Исследователи успешно выявили устойчивость бактерий к антибиотикам с помощью теории игр

Исследователи из Университета штата Вашингтон разработали новый способ выявления ранее неизвестных генов устойчивости к антибиотикам у бактерий.

С помощью машинного обучения и теории игр исследователи смогли определить с точностью от 93 до 99% наличие генов устойчивости у трёх различных типов бактерий.

Результаты работы, проведённой аспирантом Абу Сайедом Чоудхури, профессором Широй Брошат и Дугласом Коллом, опубликованы в высокорейтинговом журнале Scientific Reports.

Распространение устойчивых к антибиотикам бактерий — растущая проблема во всём мире. Ежегодно миллионы людей в США заражаются устойчивыми патогенами, а тысячи умирают от пневмонии или инфекций кровотока, которые становится невозможно лечить.

В последние годы исследователи пытались использовать секвенирование генома для идентификации генов устойчивости, ища схожие последовательности в публичных базах данных. Этот метод работает для выявления хорошо известных генов, но не справляется с новыми или необычными.

«Похоже, в природе существует огромный резервуар генов устойчивости к антибиотикам. Этот инструмент позволяет нам выявлять предполагаемые гены устойчивости, которые не были бы распознаны на основе простого сравнения последовательностей с публичными базами данных», — сказал Колл.

Команда использовала теорию игр — инструмент, применяемый в экономике для моделирования стратегического взаимодействия между игроками, — чтобы помочь в идентификации генов устойчивости.

В их подходе модели теории игр определяют, как поведение одного участника влияет на других и зависит от него.

Используя алгоритм машинного обучения и теорию игр, исследователи анализировали взаимодействие нескольких характеристик генетического материала: его структуры, физико-химических, эволюционных и композиционных свойств белковых последовательностей, а не просто их сходство по последовательности.

«Этот новый подход на основе теории игр особенно эффективен, потому что характеристики выбираются на основе того, насколько хорошо они работают вместе как единое целое для выявления вероятных генов устойчивости — с учётом как релевантности, так и взаимозависимости признаков», — пояснила Брошат.

Исследователям удалось с высокой точностью использовать этот подход для идентификации генов устойчивости.

«С ростом как антимикробной резистентности, так и числа доступных секвенированных геномов, использование машинного обучения для её предсказания представляет собой значительный шаг вперёд в создании новых и более точных инструментов в этой области», — отметила она.