【Science子刊】机器学习精准预测抗生素耐药性，有望实现自由控制抗生素耐药性的传播！

本文为转化医学网原创，转载请注明出处

作者：Liz Zee

导读：康奈尔大学（Cornell University）的研究人员利用机器学习根据生物体的功能对其进行分类，并利用这些信息近乎完美地预测基因是如何在生物体之间转移的，这种方法有可能被用来阻止抗生素耐药性的传播。

基因不仅通过出生而遗传。细菌也有能力通过一种叫做水平基因转移的过程相互传递基因，或者从环境中获取基因，这是抗生素耐药性传播的罪魁祸首。

该研究论文于昨日（10月22日）发表在《Science Advances》上，名为“Functions predict horizontal gene transfer and the emergence of antibiotic resistance”。

“一般来说，生物体可以从其他生物体那里获得抗性基因。因此，如果我们知道细菌与哪些生物体进行交换，这将大有益处，除此之外，我们还可以弄清楚在这种转移中涉及生物体的驱动因素是什么。”生物医学工程助理教授、该论文的资深作者Ilana Brito说。“如果我们能知道‘谁’与‘谁’正在交换基因，那么也许就能深入了解这是如何发生的，甚至有可能控制这些过程。”

许多新的功能特征是通过基因转移共享的。但是科学家们还不能确定为什么有些细菌会进行基因转移，而另一些则不会。

Brito的团队研究了细菌基因组及其各种功能（从DNA复制到代谢碳水化合物），以确定是什么可以表明“谁”正在交换基因以及是什么驱动了这些细菌基因交换网络。

Brito团队使用了几个机器学习模型，每个模型都梳理出数据中存在的不同现象。这使得他们能够识别不同的抗生素抗性基因的多个交换网络。

在这项研究中，研究人员专注于与土壤、植物和海洋相关的生物体，但他们的模型也非常适合研究与人类相关的生物体和病原体，如鲍曼不动杆菌和大肠杆菌，以及局部环境，如肠道微生物群。

他们发现，机器学习模型在应用于抗生素抗性基因时特别有效。Brito说：“我认为这项研究最大的收获之一是细菌基因交换网络（特别是抗生素耐药性）是可以预测的。我们可以通过查看数据来了解它，如果我们仔细观察每个生物体的基因组，我们可以做得更好。这不是一个随机的过程。”

其中最令人惊讶的一个发现是，该模型预测了许多尚未被观察到的与人类相关的细菌和病原体之间可能发生的抗生素耐药性转移。这些可能尚未被发现的转移几乎只发生在与人类相关的肠道微生物群或口腔微生物群中。

Brito说，这项研究是康奈尔大学最近成立的抗菌素耐药性中心的象征。Brito是该中心指导委员会的成员。

Brito说：“可以想象，如果我们能够预测这些基因的传播方式，我们也许就能够进行干预或选择一种特定的抗生素，这取决于我们在患者的肠道中看到的情况。更广泛地说，我们可能会看到某些类型的生物体在特定环境中与其他生物体一起转移。我们认为数据中可能存在新的抗生素靶点。例如，或许存在一种基因，能够削弱这些生物体在某些环境中的生存能力或获得这些基因的能力。”

参考资料：

https://www.science.org/doi/10.1126/sciadv.abj5056

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。

第三届上海国际癌症大会

【直播】TMB检测标准化的机遇与挑战

新冠疫情

【Cell子刊】COVID-19笼罩下，竞相开发的干细胞疗法真的有效吗？可能还缺乏一定的临床试验和科学证明

肿瘤研究

【Cell子刊】首次绘制小细胞肺癌分子图谱，使用单细胞RNA测序揭示了推动肿瘤转移的幕后黑手——一种不寻常的细胞类型

新冠疫情

【Science重磅】世卫组织成立中科院杨运桂在内的新团队，重启对大流行起源可能来于实验室泄漏的研究！

医学进展

【Science热议】115年仅17名女性！为何男性经常横扫诺贝尔奖，女性得主如此之少？

智能诊断

【研究】“人工智能＋生物医学”应用于超高死亡率的肝癌，有望彻底改变未来癌症的诊断和治疗方式！

疾病预防

【Science】世卫组织发起新“全球路线图”研制低成本五合一疫苗，有望在2030年消除细菌性脑膜炎疫情

肠道菌群

【Nature子刊】肠道的战争：揭秘人类肠道微生物群如何抵抗霍乱细菌

专家访谈

《转》访复旦大学附属妇产科医院徐晨明教授：无创产前筛查进入单基因病的临床应用时代

医学进展

【Nature热议】为何2021诺贝尔奖没有颁给拯救无数生命的COVID-19疫苗？