一个经过大量遗传数据训练的AI模型能够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，并且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机制，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埃里克·克里斯蒂安松说。
根据世界卫生组织（WHO）的数据，抗生素耐药性是全球健康面临的最大威胁之一。当细菌变得耐药时，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相关的感染预防变得更加困难，例如器官移植和癌症治疗。
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，包括使细菌耐药的基因。
“对人类有害的细菌已经积累了许多耐药基因。其中许多基因来自我们体内或环境中的无害细菌。我们的研究探讨了这一复杂的进化过程，以了解这些基因是如何转移到致病细菌中的。这使得预测未来细菌如何发展出耐药性成为可能。”克里斯蒂安松说。
来自世界各地的复杂数据
在这项题为“遗传兼容性和生态连通性驱动抗生素耐药基因的传播”的研究中，发表在《自然通讯》上，并由查尔姆斯理工大学、哥德堡大学和弗劳恩霍夫-查尔姆斯中心的研究人员进行，研究人员开发了一个AI模型，使用关于细菌DNA、结构和栖息地的信息来分析历史上的细菌基因转移。
该模型是在近百万种细菌的基因组上进行训练的，这是一个多年来国际研究界编译的庞大数据集。
“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大卫·伦德说。
“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
研究表明，在哪些环境中耐药基因在不同细菌之间进行了转移，以及是什么因素使某些细菌比其他细菌更有可能交换基因。
“我们看到在人类和污水处理厂中发现的细菌通过基因转移变得耐药的概率更高。这些是携带耐药基因的细菌经常相遇的环境，通常在抗生素存在的情况下。”伦德说。
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的遗传相似性。当一个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，这对细菌来说是一种成本。
“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。”克里斯蒂安松说。
希望用于诊断的模型
通过评估模型对研究人员已知发生了耐药基因转移但AI模型事先不知道的细菌的表现，测试了该模型的性能。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，模型能够预测是否会发生耐药基因的转移。
克里斯蒂安松表示，未来的模型将更加准确，部分是通过改进AI模型本身，部分是通过在更大的数据集上进行训练。
“AI和机器学习使得高效分析和解释当今可用的大量数据成为可能。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困扰我们的复杂问题，也可以提出全新的问题。”克里斯蒂安松说。
研究人员希望，未来这种AI模型可以用于系统中，快速识别新的耐药基因是否有可能转移到致病细菌，并将其转化为实际措施。
“例如，AI模型可以用来改进分子诊断，以发现新的多重耐药细菌形式，或者监测污水处理厂和存在抗生素的环境。”克里斯蒂安松说。
(全文结束)
