全球病原基因组分析确定了12种物种的已知和候选遗传抗菌素耐药性决定因素

科学领域:

• 基因组学就是基因组学.
• 机器学习 机器学习
• 微生物学 微生物学

背景情况:

• 抗菌素耐药性 (AMR) 构成了全球健康的重大威胁.
• 来自监测计划的大规模基因组数据为发现AMR机制提供了机会.

研究的目的:

• 开发和验证一个可扩展的工作流程,整合泛基因学,基因注释和机器学习来识别抗菌素耐药性 (AMR) 基因.
• 分析跨物种和系遗传学类的AMR基因分布.
• 发现新的AMR基因候选者并验证它们的功能.

主要方法:

• 整合泛基因组学,基因注释和机器学习算法.
• 应用到27155个细菌基因组,涉及12个物种和69种药物.
• 使用面向发现的支持矢量机器 (SVM) 进行基因识别.
• 在大肠杆菌中预测的AMR基因候选者的实验验证.

主要成果:

• 抗微生物药物耐药性基因转移在很大程度上局限于相关物种,在多个家族遗传学类中只发现了8个基因.
• 在识别已知的AMR基因方面,以发现为导向的SVM在识别已知的AMR基因方面超过了现有方法 (Pyseer) (263对145).
• 确定了142个新的AMR基因候选者,其中2个被验证在大肠杆菌中赋予条件耐药性.

结论:

• 开发的工作流程有效地在规模上识别AMR基因,并发现新的候选者.
• 这些发现突出了AMR基因传播的特定物种模式.
• 这种方法可以适应在各种物种中发现与其他表型相关的基因.