Исследователи из Калифорнийского университета в Сан-Диего разработали подход, использующий машинное обучение для выявления и прогнозирования генов, обеспечивающих устойчивость инфекционных бактерий к антибиотикам. Подход был протестирован на штаммах Mycobacterium tuberculosis - бактериях, вызывающих туберкулез (ТБ) у людей. У этих бактерий было выявлено 33 известных и 24 новых гена устойчивости к антибиотикам.
Исследователи говорят, что этот подход может быть использован в отношении других патогенов, вызывающих инфекции, включая стафилококк и бактерии, вызывающие инфекции мочевыводящих путей, пневмонию и менингит. Работа была недавно опубликована в Nature Communications.
«Знание того, какие гены обеспечивают устойчивость к антибиотикам, может изменить способ лечения инфекционных заболеваний в будущем», - сказал соавтор Джонатан Монк, научный сотрудник отдела биоинженерии Калифорнийского университета в Сан-Диего. «Например, если в клинике есть персистирующая инфекция туберкулеза, врачи могут секвенировать этот штамм, изучить его гены и выяснить, к каким антибиотикам он устойчив, а к каким восприимчив, а затем назначить правильный антибиотик для этого штамма».
«Это может открыть возможности для индивидуального лечения вашего патогена. Каждый штамм отличается и потенциально должен лечиться по-разному», - сказал соавтор Бернхард Палссон, профессор биоинженерии Галлетти в Школе Джейкобса Калифорнийского университета в Сан-Диего. Инжиниринг. «Посредством этого машинного анализа пангенома - полного набора всех генов всех штаммов вида бактерий - мы можем лучше понять свойства, которые отличают эти штаммы."
Команда обучила алгоритм машинного обучения, используя последовательности генома и фенотипы - физические черты или характеристики, которые можно наблюдать, такие как устойчивость к антибиотикам - более чем 1500 штаммов M. tuberculosis. На основе этих входных данных алгоритм предсказал набор генов и вариантных форм этих генов, называемых аллелями, которые вызывают устойчивость к антибиотикам. 33 были подтверждены известными генами устойчивости к антибиотикам, остальные 24 были новыми предсказаниями, которые еще не были проверены экспериментально.
Исследователи дополнительно проанализировали прогнозы алгоритма и определили комбинации аллелей, которые могут взаимодействовать друг с другом и вызывать устойчивость штамма к антибиотикам. Они также сопоставили эти аллели с кристаллическими структурами белков M.tuberculosis (опубликовано в Protein Data Bank). Они обнаружили, что некоторые из этих аллелей появились в определенных структурных областях белков.
«Мы провели интерактивный и структурный анализ, чтобы копнуть глубже и разработать более сложные гипотезы о том, как эти гены могут способствовать фенотипам устойчивости к антибиотикам», - сказал первый автор Эрол Каввас, доктор биоинженерии. Д. студент исследовательской группы Палссона. «Эти результаты могут помочь в будущих экспериментальных исследованиях того, играет ли структурная группировка этих аллелей роль в придании им устойчивости к антибиотикам».
Результаты этого исследования являются вычислительными, поэтому команда надеется работать с исследователями-экспериментаторами, чтобы проверить, действительно ли 24 новых гена, предсказанных алгоритмом, придают M. tuberculosis устойчивость к антибиотикам.
Будущие исследования будут включать применение подхода группы машинного обучения к ведущим инфекционным бактериям, известным как патогены ESKAPE: Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa и видам Enterobacter. В качестве следующего шага команда интегрирует модели метаболических сетей в масштабе генома со своим подходом к машинному обучению, чтобы понять механизмы, лежащие в основе эволюции устойчивости к антибиотикам.