不变集合理论用于预测抗生素循环的潜在失败

科学领域:

• 数学生物学 数学生物学
• 进化的动力学.
• 计算生物学 计算生物学

背景情况:

• 抗菌素耐药性 (AMR) 是全球主要的健康威胁.
• 附带敏感性 (CS) 通过将对一种药物的耐药性与对另一种药物的敏感性联系起来,提供了对抗AMR的潜在策略.
• 预测CS的进化结果仍然是一个重大挑战.

研究的目的:

• 开发一个数学模型,预测抵押品敏感性路径的演变.
• 为优化连续药物疗法提供洞察力,以对抗AMR.
• 为了确定慢性感染的有效顺序疗法,如Pseudomonas aeruginosa*.

主要方法:

• 将健身权衡和适应性景观集成到数学模型中.
• 交换系统的网络来表示连续的抗生素暴露效应.
• 对系统稳定性的分析和对治疗窗口定制的设置控制理论的应用.
• 开发一种用于识别顺序治疗的计算算法.

主要成果:

• 该模型预测了抵押品敏感性的进化路径.
• 设置控制理论有助于量身定制治疗窗口,以优化药物测序.
• 建议使用计算算法来识别有效的顺序疗法.
• 预测的情景是为了防止慢性*Pseudomonas aeruginosa*感染的细菌逃逸.

结论:

• 开发的数学框架促进了对抵押品敏感性演变的理解.
• 拟议的计算算法可以指导新型序列抗生素策略的设计.
• 这种方法对治疗慢性细菌感染和对抗AMR充满希望.