AI高精度预测细菌对抗生素的耐药性

AI predicts bacterial resistance to antibiotics with high accuracy

经过大量遗传数据训练的AI模型可以预测细菌是否会对抗生素产生耐药性。这项新研究表明，抗生素耐药性更容易在基因相似的细菌之间传播，主要发生在污水处理厂和人体内。

“通过了解细菌耐药性的产生方式，我们可以更好地对抗其传播。这对于保护公众健康和医疗系统治疗感染的能力至关重要。”

——瑞典查尔姆斯理工大学和哥德堡大学数学科学系教授Erik Kristiansson

世界卫生组织（WHO）认为，抗生素耐药性是全球健康的最大威胁之一。当细菌产生耐药性时，抗生素的效果消失，这使得肺炎和败血症等疾病难以或无法治疗。增加的抗生素耐药性细菌也使得许多医疗程序（如器官移植和癌症治疗）相关的感染预防变得更加困难。抗生素耐药性迅速传播的一个根本原因是细菌交换基因的能力，包括使细菌产生耐药性的基因。

“对人类有害的细菌已经积累了许多耐药基因。这些基因中的许多来自我们体内或环境中的无害细菌。我们的研究考察了这一复杂的进化过程，以了解这些基因是如何转移到病原菌中的。这使得预测未来细菌如何发展出耐药性成为可能。”Erik Kristiansson说。

来自世界各地的复杂数据

在这项发表于《自然通讯》的新研究中，查尔姆斯理工大学、哥德堡大学和弗劳恩霍夫-查尔姆斯中心的研究人员开发了一个AI模型，利用细菌DNA、结构和栖息地的信息来分析历史上的基因转移。该模型使用了近百万种细菌的基因组进行训练，这是一个由国际研究界多年来编译的庞大数据集。

“AI可以在复杂情境下，处理大量数据时发挥最佳作用。”查尔姆斯理工大学和哥德堡大学数学科学系博士生David Lund说。“我们研究的独特之处在于用于训练模型的非常庞大的数据量，这表明AI和机器学习是描述使细菌感染难以治疗的复杂生物过程的强大工具。”

关于抗生素耐药性何时产生的新结论

该研究表明，在哪些环境中耐药基因在不同细菌之间转移，以及是什么使某些细菌比其他细菌更有可能相互交换基因。

“我们看到，在人体和污水处理厂中发现的细菌通过基因转移产生耐药性的概率更高。这些是携带耐药基因的细菌相遇的环境，通常是在抗生素存在的情况下。”David Lund说。

另一个增加耐药基因从一个细菌“跳跃”到另一个细菌的可能性的重要因素是细菌之间的遗传相似性。当细菌吸收一个新的基因时，需要能量来存储DNA并产生该基因编码的蛋白质，这意味着细菌需要付出一定的代价。

“大多数耐药基因在具有相似遗传结构的细菌之间共享。我们认为这减少了吸收新基因的成本。我们正在继续研究以更精确地理解控制这一过程的机制。”Erik Kristiansson说。

希望用于诊断的模型

该模型的性能通过评估研究人员已知发生了耐药基因转移的细菌来进行测试，但AI模型事先并不知道这一点。这被用作一种考试，只有研究人员知道答案。在五次中有四次，该模型能够预测是否会发生耐药基因的转移。Erik Kristiansson表示，未来的模型将更加准确，部分是通过改进AI模型本身，部分是通过更大规模的数据进行训练。

“AI和机器学习使我们能够高效地分析和解释今天可用的大量数据。这意味着我们可以真正以数据驱动的方式回答长期以来一直在努力解决的复杂问题，也可以提出全新的问题。”Erik Kristiansson说。

研究人员希望未来AI模型可用于快速识别新的耐药基因是否有可能转移到病原菌，并将其转化为实际措施。

“例如，AI模型可以用于改进分子诊断，以发现新的多重耐药细菌形式，或监测污水处理厂和存在抗生素的环境。”Erik Kristiansson说。

(全文结束)