Исследователи разрабатывают программное обеспечение для поиска устойчивых к лекарствам бактерий.


Исследователи из Университета штата Вашингтон разработали простую в использовании программу для выявления генов лекарственной устойчивости у бактерий.

Программа может упростить выявление смертельно опасных бактерий, устойчивых к противомикробным препаратам, которые существуют в окружающей среде. Такие микробы ежегодно вызывают более 2,8 миллиона трудноизлечимых пневмоний, инфекций кровотока и других инфекций и 35 000 смертей в США. Дуглас Колл из Школы глобального здоровья животных Пола Г. Аллена, расскажите о своей работе в журнале Scientific Reports .

Устойчивость к противомикробным препаратам (УПП) возникает, когда бактерии или другие микроорганизмы развиваются или приобретают гены, кодирующие механизмы устойчивости к лекарствам. Бактерии, вызывающие стафилококковые или стрептококковые инфекции или такие заболевания, как туберкулез и пневмония, вырабатывают устойчивые к лекарствам штаммы, которые делают их лечение все более трудным, а иногда и невозможным. Ожидается, что в ближайшие десятилетия проблема усугубится с точки зрения увеличения числа инфекций, смертей и расходов на здоровье, поскольку бактерии эволюционируют, чтобы «перехитрить» ограниченное количество методов лечения антибиотиками.

«Нам необходимо разработать инструменты для простого и эффективного прогнозирования устойчивости к противомикробным препаратам, которая все больше угрожает здоровью и средствам к существованию во всем мире», – сказал Чоудхури, ведущий автор статьи.

Поскольку крупномасштабное генетическое секвенирование стало проще, исследователи ищут гены AMR в окружающей среде. Исследователей интересует, где микробы обитают в почве и воде и как они могут распространяться и влиять на здоровье человека. Хотя они могут идентифицировать гены, похожие на известные гены устойчивости к AMR, они, вероятно, не имеют генов устойчивости, которые выглядят очень уникальными с точки зрения последовательности белков.

Исследовательская группа WSU разработала алгоритм машинного обучения, который использует особенности белков AMR, а не сходство последовательностей генов, для идентификации генов AMR. Исследователи использовали теорию игр – инструмент, который используется в нескольких областях, особенно в экономике, для моделирования стратегических взаимодействий между игроками, что, в свою очередь, помогает идентифицировать гены AMR. Используя свой алгоритм машинного обучения и подход теории игр, исследователи изучили взаимодействие нескольких характеристик генетического материала, включая его структуру, физико-химические и композиционные свойства белковых последовательностей, а не просто сходство последовательностей.

«Наше программное обеспечение можно использовать для более глубокого анализа метагеномных данных, чем можно было бы достичь с помощью простых алгоритмов сопоставления последовательностей», – сказал Чоудхури. «Это может быть важным инструментом для выявления новых генов устойчивости к противомикробным препаратам, которые в конечном итоге могут стать клинически важными».

«Достоинством этой программы является то, что мы действительно можем обнаруживать AMR в недавно секвенированных геномах», – сказал Брошат. «Это способ идентификации генов AMR и их распространенности, который иначе не мог бы быть обнаружен. Это действительно важно».

Команда WSU рассмотрела гены устойчивости, обнаруженные у видов Clostridium , Enterococcus , Staphylococcus , Streptococcus и Listeria . Эти бактерии являются причиной многих серьезных инфекций и инфекционных заболеваний, включая стафилококковые инфекции, пищевые отравления, пневмонию и опасный для жизни колит, вызванный C. difficile . Они смогли точно классифицировать устойчивые гены с точностью до 90 процентов.

Они разработали программный пакет, который могут легко загрузить и использовать другие исследователи для поиска УПП в больших пулах генетического материала. Со временем программное обеспечение также можно улучшать. Пока он обучен на имеющихся в настоящее время данных, исследователи смогут повторно обучать алгоритм по мере появления новых данных и последовательностей.

“Вы можете загружать и улучшать программное обеспечение по мере поступления более положительных данных”, – сказал Брошат.

Работа частично финансировалась Фондом Карла М. Хансена.


Добавить комментарий