预测Mycobacterium结核病中的里法素耐药性,使用由蛋白质结构和化学特征告知的机器学习
Charlotte I Lynch1,2, Dylan Adlard1,2, Philip W Fowler1,3,4
1Nuffield Department of Medicine, University of Oxford, Oxford, UK.
ERJ open research
|July 1, 2025
概括
机器学习模型可以通过分析rpoB基因突变来预测结核病中的瑞芬辛耐药性. 这些模型为基因测试提供了一个补充的方法,有助于对药物敏感性的预测.
科学领域:
- 微生物学 微生物学
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- 利芬素对于结核病治疗至关重要.
- 预测来自rpoB基因突变的耐药性是具有挑战性的,因为新型变异.
- 基于遗传学的药物敏感性测试需要补充方法.
研究的目的:
- 开发机器学习模型来预测利芬素耐药性.
- 为了补充现有的药物敏感性测试遗传方法.
主要方法:
- 在rpoB基因中对敏感和耐药性相关变异 (RAVs) 的数据集进行训练的机器学习模型.
- 使用的特征包括与利芬素结合部位相对的突变位置.
- 由于RAV数量有限,使用蒙特卡洛交叉验证.
主要成果:
- 四个机器学习模型表现出良好的性能,灵敏度在0.84-0.88之间,特异性在0.94-0.97.
- 决策树模型的集合是首选的解释性.
- 分子动力学模拟并没有提高预测性能.
结论:
- 机器学习模型可以使用组合特征来预测来自rpoB突变的瑞芬辛耐药性.
- 模型性能适度,数据稀缺使训练复杂化.
- 这些模型提供了一个潜在的工具,可以帮助预测临床耐药性.


