基因组分析和基于机器学习的特征选择策略揭示了Nakaseomyces glabratus中潜在的耐药性决定因素
Qiqi Wang1, Runhong Chen2, Xin Cao2
1Department of Dermatology and Venerology, Peking University First Hospital, National Clinical Research Center for Skin and Immune Diseases, Research Center for Medical Mycology, Peking University, Beijing Key Laboratory of Molecular Diagnosis on Dermatoses, Beijing, People's Republic of China.
Emerging microbes & infections
|November 27, 2025
概括
在Nakaseomyces glabratus中发现了与侵袭性 кандидоз抗真菌耐药性相关的基因组特征. 机器学习和全基因组分析确定了PDR1突变,有助于预测和对抗耐药性真菌感染.
科学领域:
- 医学真菌学 医学真菌学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 由Nakaseomyces glabratus引起的侵入性候群病具有显著的发病率和死亡率,由抗真菌耐药性加剧.
- 识别与耐药性相关的基因组标记物对于有效的治疗策略至关重要.
研究的目的:
- 为了确定与N. glabratus.药物耐药性相关的基因组特征.
- 探索机器学习对预测抗真菌耐药性决定因素的实用性.
主要方法:
- 对109个临床N. glabratus菌株进行全基因组分析.
- 全基因组关联研究 (GWAS) 以确定与耐药性相关的基因组特征.
- 基于机器学习 (ML) 的特征选择 (MLFS) 用于增强对阻力决定因素的识别.
主要成果:
- GWAS确定了与药物耐药性相关的PDR1突变和GLEYA含有的蛋白质基因.
- 在MLFS策略中,特定的PDR1突变 (Y682C,I380L) 被确定为关键抗性决定因素.
- 基因编辑证实Y682C和I380L突变赋予了三醇耐药性.
结论:
- 该MLFS策略显示了预测N. glabratus.耐药性和识别新型耐药性决定因素的高能力.
- 了解基因组特征对于对抗耐药性侵袭性候群病至关重要.
- 这项研究为开发针对抗药性真菌病原体的向治疗提供了宝贵的见解.


