Pembelajaran mesin mengidentifikasi gen resistensi antibiotik pada bakteri penyebab tuberkulosis – ScienceDaily

Pembelajaran mesin mengidentifikasi gen resistensi antibiotik pada bakteri penyebab tuberkulosis – ScienceDaily

[ad_1]

Para peneliti di University of California San Diego telah mengembangkan pendekatan yang menggunakan pembelajaran mesin untuk mengidentifikasi dan memprediksi gen mana yang membuat bakteri penular kebal terhadap antibiotik. Pendekatan ini diuji pada strain Mycobacterium tuberculosis – bakteri penyebab tuberkulosis (TB) pada manusia. Ini mengidentifikasi 33 yang diketahui dan 24 gen resistensi antibiotik baru pada bakteri ini.

Para peneliti mengatakan pendekatan tersebut dapat digunakan pada patogen penyebab infeksi lainnya, termasuk staph dan bakteri yang menyebabkan infeksi saluran kemih, pneumonia dan meningitis. Karya tersebut baru-baru ini diterbitkan di Komunikasi Alam.

“Mengetahui gen mana yang memberikan resistensi antibiotik dapat mengubah cara penyakit menular dirawat di masa depan,” kata rekan penulis senior Jonathan Monk, ilmuwan peneliti di Departemen Bioteknologi di UC San Diego. “Misalnya, jika ada infeksi TB yang terus-menerus di klinik, dokter dapat mengurutkan jenis itu, melihat gennya dan mencari tahu antibiotik mana yang resisten dan mana yang rentan, kemudian meresepkan antibiotik yang tepat untuk jenis itu.”

“Ini dapat membuka peluang untuk pengobatan yang dipersonalisasi untuk patogen Anda. Setiap strain berbeda dan harus ditangani secara berbeda,” kata rekan penulis senior Bernhard Palsson, Profesor Galletti dari Bioteknologi di UC San Diego Jacobs School of Engineering. “Melalui analisis pembelajaran mesin dari pan-genom ini – kumpulan lengkap semua gen di semua strain spesies bakteri – kami dapat lebih memahami sifat yang membuat strain ini berbeda.”

Tim tersebut melatih algoritma pembelajaran mesin menggunakan urutan genom dan fenotipe – ciri fisik atau karakteristik yang dapat diamati, seperti resistensi antibiotik – lebih dari 1.500 galur. M. tuberculosis. Dari masukan ini, algoritme memprediksi sekumpulan gen dan bentuk varian dari gen ini, yang disebut alel, yang menyebabkan resistensi antibiotik. 33 divalidasi dengan gen resistensi antibiotik yang diketahui, 24 sisanya merupakan prediksi baru yang belum diuji secara eksperimental.

Para peneliti selanjutnya menganalisis prediksi algoritma dan mengidentifikasi kombinasi alel yang dapat berinteraksi bersama dan menyebabkan strain menjadi resisten terhadap antibiotik. Mereka juga memetakan alel ini ke dalam struktur kristal M. tuberculosis protein (diterbitkan di Protein Data Bank). Mereka menemukan bahwa beberapa alel ini muncul di daerah struktural protein tertentu.

“Kami melakukan analisis interaksional dan struktural untuk menggali lebih dalam dan mengembangkan hipotesis yang lebih rumit tentang bagaimana gen ini dapat berkontribusi pada fenotipe resistensi antibiotik,” kata penulis pertama Erol Kavvas, seorang Ph.D. siswa dalam kelompok penelitian Palsson. “Temuan ini dapat membantu penyelidikan eksperimental masa depan tentang apakah pengelompokan struktural alel ini berperan dalam pemberian resistensi antibiotik.”

Hasil dari penelitian ini semuanya bersifat komputasi, sehingga tim sedang bekerja dengan peneliti eksperimental untuk menguji apakah 24 gen baru yang diprediksi oleh algoritme memang memberikan resistensi antibiotik pada M. tuberculosis.

Penelitian selanjutnya akan melibatkan penerapan pendekatan pembelajaran mesin tim terhadap bakteri penyebab infeksi terkemuka, yang dikenal sebagai patogen ESKAPE: Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa dan Enterobacter jenis. Sebagai langkah selanjutnya, tim ini mengintegrasikan model jaringan metabolik skala genom dengan pendekatan pembelajaran mesin mereka untuk memahami mekanisme yang mendasari evolusi resistensi antibiotik.

Sumber Cerita:

Materi disediakan oleh Universitas California – San Diego. Asli ditulis oleh Liezel Labios. Catatan: Konten dapat diedit gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Data HK

Author Image
adminProzen