利用机器学习来预测在接受诱导化疗的急性髓性白血病患者中抗生素耐药性事件的结果
Stephanie McMahon1, Samantha Franklin1, Jessica Galloway-Peña1
1Laboratory of Jessica Galloway-Peña, Texas A&M University, Department of Veterinary Pathobiology, Interdisciplinary Graduate Program in Genetics and Genomics, College Station, TX, United States.
Frontiers in cellular and infection microbiology
|September 8, 2025
概括
这项研究通过分析肠道微生物群和抗生素耐药性基因,预测急性髓性白血病 (AML) 患者的抗生素耐药性 (AR) 事件. 某些肠道细菌和耐药性基因类可以降低化疗期间AR事件的风险.
科学领域:
- 微生物组研究的研究.
- 传染病流行病学 传染病流行病学
- 计算生物学是一种计算生物学.
背景情况:
- 急性髓性白血病 (AML) 患者面临高感染风险.
- 化疗引起的肠道微生物组破坏增加了抗生素耐药 (AR) 病原体的风险.
- 关于癌症患者的AR风险因素和预测模型的数据有限.
研究的目的:
- 在AML患者中开发AR事件的预测模型.
- 为了风险预测,整合元基因组和抗生素管理数据.
- 确定与AR事件相关的关键微生物和遗传因素.
主要方法:
- 利用了95名患者的基线便微生物组,抗生素管理,抗体和临床数据.
- 开发了一个随机森林模型来预测AR感染和殖民事件.
- 采用稀疏的正统相关性分析和斯皮尔曼相关性网络来分析数据.
主要成果:
- 一个随机森林模型在预测AR事件时实现了0.73的AUC.
- 关键预测因素包括细菌种类 (例如, * Methanobrevibacter smithii * , * Clostridium leptum * , * Bacteroides dorei *) 和抗生素耐药性基因 (ARG) 类.
- 特定的开始性细菌与减少AR事件风险有关,而某些ARG类显示出负面关联.
结论:
- 整合微生物组和抗体组数据可以改善易受伤害的患者的AR事件风险预测.
- 确定了开始性细菌在维持肠道弹性方面的潜在保护作用.
- 强调了这些特征对于理解和减轻AR结果的价值.
