Машинное обучение выявляет гены устойчивости к антибиотикам у бактерий, вызывающих туберкулез

Исследователи из Калифорнийского университета в Сан-Диего разработали подход, использующий машинное обучение для идентификации и прогнозирования того, какие гены делают инфекционные бактерии устойчивыми к антибиотикам. Подход был протестирован на штаммах Mycobacterium tuberculosis — бактерии, вызывающей туберкулез (ТБ) у человека. Он выявил 33 известных и 24 новых гена устойчивости к антибиотикам у этих бактерий.

По словам исследователей, подход можно применять и к другим патогенам, вызывающим инфекции, включая стафилококк и бактерии, вызывающие инфекции мочевыводящих путей, пневмонию и менингит. Работа недавно опубликована в Nature Communications.

"Знание того, какие гены обеспечивают устойчивость к антибиотикам, может изменить подход к лечению инфекционных заболеваний в будущем", — сказал соавтор Джонатан Монк. "Например, если в клинике есть стойкая инфекция ТБ, врачи могут секвенировать этот штамм, изучить его гены и выяснить, к каким антибиотикам он устойчив, а к каким восприимчив, а затем назначить правильный антибиотик для этого штамма".

"Это может открыть возможности для персонализированного лечения вашего патогена. Каждый штамм отличается и, возможно, должен лечиться по-разному", — сказал соавтор Бернхард Палссон. "С помощью этого машинного анализа пангенома — полного набора всех генов во всех штаммах вида бактерий — мы можем лучше понять свойства, которые делают эти штаммы разными".

Команда обучила алгоритм машинного обучения, используя геномные последовательности и фенотипы — наблюдаемые физические признаки, такие как устойчивость к антибиотикам — более 1500 штаммов M. tuberculosis. На основе этих данных алгоритм предсказал набор генов и их вариантных форм, называемых аллелями, которые вызывают устойчивость к антибиотикам. 33 были подтверждены как известные гены устойчивости, остальные 24 — новые предсказания, которые еще не были проверены экспериментально.

Исследователи также проанализировали предсказания алгоритма и выявили комбинации аллелей, которые могут взаимодействовать вместе и вызывать устойчивость штамма к антибиотикам. Они также нанесли эти аллели на кристаллические структуры белков M. tuberculosis (опубликованные в Protein Data Bank). Они обнаружили, что некоторые из этих аллелей появляются в определенных структурных областях белков.

"Мы провели анализ взаимодействий и структур, чтобы глубже изучить и разработать более сложные гипотезы о том, как эти гены могут способствовать фенотипам устойчивости к антибиотикам", — сказал первый автор Эрол Каввас. "Эти результаты могут помочь будущим экспериментальным исследованиям того, играет ли структурная группировка этих аллелей роль в обеспечении ими устойчивости к антибиотикам".

Результаты этого исследования являются вычислительными, поэтому команда ищет сотрудничества с экспериментальными исследователями, чтобы проверить, действительно ли 24 новых гена, предсказанных алгоритмом, обеспечивают устойчивость к антибиотикам у M. tuberculosis.

Будущие исследования будут включать применение подхода машинного обучения команды к ведущим инфекционным бактериям, известным как патогены ESKAPE: Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa и виды Enterobacter. В качестве следующего шага команда интегрирует геномно-масштабные модели метаболических сетей со своим подходом машинного обучения, чтобы понять механизмы, лежащие в основе эволюции устойчивости к антибиотикам.