AIは薬剤耐性を持つ超強力な細菌との戦いに役立つ可能性があるとデューク大学の生物医学技術者が語る
発行日:ダーラム – デューク大学の生物医学工学者らは、同じ細菌性病原体の異なる菌株を、その増殖ダイナミクスのみの機械学習分析によって区別でき、抗生物質に対する耐性などの他の形質も正確に予測できることを示した。このデモンストレーションは、現在の標準的な技術よりも高速、単純、低コストで正確な、病気を特定し、その行動を予測する方法を示す可能性があります。
この結果は、8 月 3 日に米国科学アカデミー紀要にオンライン掲載されます。
微生物学の歴史のほとんどにおいて、細菌の同定は培養物を増殖させ、得られた細菌コロニーの物理的特性と挙動を分析することに依存してきました。科学者が簡単に遺伝子検査を実行できるようになったのはつい最近のことです。
ただし、遺伝子配列決定は普遍的に利用できるわけではなく、多くの場合、長い時間がかかることがあります。また、ゲノム全体を配列する能力があっても、特定の遺伝的変異を現実世界のさまざまな行動に結び付けるのは難しい場合があります。
たとえば、世界で最も一般的に使用されている抗生物質であるベータラクタム系抗生物質から細菌を守るのに役立つ遺伝子変異を研究者が知っていても、DNA がすべてではない場合があります。通常、単一の耐性菌は単独で抗生物質を投与されても生き残ることはできませんが、大集団であれば生き残ることができる場合がよくあります。
リンチョン・ユーデューク大学の生体医工学教授であるキャロリン・チャン氏とその大学院生キャロリン・チャン氏は、古い手法に新たな工夫を加えたほうがうまくいくのではないかと考えました。おそらく、ある特定の物理的特徴を増幅し、それを病原体を特定するだけでなく、抗生物質耐性などの他の形質について知識に基づいた推測を行うために使用できるかもしれません。
「細菌の株間の遺伝子のわずかな違いが、細菌の代謝に微妙な影響を与える可能性があると考えました」と You 氏は言いました。 「しかし、細菌の増殖は指数関数的であるため、その微妙な影響が十分に増幅され、それを利用できる可能性があります。私にとって、その概念は直感的なものですが、それが実際にうまく機能することに驚きました。」
研究室で細菌培養物がどれだけ早く増殖するかは、細菌培養物が増殖する培地の豊富さと化学的環境によって異なります。しかし、人口が増加するにつれて、文化は栄養素を消費し、化学副産物を生成します。異なる株が全く同じ環境条件で始まったとしても、それらの成長方法や環境への影響の微妙な違いは時間の経過とともに蓄積されます。
研究では、You 氏と Zhang 氏は 200 株を超える細菌性病原体を摂取しましたが、そのほとんどは細菌の変異体でした。 大腸菌それらを同一の生育環境に置き、増加する個体群密度を注意深く測定しました。わずかな遺伝的違いにより、文化は突発的に成長し、それぞれが独自の時間的変動パターンを持っていました。研究者らはその後、増殖ダイナミクスのデータを機械学習プログラムに入力し、機械学習プログラムが自ら学習して、増殖プロファイルを特定し、さまざまな株に適合させるようにしました。
驚いたことに、それは本当にうまくいきました。
「1 つの初期条件のみからの増殖データを使用して、モデルは 92% 以上の精度で特定の株を識別することができました」と You 氏は言いました。 「そして、1 つではなく 4 つの異なる開始環境を使用したところ、精度は約 98% まで上昇しました。」
この考えをさらに一歩進めて、You と Zhang は、成長動態プロファイルを使用して別の表現型、つまり抗生物質耐性を予測できるかどうかを検討しました。
研究者らは、さまざまな菌株のうち、1 つを除くすべての菌株の増殖動態プロファイルと、4 つの異なる抗生物質に対する菌株の耐性に関するデータを機械学習プログラムに再びロードしました。次に彼らは、得られたモデルが増殖プロファイルから最終株の抗生物質耐性を予測できるかどうかをテストしました。データセットを増やすために、他のすべての菌株に対してこのプロセスを繰り返しました。
その結果、増殖の動的なプロファイルだけで、抗生物質に対する菌株の耐性を 60 ～ 75% の確率で予測できることが示されました。
「これは実際、遺伝子配列データを使用する技術を含む、文献にある現在の技術のいくつかと同等か、それよりも優れています」と You 氏は言います。 「そして、これは単なる原則の証明でした。私たちは、成長ダイナミクスの高解像度データがあれば、長期的にはさらに良い仕事ができると信じています。」
研究者らはまた、同様の増殖曲線を示す株が同様の遺伝子プロファイルを持っているかどうかも調べた。結局のところ、この 2 つはまったく相関関係がなく、細胞の特性や行動を DNA の特定の範囲にマッピングすることがいかに難しいかを改めて示しています。
今後は、増殖曲線手順を最適化して、株の特定にかかる時間を 2 ～ 3 日からおそらく 12 時間に短縮する予定です。彼はまた、高精細カメラを使用して、ペトリ皿内の空間で細菌のコロニーがどのように成長するかをマッピングすることで、プロセスをさらに正確にすることができるかどうかを確認することも計画しています。
この研究は、デューク大学医学部の Deverick J. Anderson、Joshua T. Thaden、Vance G. Fowler のグループ、および BGI Genomics の Minfeng Xiao のグループと共同で実施されました。
この研究は、国立衛生研究所 (LY、R01GM098642、R01GM110494、1A1125604)、陸軍研究局 (LY、W911NF-14-1-0490)、デビッド & ルシル パッカード財団、深セン ピーコック チーム プラン助成金によって部分的に支援されました。 (MX、番号 KQTD2015033117210153)、疾病管理予防センター (DJA、U54CK000164)、AHRQ (DJA、R01-HS23821)、NIH (VGF、R01-AI068804)、および国立科学財団大学院研究フェローシップ (CZ、 HRM）。
「増殖ダイナミクスにおける細菌のアイデンティティと形質の時間的コード化」キャロリン・チャン、ウェンチェン・ソング、ヘレナ・R・マー、シャオ・ペン、デヴェリック・J・アンダーソン、ヴァンス・G・ファウラー・ジュニア、ジョシュア・T・セイデン、ミンフェン・シャオ、リンチョン・ユー。 PNAS、2020。DOI: 10.1073/pnas.2008807117
(C)デューク大学
元の記事の出典: WRAL TechWire