• 新方法预测细菌耐药性基因准确率高
2019-11-07 20:55:13   
此次,华盛顿州立大学研究团队决定使用博弈论来帮助预测、识别抗菌素耐药性基因。他们在9日的《科学报告》上发表研究论文称,使用新方法预测3种革兰氏阴性菌——假单胞菌、弧菌和肠杆菌的抗菌素耐药性基因序列,其

华盛顿科学日报,10月12日(记者刘海英)——美国华盛顿州大学的研究人员开发了一种预测细菌耐药性基因的新方法。通过机器学习和博弈论模型,可以预测三种不同类型革兰氏阴性菌中耐药基因的存在,准确率为93%-99%。

细菌的抗生素耐药性已经成为影响全球公共健康的一个重要问题,威胁着数亿人。仅在美国,每年就有数百万人感染耐药细菌,导致数千人死亡。近年来,科学家们一直试图找到预测和识别抗生素抗性基因的方法,以便更有效地将药物应用于患者。随着全基因组测序技术的突破,他们开发了通过序列相似性来鉴定抗生素抗性基因的序列比对方法。然而,当他们遇到与已知抗生素抗性基因高度相似的序列时,这些方法有些无能为力。

这一次,华盛顿州立大学的研究小组决定使用博弈论来帮助预测和识别抗生素抗性基因。博弈论是研究斗争或竞争现象的数学理论和方法。它是当前经济学中的标准分析工具之一。在游戏模型中,一个参与者的行为将影响并依赖于其他参与者的行为。

该研究团队利用其开发的机器学习算法和博弈论模型,不仅分析了细菌基因组中简单的序列相似性,还深入研究了蛋白质序列结构、理化特性、进化特性、组成特性等特征之间的相互作用,以准确预测抗生素抗性基因。他们在9日发表于《科学报告》的一篇研究论文中表示,新方法用于预测假单胞菌属、弧菌属和肠杆菌属三种革兰氏阴性菌的抗生素抗性基因序列,准确率为93%-99%。

研究人员表示,这种新颖的博弈论方法特别强大。它考虑了基因特征的相关性和相互依赖性,并根据它们作为一个整体协同工作的能力来识别可能的抗生素抗性基因,从而能够识别以前通过简单的序列比对方法无法识别的推定抗性基因。随着抗生素耐药性的增长和测序基因组数量的增加,迫切需要开发新的、更准确的耐药基因预测和鉴定工具。他们的研究表明,机器学习模型将是一个重要的研究方向。

总编辑圈

如果无法控制,每年由抗生素耐药性导致的死亡人数甚至可能高于由癌症导致的死亡人数。这就是为什么科学家投入大量人力和物力来鉴定抗生素抗性基因。然而,人类不是“超体”,大脑无法处理大规模数据集,这太复杂和耗时。然而,机器学习完全可以胜任这种工作,它可以瞬间清理大量信息之间的关系。现在,结合游戏模型和机器学习来处理生物数据无疑将使识别的准确性和速度加倍,为人们处理这一巨大的公共卫生问题提供有力的支持。

浙江十一选五投注 上海快三 500彩票 幸运赛车投注 快三网上投注

  • 热点推荐
  • 肺炎未必咳得重
  • 陆军特色医学中心呼吸内科副主任曹国强表示,咳嗽的严重程度与肺炎并无必然联系。
  • 新闻