Un profundo marco de red siamés para la selección de fagos de precisión en infecciones pulmonares

Área de la Ciencia:

• Biotecnología La biotecnología es la biotecnología.
• Enfermedades infecciosas Enfermedades infecciosas.
• Biología computacional Biología computacional.

Sus antecedentes:

• Las infecciones pulmonares son un gran problema de salud mundial, especialmente en pacientes con enfermedades pulmonares crónicas.
• La resistencia a los antimicrobianos complica el tratamiento, lo que requiere nuevas estrategias terapéuticas como la terapia de fagos.
• Los métodos actuales de inteligencia artificial (IA) para la selección de fagos carecen de precisión para predecir las interacciones entre fagos y bacterias.

Objetivo del estudio:

• Desarrollar una red siamesa profunda para la selección precisa de fagos en infecciones pulmonares.
• Mejorar la precisión de la predicción de las interacciones entre fagos y bacterias huésped para la traducción clínica de la terapia de fagos.

Principales métodos:

• Se codificaron secuencias genómicas de fagos y huéspedes utilizando la segmentación k-mer y el modelo skip-gram.
• Las Redes Neurales Convolucionales (CNN) y los Transformadores se utilizaron para extraer características genómicas locales y globales.
• Un profundo marco de red siamés fusionó características para predecir las interacciones entre fagos y huéspedes.

Principales resultados:

• La red siamesa profunda propuesta demostró un rendimiento superior en la identificación de fagos específicos para huéspedes bacterianos.
• El método logró una alta precisión en la predicción de las interacciones entre fagos y bacterias, superando las limitaciones de los enfoques de IA existentes.

Conclusiones:

• El marco de IA desarrollado muestra un potencial significativo para la selección de fagos de precisión en el tratamiento de infecciones pulmonares.
• Este enfoque apoya la aplicación clínica de la terapia de fagos contra patógenos bacterianos resistentes a los medicamentos.