Maschinelles Lernen Modelle sagen die Ausbreitung von Antibiotikaresistenzen voraus
Oktober 2021
Cornell University, Ithaca, USA
Phylogenetische Distanz, gemeinsame Ökologie und genomische Einschränkungen werden oft als Schlüsselfaktoren für den horizontalen Gentransfer (HGT) genannt, obwohl ihre relativen Beiträge unklar sind. Hier wenden die Forscher maschinelles Lernen auf einen kuratierten Satz verschiedener Bakteriengenome an, um die Bedeutung spezifischer funktioneller Merkmale bei jüngsten HGT-Ereignissen herauszuarbeiten. Sie stellen fest, dass Transferereignisse von mit hoher Wahrscheinlichkeit noch nicht nachgewiesenen Antibiotikaresistenzgenen fast ausschließlich auf humanassoziierte Bakterien zurückzuführen sind. Dieser Ansatz ist robust bei der Vorhersage der HGT-Netzwerke von Krankheitserregern, einschließlich Acinetobacter baumannii und Escherichia coli, sowie innerhalb lokalisierter Umgebungen, wie dem Darmmikrobiom eines Individuums.
Functions predict horizontal gene transfer and the emergence of antibiotic resistance
Ilana Lauren Brito
Eingestellt am: 23.02.2022
[1] https://www.science.org/doi/10.1126/sciadv.abj5056[2] https://www.drugtargetreview.com/news/98948/machine-learning-models-predict-antibiotic-resistance-spread/?utm_source=Email+marketing&utm_medium=email&utm_campaign=DTR+-+Industry+Insight+-+Thermo+Fisher+-+Informatics+-+19.11.21&utm_term=New+AI+technology+could+shape+the+future+of+RNA+therapeutics&utm_content=https%3a%2f%2femails.drugtargetreview.com%2frussellpublishinglz%2f&gator_td=Cwthm19KYaLKdDoL1rWudvLnht2Dws%2fbFsgEvlhM3rggV7N67epc45IYoHcBSrz0jchdfUZqCyw%2bWNkCaIelSwsxn0kBQQKvNuj9wL1qIkSwyC3HS2fWrlyxAduZw%2fmqW8sOg874fiDhxhovX5msWtsyFuicujiksLRIO%2f6CPAJtCWEAwrvOj%2fnkLUpBfJU9DsjAGHlwFGZcSEwy167MMRKETFKkPbsrKVbYsyDV%2fUlMx23ciiFuuwqRASOdfOeXT05rXhBh6Dl545N4RkHNdw%3d%3d