Программа может упростить выявление смертельно опасных бактерий, устойчивых к противомикробным препаратам, которые существуют в окружающей среде. Такие микробы ежегодно вызывают более 2.8 миллионов трудноизлечимых пневмоний, инфекций кровотока и других инфекций и 35 000 смертей в США.S.
Исследователи, в том числе аспирант по информатике Абу Сайед Чоудхури, Шира Брошат из школы электротехники и компьютерных наук и Дуглас Колл из школы Пола Дж. Allen School for Global Animal Health, отчет о своей работе в журнале Scientific Reports.
Устойчивость к противомикробным препаратам (УПП) возникает, когда бактерии или другие микроорганизмы развиваются или приобретают гены, кодирующие механизмы устойчивости к лекарствам.
Бактерии, вызывающие стафилококковые или стрептококковые инфекции или такие заболевания, как туберкулез и пневмония, выработали устойчивые к лекарствам штаммы, которые делают их лечение все более трудным, а иногда и невозможным. Ожидается, что в будущие десятилетия проблема усугубится с точки зрения увеличения числа инфекций, смертей и расходов на здоровье, поскольку бактерии эволюционируют, чтобы «перехитрить» ограниченное количество методов лечения антибиотиками.
«Нам необходимо разработать инструменты для простого и эффективного прогнозирования устойчивости к противомикробным препаратам, которая все больше угрожает здоровью и средствам к существованию во всем мире», – сказал Чоудхури, ведущий автор статьи.
Поскольку крупномасштабное генетическое секвенирование стало проще, исследователи ищут гены AMR в окружающей среде. Исследователей интересует, где микробы обитают в почве и воде и как они могут распространяться и влиять на здоровье человека.
Хотя они способны идентифицировать гены, похожие на известные гены устойчивости к AMR, им, вероятно, не хватает генов устойчивости, которые выглядят очень уникальными с точки зрения белковой последовательности.
Исследовательская группа WSU разработала алгоритм машинного обучения, который использует особенности белков AMR, а не сходство последовательностей генов, для идентификации генов AMR. Исследователи использовали теорию игр – инструмент, который используется в нескольких областях, особенно в экономике, для моделирования стратегических взаимодействий между игроками, что, в свою очередь, помогает идентифицировать гены AMR. Используя свой алгоритм машинного обучения и подход теории игр, исследователи изучили взаимодействие нескольких характеристик генетического материала, включая его структуру, а также физико-химические и композиционные свойства белковых последовательностей, а не просто сходство последовательностей.
«Наше программное обеспечение можно использовать для более глубокого анализа метагеномных данных, чем можно было бы достичь с помощью простых алгоритмов сопоставления последовательностей», – сказал Чоудхури. "Это может быть важным инструментом для выявления новых генов устойчивости к противомикробным препаратам, которые в конечном итоге могут стать клинически важными."
«Достоинство этой программы в том, что мы действительно можем обнаружить AMR в недавно секвенированных геномах», – сказал Брошат. "Это способ идентификации генов AMR и их распространенности, который иначе не мог бы быть обнаружен. Это действительно важно."
Команда WSU рассмотрела гены устойчивости, обнаруженные у видов Clostridium, Enterococcus, Staphylococcus, Streptococcus и Listeria. Эти бактерии являются причиной многих серьезных инфекций и инфекционных заболеваний, включая стафилококковые инфекции, пищевые отравления, пневмонию и опасный для жизни колит, вызванный C. difficile.
Они смогли точно классифицировать устойчивые гены с точностью до 90 процентов.
Они разработали программный пакет, который можно легко загрузить и использовать другими исследователями для поиска УПП в больших пулах генетического материала. Программное обеспечение также может быть улучшено с течением времени. Пока он обучается на доступных в настоящее время данных, исследователи смогут повторно обучить алгоритм по мере того, как станет доступным больше данных и последовательностей.
«Вы можете загружать и улучшать программное обеспечение по мере поступления более положительных данных», – сказал Брошат.
Работа частично финансировалась Carl M. Фонд Хансена.