利用人工智慧找出細菌對抗生素抗性基因
科技產業資訊室 (iKnow) - 謝威翔 發表於 2018年11月14日
圖、利用人工智慧找出細菌對抗生素抗性基因
加州大學聖地亞哥分校的研究人員開發出一種方法，利用機器學習來識別和預測哪些基因使結核分枝桿菌產生抗生素抗性。研究人員表示該方法可用於其他病原體，包括引起尿道發炎、肺炎和腦膜炎的葡萄球菌或其他細菌，這項成果最近發表在Nature Communications上。
結核分枝桿菌會導致人類結核病，臨床病人如果持續感染結核病，醫生可以對該菌株進行基因測序，查看其基因並為該菌株開出正確的抗生素。如此可以提供個人化醫療的機會，每一種菌株都是不同的，應該以不同的方式治療。
該研究團隊使用基因體序列和表現型(phenotypes)來訓練機器學習算法 ，研究了超過1,500結核分枝桿菌菌株。根據這些資料，該算法預測了導致抗生素抗性的基因和這些基因的變異形式，稱為等位基因(alleles)。本研究鑑定出共57種抗生素抗性基因，其中 33個屬於已知的抗生素抗性基因，其餘24個是尚未經過實驗確定的新預測。研究人員進一步分析將這些等位基因定位於結核分枝桿菌蛋白質的晶體結構上，他們發現這些等位基因中的一些出現在蛋白質的某些結構區域。
由於這項研究的結果都是電腦計算的結果，因此該團隊正在尋求與實驗研究人員合作，以驗證該算法預測的24個新基因是否確實讓結核分枝桿菌具有抗生素抗性。研究團隊未來的研究將會將此種機器學習的方法應用於其他常見的傳染性細菌，如ESKAPE病原體、腸道球菌、金黃色葡萄球菌、肺炎球菌，鮑曼不動桿菌、銅綠假單胞菌和腸道桿菌等等。同時團隊正在將基因體的代謝網絡與其機器學習方法相結合，以了解抗生素抗性進化的潛在機制。(625字；圖1)
參考資料：
Machine Learning Identifies Antibiotic Resistance Genes in Tuberculosis-Causing Bacteria. UC San Diego，2018/10/25
本站相關資料:
1.中國大陸原料藥市場現狀分析
2. 前瞻技術脈動：醫療與健康(201805)
3.Forbes：2019年人工智慧與機器學習的三項預測
4.AI機器學習應用於護理體系
5. 谷歌企圖將機器學習晶片形成生態鏈
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|