机器学习识别结核病细菌中的抗生素抗性基因

加利福尼亚大学圣地亚哥分校的研究人员已经开发出一种方法，利用机器学习来识别和预测哪些基因使传染性细菌对抗生素具有抗性。该方法对结核分枝杆菌菌株进行了测试- 结核分枝杆菌是导致人类结核病(TB)的细菌。它在这些细菌中鉴定了33种已知和24种新的抗生素抗性基因。

研究人员表示，该方法可用于其他引起感染的病原体，包括导致尿路感染，肺炎和脑膜炎的葡萄球菌和细菌。这项工作最近发表在Nature Communications上。

“了解哪些基因赋予抗生素耐药性可能会改变未来传染病的治疗方式，”联合资深作者，加州大学圣地亚哥分校生物工程系研究科学家Jonathan Monk说。“例如，如果临床上持续感染结核病，医生可以对该菌株进行测序，查看其基因并找出它对哪种抗生素具有抗药性以及哪些抗生素易感，然后为该菌株开出正确的抗生素。”

“这可能为您的病原体提供个性化治疗的机会。每种菌株都不同，应该采取不同的治疗方式，”联合资深作者，加州大学圣地亚哥雅各布斯工程学院生物工程学教授Bernhard Palsson说。“通过这种机器学习分析泛基因组 - 细菌物种所有菌株中所有基因的完整集合 - 我们可以更好地理解使这些菌株不同的特性。”

团队训练使用所述基因组序列和表型-的可以观察到的物理特性或特征，诸如抗生素机器学习算法电阻 -of超过1500个菌株的结核分枝杆菌。根据这些输入，该算法预测了一组基因和这些基因的变体形式，称为等位基因，导致抗生素抗性。33个用已知的抗生素抗性基因验证，其余24个是尚未经过实验测试的新预测。

研究人员进一步分析了该算法的预测，并确定了可能相互作用并使菌株具有抗生素抗性的等位基因组合。他们还将这些等位基因定位于结核分枝杆菌蛋白的晶体结构上(发表于Protein Data Bank)。他们发现这些等位基因中的一些出现在蛋白质的某些结构区域。

“我们进行了相互作用和结构分析，以深入挖掘和开发更复杂的假设，了解这些基因如何对抗生素抗性表型产生影响，”第一作者，生物工程博士Erol Kavvas说。帕尔森研究小组的学生。“这些研究结果可能有助于未来的实验研究，探讨这些等位基因的结构分组是否在赋予抗生素抗性方面发挥作用。”

这项研究的结果都是计算的，因此该团队正在寻求与实验研究人员合作，以测试该算法预测的24个新基因是否确实赋予结核分枝杆菌抗生素抗性。

未来的研究将涉及将该团队的机器学习方法应用于主要的传染性细菌，即ESKAPE病原体：屎肠球菌，金黄色葡萄球菌，肺炎克雷伯菌，鲍曼不动杆菌，铜绿假单胞菌和肠杆菌。作为下一步，该团队正在将代谢网络的基因组规模模型与其机器学习方法相结合，以了解抗生素抗性进化的潜在机制。