網頁新知
張貼日期
2019-06-11 00:00:00.0
 
主題
以人工智慧辨識抗生素抗性基因
 
內容大綱
今年五月在科學人雜誌(The Scientist)刊出一篇,標題為運用機器學習可以對抗抗生素抗性。其源自於聯合國警告可抵禦抗生素的超級細菌近年的大幅增加,已經將可能構成全球衛生威脅,並可能於2050年造成一千萬人喪命,現在多數醫療機構都知道避免抗生素的濫用以降低抗藥性菌株的發生,但最重要的另一塊,就是環境保護,因為發現抗藥性發生的其中一個關鍵因子是,抗生素的汙染環境而導致細菌具有強大的抗藥性。
研究人員花了十年收集5278株常見於造成食物中毒的食源性病原菌Salmonella菌株全基因體,並盡可能取得每一菌株的抗生素抗性圖譜,即15個常用抗生素的最小抑制濃度,且這些分離株來自於生鮮肉品或食品。研究人員利用一種KMC的程序,將每個菌株基因體序列以10個鹼基為一個特徵,向軌道樣滑過序列一個接著一個轉化數據建立矩陣,然後將這些特徵與MIC的數據資料載入到機器學習演算法來預測標的菌株的MIC。因為每10個鹼基特徵對應一個MIC的特徵,最後得到預測菌株是抗生素抗性的準確度可達90%以上。因此這個研究的重點在於,若得到一株新的菌株基因體,是可以確認對抗生素的抗性圖譜並且可能找到新的抗性基因,這就足以解決比對不到現有抗生素抗性基因資料庫(例如CARD)的問題,包括其他外在因子的影響基因,例如有部分菌株的抗性特性是會將毒性物質排出體外的機制,因此這個方法可以預測正確的MIC外,同時也可以盡快了解新的抗性基因途徑,找到對抗這種菌株的治療方法。

參考文獻
1. AMBER DANCE. The Scientist, May 1, 2019. Researchers are using artificial intelligence to identify known and novel resistance genes.
2. Nguyen M, Long SW, McDermott PF, Olsen RJ, Olson R, Stevens RL, Tyson GH, Zhao S, Davis JJ. 2019. Using machine learning to predict antimicrobial MICs and associated genomic features for nontyphoidal Salmonella. J Clin Microbiol 57:e01260-18.
 
附加檔案