更新的世卫组织突变目录的优势与现有的基于全基因组测序的方法相结合,用于预测Mycobacterium结核病耐药性的优势

科学领域:

• 基因组学和生物信息学
• 传染病研究 传染病研究
• 计算生物学 计算生物学

背景情况:

• 世界卫生组织 (WHO) 发布了一份更新的目录,用于预测Mycobacterium结核病 (MTB) 的耐药性.
• 现有的基于全基因组测序 (WGS) 的预测方法需要根据这个新目录进行评估.
• 提出了一种优化MTB药物耐药性预测的新方法.

研究的目的:

• 评估世卫组织MTB突变目录与现有的基于WGS的预测工具的有效性.
• 开发和验证一个改进的计算模型,用于MTB药物易感性预测.
• 提高预测MTB中耐药性的准确性.

主要方法:

• 五种工具 (世卫组织目录,结核病分析仪,SAM-TB,GenTB,MD-CNN) 的准确性评估,使用了36385个MTB分离物与表型药物敏感性测试 (DST) 和WGS数据的全球数据集.
• 开发一个整体机器学习框架,整合来自五种工具的基因型DST预测.
• 对来自中国深和西班牙瓦伦西亚的独立MTB隔离数据集的集合模型的验证.

主要成果:

• 在单个工具中,MD-CNN显示了最高的整体性能 (AUC 92.1%) .
• 世卫组织目录实现了高特异性 (97.3%),而结核病分析提供了最佳的灵敏度 (79.5%).
• 整体机器学习模型的表现优于所有单个工具,AUC达到93.4%,提高了灵敏度 (84.1%) 和特异性 (95.4%),特别是在二线药物中.

结论:

• 世卫组织MTB突变目录的第二版本身并没有超过现有的预测工具.
• 结合世卫组织目录和其他基因型DST方法的综合方法显著提高了MTB药物耐药性预测的准确性.
• 开发的整体模型为预测MTB药物耐药性提供了更准确的计算工具.