Video Experimental Relacionado
Updated: Sep 10, 2025

Time-Lapse Epifluorescence Microscopy Imaging of Pseudomonas aeruginosa and Staphylococcus aureus Heterogeneous Phenotypes
Published on: February 14, 2025
Información sobre las características derivadas del FTIR para predecir la progresión de la resistencia a los
Mitchell Bonner1, Claudia P Barrera Patiño1,2, Andrew Ramos Borsatto1
1Biomedical Engineering, Texas A&M University, 400 Bizzell St, College Station, TX 77843, USA.
La resistencia a los antibióticos es un proceso dinámico, no un rasgo estático. La espectroscopia infrarroja con transformación de Fourier (FTIR) combinada con el aprendizaje automático (ML) puede rastrear el desarrollo de la resistencia en las bacterias a lo largo del tiempo, lo que permite estrategias de tratamiento personalizadas.
Área de la Ciencia:
- Microbiología
- Espectroscopia
- Biología computacional
Sus antecedentes:
- La resistencia a los antibióticos es una amenaza creciente para la salud mundial.
- Los diagnósticos convencionales a menudo tratan la resistencia como un rasgo binario, sin capturar su naturaleza dinámica.
- La comprensión de la progresión temporal de la resistencia es crucial para un tratamiento eficaz.
Objetivo del estudio:
- Investigar la utilidad de la espectroscopia infrarroja con transformación de Fourier (FTIR) y el aprendizaje automático (ML) para el seguimiento del desarrollo dinámico de la resistencia a los antibióticos.
- Determinar cómo las características espectrales y los parámetros de análisis influyen en la precisión de la clasificación de la resistencia.
- Explorar el potencial de monitoreo en tiempo real de la adaptación bacteriana a los antibióticos.
Principales métodos:
- Se utilizó la espectroscopia infrarroja con transformación de Fourier (FTIR) para recopilar datos espectrales de Staphylococcus aureus.
- Las bacterias fueron expuestas a azitromicina, trimetoprim/sulfametoxazol y oxacilina durante el tiempo de inducción de la resistencia.
- El análisis de componentes principales (PCA) y los algoritmos de aprendizaje automático (ML) se aplicaron a los espectros FTIR para identificar patrones de resistencia.
Principales resultados:
- El perfil bioquímico basado en FTIR, integrado con ML, identificó con precisión la resistencia a los antibióticos.
- La precisión de clasificación alcanzó hasta el 96%, dependiendo del antibiótico y los parámetros analíticos.
- Los primeros signos de resistencia se detectaron tan pronto como 24 horas después de la exposición.
- La combinación de múltiples regiones espectrales mejoró significativamente el rendimiento del modelo en comparación con las regiones individuales.
Conclusiones:
- La resistencia a los antibióticos debe considerarse una trayectoria adaptativa dinámica y dependiente del tiempo.
- FTIR junto con ML ofrece una poderosa herramienta para el monitoreo en tiempo real de la resistencia.
- Este enfoque apoya el manejo antimicrobiano adaptativo y las decisiones terapéuticas personalizadas a través de biomarcadores espectrales.
Videos de Conceptos Relacionados
Development of Antibiotic Resistance
Antibiotic Selection

