全ゲノムシーケンシングと機械学習により,リファンピシン耐性結核における唾液変換の遅延の主な要因が明らかになった

科学分野:

• 微生物学
• ゲノミクス
• コンピュータ生物学

背景:

• リファンピシン耐性結核 (RR-TB) は,世界的な健康上の重大な脅威となっている.
• RR- TB患者におけるスプータム培養 (SCC) の遅延は,不良治療結果と関連しています.
• RR-TBの管理を最適化するために,SCCの障害を決定する要因を特定することが重要です.

研究 の 目的:

• 全ゲノムシーケンシング (WGS) と機械学習 (ML) を統合して,RR-TB患者におけるSCC不全に関連した臨床的およびゲノム的要因を特定する.
• WGSと臨床データを用いてSCC障害の予測モデルを開発する.
• RR-TBの標的型治療戦略を導き出すこと

主な方法:

• 150人のRR-TB患者 (2019-2023) の全ゲノムシーケンシングとフェノタイプ/ゲノタイプ分析.
• 機械学習 (ランダムフォレスト) が2ヶ月と6ヶ月でSCC障害の予測要因を特定するために適用された.
• 単変数および多変数ロジスティック回帰分析は,独立した予測値を決定します.

主要な成果:

• イソニアジド耐性 (74. 0%) と< rpoB >変異 (97. 3%) の高い割合が観察され,その90%は系統2 (北京系) に属していた.
• 64. 7%が2ヶ月後にSCCを達成し,18%が6ヶ月後に培養陽性となった.
• 2ヶ月のSCC不全の独立予測要因には,スプレーの陽性性とレボフロクサシン耐性が含まれていた. 特定の変異 (例えば,embB_p.Met306Ile,katG_p.Ser315Thr,gyrA_p.Asp94Gly) と臨床的要因を強調した.

結論:

• スプレーの陽性性,レボフロクサシン耐性,および特定の遺伝子変異は,RR- TBにおけるSCC不全の重要な要因である.
• WGSと臨床データを統合したMLモデルは,SCCの失敗を効果的に予測できます.
• RR-TBの個別化および標的型治療戦略の開発を支援しています.