AI模型预测的细菌多重耐药性

“通过理解细菌耐药性的产生方式，我们可以更好地对抗其传播。这对保护公共健康和医疗系统治疗感染的能力至关重要，”瑞典查尔默斯科技大学和哥德堡大学数学科学系教授埃里克·克里斯蒂安森（Erik Kristiansson）说道。

根据世界卫生组织（WHO）的说法，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，这使得肺炎和血液中毒等疾病的治疗变得困难甚至不可能。抗生素耐药细菌的增加也使得防止与许多医疗程序（如器官移植和癌症治疗）相关的感染变得更加困难。抗生素耐药性快速传播的一个根本原因是细菌能够交换基因，包括使细菌产生耐药性基因的能力。

“对人类有害的细菌已经积累了许多耐药基因。这些基因中的许多源于生活在人类身体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致病细菌的。这使得预测未来细菌如何发展耐药性成为可能，”埃里克·克里斯蒂安森说道。

来自全球的复杂数据

在这项新研究中，研究者们在《自然通讯》上发表，并由查尔默斯科技大学、哥德堡大学和弗劳恩霍夫-查尔默斯中心的研究人员进行，研究人员开发了一个人工智能模型，以利用细菌的DNA、结构和栖息地的信息分析细菌之间的历史基因转移。该模型的训练数据涵盖了近一百万种细菌的基因组，这是国际研究界多年编制的庞大数据集。

“人工智能可以在复杂背景下、处理大量数据时发挥其最佳能力，”查尔默斯科技大学和哥德堡大学数学科学系的博士生大卫·伦德（David Lund）表示。“我们研究的独特之处在于，训练该模型所使用的数据量非常庞大，这表明人工智能和机器学习在描述使细菌感染难以治疗的复杂生物过程中的强大作用。”

关于何时产生抗生素耐药性的新的结论

该研究显示了耐药基因在不同细菌之间的转移发生在何种环境中，以及是什么导致某些细菌比其他细菌更容易相互交换基因。

“我们看到，存在于人类和水处理厂的细菌通过基因转移变得耐药的概率更高。这些环境中，携带耐药基因的细菌常常相遇，并且通常存在抗生素，”大卫·伦德说道。

另一个重要因素是细菌的遗传相似性，这增加了耐药基因“跳跃”到另一种细菌的可能性。当一个细菌吸收一个新基因时，需要能量来储存DNA和生产基因编码的蛋白质，这对细菌来说是一个成本。

“大多数耐药基因在遗传结构相似的细菌之间共享。我们认为这降低了吸收新基因的成本。我们将继续研究，以更准确地理解控制这一过程的机制，”埃里克·克里斯蒂安森说道。

希望能建立用于诊断的模型

通过评估模型在已知发生的耐药基因转移的细菌上的表现来测试模型的性能，而人工智能模型事先并未被告知。这被用作一种考试，只有研究人员拥有答案。在五个案例中，有四个案例模型能够预测耐药基因转移是否会发生。埃里克·克里斯蒂安森表示，未来的模型将能够更加准确，部分原因是优化人工智能模型本身，部分原因是对更大数据进行训练。

“人工智能和机器学习使我们能够有效分析和解释今天可用的大量数据。这意味着我们可以真正做到以数据为驱动，回答我们长期以来一直在挣扎的复杂问题，同时也提出全新的问题，”埃里克·克里斯蒂安森说道。

研究者们希望在未来，人工智能模型可以用于系统中，以快速识别一个新的耐药基因是否有被转移到致病细菌的风险，并将其转化为实际措施。

“例如，人工智能模型可以用于改善分子诊断，以发现新型多重耐药细菌或监测存在抗生素的废水处理厂和环境，”埃里克·克里斯蒂安森说道。