机器学习和遗传学分析允许预测M.结核病的抗生素耐药性
Alper Yurtseven1,2, Sofia Buyanova3, Amay Ajaykumar Agrawal4,5
1Department of Drug Bioinformatics, Helmholtz Institute for Pharmaceutical Research Saarland (HIPS), Helmholtz Centre for Infection Research (HZI), Campus E8.1, Saarbrücken, 66123, Saarland, Germany. alper.yurtseven@helmholtz-hips.de.
BMC microbiology
|December 21, 2023
概括
这项研究引入了一种新的类型学相关并行性评分 (PRPS) 来改进用于预测抗菌素耐药性 (AMR) 的机器学习模型. 纳入进化关系可以提高模型性能,并识别新的阻力标记.
科学领域:
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 抗微生物耐药性 (AMR) 是一个主要的全球健康问题,需要准确预测细菌耐药性模式.
- 机器学习 (ML) 模型分析AMR数据,但往往忽视细菌进化关系,影响性能.
- 现有的全基因组关联研究 (GWAS) 解释了进化,但只确定了成熟的变异.
研究的目的:
- 开发一种新的方法,将家族遗传关系纳入ML模型,以提高AMR预测.
- 提高识别耐药性相关遗传特征的准确性和生物相关性.
- 为了确定与抗菌素耐药性相关的新型候选突变.
主要方法:
- 引入了与系谱相关的并行性得分 (PRPS) 来量化特征与人口结构的相关性.
- PRPS与支持矢量机 (SVM) 和随机森林模型的集成.
- 该管道应用于来自PATRIC数据库的Mycobacterium结核病AMR数据.
主要成果:
- 与ML模型相结合的PRPS减少了特征数量,同时提高了预测性能.
- 已知与AMR相关的突变被成功重新识别.
- 发现了可能与耐药性相关的新候选突变.
结论:
- 遗传学关系显著提高了ML模型在AMR预测中的性能.
- 开发的管道产生了更多生物相关的耐药性标志物.
- 这种方法有助于发现与AMR相关的新型突变.
相关概念视频
02:54Evolutionary Relationships through Genome Comparisons
5.7K
Genome comparison is one of the excellent ways to interpret the evolutionary relationships between organisms. The basic principle of genome comparison is that if two species share a common feature, it is likely encoded by the DNA sequence conserved between both species. The advent of genome sequencing technologies in the late 20th century enabled scientists to understand the concept of conservation of domains between species and helped them to deduce evolutionary relationships across diverse...
5.7K
00:57Antibiotic Selection
53.9K
Overview
53.9K