生物信息分析揭示了使用光显微镜与深度学习的细菌形态和抗生素耐药性之间的关联

科学领域:

• 微生物学 微生物学
• 遗传学 遗传学 是一个
• 生物信息学是一种生物信息学.

背景情况:

• 细菌的抗生素耐药性是一个日益严重的全球健康问题.
• 已知暴露于抗生素后细菌形态的变化,但没有抗生素的耐药菌株形态研究不足.
• 大肠杆菌作为研究细菌适应和耐药性的模型生物.

研究的目的:

• 在没有抗生素的情况下研究抗生素耐药性大肠杆菌菌株的形态特征.
• 为了确定抗生素耐药和敏感菌株之间的特定形态差异.
• 探索形态,基因表达和抗生素耐药机制之间的关系.

主要方法:

• 培养和显微镜观察了10种抗生素耐药的大肠杆菌菌株和一个敏感的父母菌株.
• 生物信息分析和细胞形态分类的集群分析.
• 形态特征和基因表达数据之间的相关性分析.
• 开发和应用深度学习方法用于单细胞分类.

主要成果:

• 与敏感菌株相比,抗生素耐药菌株表现出不同的形态.
• 形态差异在抗诺和β-乳酸盐的细菌中最为明显,表现出更胖或更短细胞的比例增加.
• 参与能量代谢和抗生素耐药性的基因与观察到的形态变化有显著的相关性.
• 提出的深度学习方法在对抗性菌株的分类方面表现出了很高的性能.

结论:

• 大肠杆菌的抗生素耐药性与细胞形态的显著改变有关,即使没有抗生素压力.
• 形态变化与特定的抵抗机制和代谢适应有关.
• 深度学习为分析和分类细菌细胞形态在抗生素耐药性研究的背景下提供了一个强大的工具.