94 0 0 0 0 0 0 0 0 0 0 2 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6
Hap-95 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-96 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-97 0 0 0 0 0 0 0 0 0 0 2 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5
Hap-98 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
105
Hap-99 0 0 0 0 0 0 0 0 1 3 8 9 5 1 0 1 0 0 0 2 0 0 0 0 0 1 0 2 33
Hap-100 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-101 0 8 0 0 0 0 7 3 5 2 30 39 7 6 1 4 0 0 6 3 0 4 0 0 0 1 0 1 127
Hap-102 2 2 2 0 0 1 0 5 2 1 33 44 3 0 3 0 0 0 3 8 0 1 1 1 0 1 0 3 116
Hap-103 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-104 0 0 0 0 0 0 0 0 0 0 2 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 6
Hap-105 0 0 0 0 0 0 0 0 1 1 2 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8
Hap-106 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4
Hap-107 0 0 1 0 0 0 2 0 0 1 10 21 1 0 9 2 0 0 5 0 0 0 0 0 0 0 0 0 52
Hap-108 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-109 1 5 12 0 1 0 3 26 40 38 131 254 19 54 19 2 0 0 11 26 0 0 3 0 3 2 0 30 680
Hap-110 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-111 0 0 0 0 0 0 0 0 0 0 1 0 0 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7
Hap-112 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-113 0 0 0 0 0 0 0 1 0 0 1 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5
Hap-114 0 0 0 0 0 0 0 0 0 0 3 3 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 9
Hap-115 12 31 37 1 1 2 15 10 85 48 269 478 77 37 61 25 0 2 32 126 1 11 1 0 13 4 0 17 1396
Hap-116 2 15 6 2 0 0 4 17 8 10 42 73 10 11 10 7 0 0 6 8 0 3 0 1 7 4 0 3 249
Hap-117 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-118 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-119 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 1 7
Hap-120 0 0 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4
Hap-121 0 0 0 0 0 1 0 0 0 0 0 7 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 10
Hap-122 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-123 1 6 2 0 0 0 3 1 36 4 85 181 20 3 8 15 0 0 6 10 1 22 0 0 6 0 0 2 412
Hap-124 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Hap-125 0 6 1 0 0 0 1 0 2 4 30 76 20 3 5 1 0 0 0 0 1 1 0 0 8 1 0 1 161
Hap-126 8 24 22 4 0 4 8 14 45 15 119 305 29 16 11 8 0 0 20 11 0 16 3 0 6 2 1 12 703
Hap-127 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-128 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 3
Hap-129 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 3
Hap-130 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Hap-131 0 0 2 0 0 0 0 0 1 1 2 9 0 0 0 0 0 1 3 0 0 0 0 0 0 0 0 2 21
Hap-132 0 3 1 0 0 0 0 0 0 1 2 5 4 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 19
Hap-133 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 4
Hap-134 13 31 80 0 0 13 9 14 65 34 144 246 39 39 28 8 2 2 17 26 0 14 4 0 8 3 0 24 863
TOTAL 67 175 247 9 3 33 70 115 389 246 1222 2410 315 235 220 99 2 10 147 269 5 86 17 3 62 23 1 109 6589
106
9.7 Anexo 7: distribución de haplotipos ‘menos comunes’, Lima y Callao.
107
10 GLOSARIO
Ácido Desoxirribonucléico (ADN): es un ácido nucleico que contiene las instrucciones
genéticas usadas en el desarrollo y funcionamiento de todos los organismos vivos, y
algunos virus. Es responsable de la transmisión hereditaria. La función principal de la
molécula de ADN es el almacenamiento a largo plazo de información para construir otros
componentes de las células, como las proteínas y las moléculas de ARN.
Amplicón: fragmento específico de ADN, de un organismo objetivo, que se copia millones
de veces mediante la PCR. La secuencia de estos fragmentos amplificados proporciona
información detallada sobre las variantes nucleotídicas presentes en determinadas
regiones génicas de interés.
Bioseguridad: proceso de aplicar una combinación de controles administrativos, principios
de contención, prácticas y procedimientos, equipo de seguridad, preparación para
emergencias e instalaciones adecuadas que permitan que el personal del laboratorio
trabaje de manera segura con microorganismos potencialmente infecciosos. La
bioseguridad también tiene como objetivo prevenir la exposición no intencional a patógenos
o su liberación accidental.
Cepa: variante genética o subtipo de un microorganismo, usualmente propagada de forma
clonal.
Concentración Crítica: la concentración crítica se define como la concentración más baja
de un agente antituberculoso in vitro que inhibirá el crecimiento del 99% de las cepas
fenotípicamente salvajes (sensibles) del complejo Mycobacterium tuberculosis.
108
Ensayo de Sonda en Línea (ESL): prueba de susceptibilidad a fármacos, que utilizan PCR
y métodos de hibridación reversa, para la detección rápida de mutaciones asociadas con
resistencia a fármacos. Los ensayos de sonda de línea están diseñados para identificar el
complejo M. tuberculosis y detectar simultáneamente mutaciones asociadas con la
resistencia a los medicamentos.
Fitness biológico: también conocida como aptitud, adecuación o eficacia biológica, es la
representación cuantitativa de la selección natural dentro de la biología evolutiva. Se puede
definir con respecto a un genotipo o a un fenotipo en un entorno dado. En cualquier caso,
describe el éxito reproductivo individual y es igual a la contribución promedio al conjunto de
genes de la próxima generación que realizan los individuos del genotipo o fenotipo
especificado.
Gen: es la unidad física y funcional básica de la herencia. Los genes están formados por
ADN. Algunos genes actúan como instrucciones para producir moléculas llamadas
proteínas. Sin embargo, muchos genes no codifican proteínas.
Gold estándar: también conocida como test de referencia es un término utilizado para
definir aquellas pruebas de diagnóstico que tienen la máxima fiabilidad a la hora de
diagnosticar una determinada enfermedad.
Hibridación reversa: unión complementaria de las moléculas diana (ácidos nucleicos de
secuencia no conocida) con las moléculas de la sonda (ácidos nucleicos de secuencia
109
conocida) inmovilizadas en un soporte sólido, como tiras de nitrocelulosa. Esta unión
depende de la complementariedad de bases y de la temperatura.
Locus: posición particular en un genoma que determina la ubicación de un gen o un
marcador molecular. El plural de locus es ‘Loci’.
Método de proporción: es el método más común utilizado para probar la susceptibilidad
de los aislamientos del complejo M. tuberculosis. En este método, el inóculo utilizado se
controla probando dos diluciones de una suspensión de cultivo, y el crecimiento (es decir,
el número de colonias) en un medio de control sin un agente antituberculoso se compara
con el crecimiento (el número de colonias) presente en un medio que contiene la
concentración crítica del agente antituberculoso que se está probando; Se calcula la
relación entre el número de colonias en el medio que contiene el agente antituberculoso y
el número de colonias en el medio sin el agente antituberculoso, y la proporción se expresa
como un porcentaje. Se utiliza una proporción crítica del 1% para diferenciar la proporción
de organismos resistentes dentro de una cepa particular que se utiliza para determinar la
resistencia a un medicamento en particular.
Mutación génica: alteración permanente de la secuencia de ADN que conforma un gen.
NETLab: sistema de información electrónica que, a través de la web, permite consultar los
resultados de las pruebas de laboratorio realizadas por el Instituto Nacional de Salud (INS)
y la Red de Laboratorios de Referencia.
Polimorfismo de Nucleótido Simple (SNP): son el tipo más común de variación genética.
Cada SNP representa una diferencia en un solo nucleótido en el ADN. Por ejemplo, un SNP
110
puede reemplazar el nucleótido citosina (C) con el nucleótido timina (T) en un cierto tramo
de ADN.
Pruebas moleculares: son pruebas de laboratorio utilizadas para determinar la existencia
de moléculas diana (ADN, ARN y proteínas) en muestras biológicas. Sirven para el
diagnóstico de distintas enfermedades y caracterización de alteraciones génicas que
conducen a la resistencia frente a determinados medicamentos.
Reacción en Cadena de la Polimerasa (PCR): es una técnica molecular utilizada para la
amplificación exponencial de un segmento específico de ADN mediante múltiples ciclos de
síntesis de ADN a partir de oligonucleótidos cebadores cortos.
Resistencia antimicrobiana: capacidad que tienen los microorganismos (bacterias, virus
y algunos parásitos) de impedir que los compuestos antimicrobianos (antibióticos,
antivíricos y antipalúdicos) actúen en contra de ellos. Debido a esto, los tratamientos
habituales se vuelven ineficaces y las infecciones persisten y pueden transmitirse a otros.
Sonda: fragmento definido de ADN o ARN, marcado en forma radioactiva o química, que
se utiliza para detectar secuencias específicas de ácidos nucleicos mediante técnicas de
hibridación.
111

Santos Le

Cargado por

Copyright:

Formatos disponibles

Santos Le

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Santos Le

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América

Estructura genética de cepas de Mycobacterium

Dr. Pablo Sergio RAMÍREZ ROCA

Santos, E. (2020). Estructura genética de cepas de Mycobacterium tuberculosis

Código ORCID del autor 0000-0003-1450-2039

DNI Autor 44645298

Firmado digitalmente por GARCIA DE

espiritual y familiar brindado en todo momento de mi vida.

En primer lugar agradezco a quien ha forjado mi camino y me ha dirigido por el sendero

moldeado mi carácter y me preparaste para enfrentar diferentes retos a lo largo de mi vida.

de mí y avanzar en el cumplimiento de mis objetivos.

integrar su grupo de investigación en el Laboratorio de Referencia Nacional de

Micobacterias del Instituto Nacional de Salud. La confianza, consideración y apoyo

determinantes para el cumplimento de mis objetivos.

el primer momento. Así mismo, sus diferentes recomendaciones permitieron culminar

exitosamente el desarrollo del presente estudio.

Micobacterias del Instituto Nacional de Salud, porque desde el primer momento me

sus incontables conocimientos.

Agradezco al Instituto Nacional de Salud por brindarme la oportunidad de integrar su cuerpo

de profesionales que laboran en favor de brindar un servicio adecuado a la población

Agradezco a la Universidad Nacional Mayor de San Marcos, y a todo el equipo de

profesores de la Escuela Académica Profesional de Genética y Biotecnología, por la

profesional nos plantea en el día a día.

Figura 1: Sanatorio para tuberculosis. ........................................................................................ 17

Introducción: en el Perú, la tuberculosis (TB) constituye un importante problema de salud

pública, en especial, los casos producidos por cepas drogorresistentes de Mycobacterium

tuberculosis (MTB). Objetivos: caracterizar haplotipos de cepas drogorresistentes de MTB

y evaluar sus distribuciones a nivel nacional. Métodos: se crearon “haplotipos resistentes”

mediante la concatenación de 21 sitios polimórficos (genes rpoB, katG e inhA) evaluados

por el ESL GenoType MTBDRplus v2.0. Se analizaron 6589 resultados de diagnóstico

como resultados de diagnóstico fenotípico obtenidos por el Método de Proporciones en Agar

7H10. Resultados: se determinó la existencia de 3702 (56.26%) casos de TB-MDR, 2218

(33.7%) casos monorresistentes a isoniacida, y 669 (10.2%) casos monorresistentes a

polimórficos analizados (rBarD=0.0215). Se obtuvieron 134 haplotipos resistentes con un

de muestras analizadas. A nivel nacional, 22 localidades presentaron una alta biodiversidad

de haplotipos resistentes, 04 una biodiversidad intermedia y 02 una baja biodiversidad. Se

detectaron 231 casos discordantes de resistencia a rifampicina, posiblemente asociados

con mutaciones controversiales. Conclusión: el análisis de haplotipos y mutaciones

principales genes determinantes de resistencia a rifampicina e isoniacida en las cepas

drogorresistentes de MTB que circulan a nivel nacional.

Palabras clave: Mycobacterium tuberculosis, Haplotipo, GenoType MTBDRplus v2.0,

Introduction: in Peru, tuberculosis (TB) constitutes a major Public Health problem,

especially cases produced by drug-resistant strains of Mycobacterium tuberculosis (MTB).

distributions nationwide. Methods: ‘resistant haplotypes’ were created by concatenating 21

haplotypes, 04 an intermediate biodiversity and 02 a low biodiversity. 231 discordant cases

of resistance to rifampicin were detected, possibly associated with controversial mutations.

resistance determining genes in drug resistant strains of MTB circulating nationwide.

Key words: Mycobacterium tuberculosis, Haplotype, GenoType MTBDRplus v2.0, Drug

1.1 Planteamiento del problema

La tuberculosis (TB) es una de las enfermedades infecciosas más serias y la principal

causa de morbilidad y mortalidad en países en desarrollo (World Health Organization

2008). En nuestro país, la TB constituye un importante problema de salud pública, en

especial, los casos drogorresistentes (TB-DR) producidos por cepas de Mycobacterium

tuberculosis (MTB) resistentes a las drogas utilizadas para el tratamiento de la

denomina “Tuberculosis Multidrogorresistente” (TB-MDR, por sus siglas en inglés), y los

casos que adicionalmente muestran resistencia a alguna fluoroquinolona y a algún

antibiótico inyectable de segunda línea se les denomina “Tuberculosis Extensamente

XDR constituyen formas de esta patología que requieren un tratamiento caro,