预测时间依赖的抗生素耐药性进展的FTIR衍生特征洞察
Mitchell Bonner1, Claudia P Barrera Patiño1,2, Andrew Ramos Borsatto1
1Biomedical Engineering, Texas A&M University, 400 Bizzell St, College Station, TX 77843, USA.
Antibiotics (Basel, Switzerland)
|August 28, 2025
概括
抗生素耐药性是一个动态的过程, 福里埃变换红外光谱 (FTIR) 与机器学习 (ML) 结合,可以随着时间的推移跟踪细菌的耐药性发展,从而实现个性化治疗策略.
科学领域:
- 微生物学
- 光谱学
- 计算生物学
背景情况:
- 抗生素耐药性是一个日益增长的全球健康威胁.
- 常规诊断通常将耐药性视为一种二元性质,
- 了解耐药性的时间进展对于有效治疗至关重要.
研究的目的:
- 调查福里埃变换红外光谱 (FTIR) 和机器学习 (ML) 对于监测抗生素耐药性的动态发展的有用性.
- 确定光谱特征和分析参数如何影响电阻分类的准确性.
- 探索实时监测细菌适应抗生素的可能性.
主要方法:
- 采用富里埃变换红外光谱 (FTIR) 来收集金色葡萄球菌的光谱数据.
- 在耐药性诱导过程中,细菌随着时间的推移暴露于阿兹特罗米辛,三甲/硫和素.
- 用主要组件分析 (PCA) 和机器学习算法 (ML) 对FTIR光谱进行了分析,以确定抗性模式.
主要成果:
- 基于FTIR的生物化学分析,与ML整合,准确地确定了抗生素耐药性.
- 根据抗生素和分析参数,分类准确度高达96%.
- 早在暴露后24小时就发现了耐药性的早期迹象.
- 与单个区域相比,结合多个频谱区域显著提高了模型性能.
结论:
- 抗生素耐药性应被视为一个动态的,时间依赖的适应性轨迹.
- 与ML相结合的FTIR提供了实时监控电阻的强大工具.
- 这种方法支持通过光谱生物标志物进行适应性抗菌管理和个性化治疗决策.
相关概念视频
Development of Antibiotic Resistance
197
Antibiotic resistance is a major public health concern that arises when bacteria evolve mechanisms to withstand the effects of antibiotic treatments. This resistance can be intrinsic, acquired through genetic mutations, or transferred between bacteria via horizontal gene transfer. The development of antibiotic resistance poses significant challenges in treating bacterial infections and necessitates ongoing research to develop new therapeutic strategies.Intrinsic resistance occurs when bacterial...
197
Antibiotic Selection
55.2K
Overview
55.2K


