华盛顿州立大学的研究人员开发了一种新颖的方法来鉴定细菌中以前无法识别的抗生素抗性基因。
通过运用机器学习和博弈论，研究人员能够以93％到99％的准确度确定三种不同类型细菌中抗生素抗性基因的存在。研究人员，包括电气工程和计算机科学学院的研究生Abu Sayed Chowdhury和Shira Broschat教授，以及保罗·艾伦全球动物卫生学院的Douglas Call，都在著名的《科学报告》杂志上报告了他们的工作。
在世界范围内，越来越多的抗生素耐药性细菌成为日益严重的问题。每年，美国有数百万人感染了抗药性病原体，成千上万人死于无法治疗的肺炎或血液感染。
WSU研究生Abu Sayed Chowdhury。
近年来，研究人员一直在努力利用基因组测序来鉴定抗生素抗性基因，在公共数据库中寻找相似的基因序列。这可用于识别著名的抗生素抗性基因，但不能阻止新的或异常的基因。
卡尔说：“自然界中似乎存在着大量的抗生素抗性基因。”“该工具使我们能够根据与公共数据库的简单序列比较，鉴定无法识别的推定抗性基因。”
Shira Broschat，WSU电机工程与计算机科学学院教授。
在他们的工作中，WSU团队决定使用博弈论（一种在多个领域，尤其是经济学领域中使用的工具）来模拟博弈者之间的战略互动，以帮助识别抗生素抗性基因。在博弈论中，模型确定一个参与者的行为如何影响并取决于其他参与者的行为。
研究人员使用他们的机器学习算法和博弈论方法，研究了遗传物质几个特征的相互作用，包括结构和蛋白质序列的物理化学，进化和组成特性，而不是简单的序列相似性。
Broschat说：“这种新颖的博弈论方法特别强大，因为在选择功能时要根据它们在整体上协同工作的能力来确定可能的抗微生物基因，同时要考虑到功能的相关性和相互依赖性。”
研究人员能够以高精度使用该方法来鉴定抗药性基因。
她说：“随着抗菌素耐药性和可用测序基因组数量的增长，使用机器学习预测抗菌素耐药性代表了在该领域提供新的，更准确的工具方面的重大进展。”
接下来，研究人员将致力于改进他们的模型，并开发一种用户友好且公开可用的版本，以预测抗菌素耐药性。这项工作部分由卡尔·汉森基金会（Carl M. Hansen Foundation）资助。
参考：Abu Sayed Chowdhury，Douglas R.Call和Shira L.Broschat撰写的“通过基于博弈论的特征评估对革兰氏阴性细菌的抗菌素耐药性预测”，科学报告，DOI：2019年10月9日
。10.1038 / s41598-019-50686-z
