一个可解释的人工智能框架揭示了与Mycobacterium结核病耐药性相关的突变
Hui Cen1, Peng Zhang1, Yunchao Ling1
1Bio-Med Big Data Center, Shanghai Institute of Nutrition and Health, University of Chinese Academy of Sciences, Chinese Academy of Sciences, Shanghai 200031, China.
一个可解释的AI框架,xAI-MTBDR,准确地预测了Mycobacterium结核病 (MTB) 的耐药性. 它确定了新的耐药性标记物,有助于开发新的结核病治疗方法.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 微生物学 微生物学
背景情况:
- 在Mycobacterium结核病 (MTB) 中的耐药性构成了全球重大健康挑战.
- 目前用于识别与耐药性相关突变的现有方法需要改进,以便及时检测和有效治疗指导.
- 了解MTB的耐药机制对于抗击结核病至关重要.
研究的目的:
- 引入xAI-MTBDR,这是一个可解释的人工智能框架,用于识别MTB中潜在的耐药性相关突变.
- 预测MTB中的耐药性,并得分个别突变的贡献.
- 发现新的耐药性标志物和阐明MTB耐药性机制.
主要方法:
- 从近4万个MTB分离物中获取了公开的全基因组测序数据.
- 开发并应用了一个可解释的人工智能 (xAI) 框架,xAI-MTBDR.
- 验证了框架的性能与预测耐药性的最先进方法相比.
主要成果:
- xAI-MTBDR在预测对所有一线抗结核病药物的耐药性方面超过了现有的方法.
- 确定了788个候选耐药性相关突变和27个潜在的新型耐药性标志物.
- 在蛋白质结构中发现了几种潜在的标记物,这些标记物位于更接近药物点的蛋白质结构中,这表明它在耐药性方面发挥了更直接的作用.
结论:
- xAI-MTBDR是准确检测耐药MTB的一个有价值的工具.
- 该框架为MTB耐药性的机制提供了新的见解.
- 识别出潜在的耐药性标志物可以指导未来对结核病的研究和治疗策略.
更多相关视频
09:57System for Efficacy and Cytotoxicity Screening of Inhibitors Targeting Intracellular Mycobacterium tuberculosis
Published on: April 5, 2017
08:46Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms
Published on: December 9, 2015
相关概念视频
Development of Antibiotic Resistance
Mutations in Microorganisms
Mismatch Repair
Mismatch Repair
The Mutator Protein Family Plays a Key Role in DNA Mismatch Repair
The human genome has more than 3 billion base pairs of DNA per cell. Prior to cell division, that vast amount of genetic...
Treatment Resistant Cancers
Antibiotic Selection
