杜蘭大學(xué)Tony Hu教授團(tuán)隊(duì)在《Nature Communications》上發(fā)表的這項(xiàng)研究提出了一種新的方法，用于增強(qiáng)對(duì)多重耐藥微生物的診斷。

研究背景

微生物耐藥性是全球面臨的重大公共衛(wèi)生挑戰(zhàn)之一。耐藥微生物感染的治療難度更大，可能導(dǎo)致治療時(shí)間延長(zhǎng)、醫(yī)療成本增加以及進(jìn)一步耐藥性的發(fā)展。

目前用于識(shí)別耐藥性的方法存在局限性，例如基于培養(yǎng)的技術(shù)耗時(shí)且勞動(dòng)強(qiáng)度大，分子方法只能識(shí)別已知的常見突變，而全基因組關(guān)聯(lián)研究（GWAS）在評(píng)估多重耐藥性時(shí)容易出現(xiàn)假陽(yáng)性關(guān)聯(lián)。

研究方法

研究團(tuán)隊(duì)提出了一種新的方法——群體關(guān)聯(lián)模型（Group Association Model，GAM）。該方法通過將具有相同耐藥性特征的微生物菌株分組，識(shí)別與耐藥性相關(guān)的基因變異。具體步驟如下：

1. 數(shù)據(jù)分組：將菌株按耐藥性特征分組，生成多個(gè)具有不同耐藥性特征的組。

2. 變異檢測(cè)：通過比較耐藥組與敏感組之間的變異頻率差異，識(shí)別與耐藥性相關(guān)的變異。

3. 機(jī)器學(xué)習(xí)優(yōu)化：將GAM識(shí)別的變異作為輸入，結(jié)合機(jī)器學(xué)習(xí)（ML）進(jìn)一步提高耐藥性預(yù)測(cè)的準(zhǔn)確性。

實(shí)驗(yàn)結(jié)果

? 基因變異識(shí)別：GAM成功識(shí)別了與九種一線和二線抗結(jié)核藥物耐藥性相關(guān)的基因變異，且假陽(yáng)性率極低。

? 預(yù)測(cè)準(zhǔn)確性提升：與單獨(dú)使用GAM相比，結(jié)合機(jī)器學(xué)習(xí)后，耐藥性預(yù)測(cè)的敏感性和特異性顯著提高，尤其是對(duì)于耐藥性模式復(fù)雜的藥物。

? 數(shù)據(jù)完整性和樣本量的影響：研究發(fā)現(xiàn)，數(shù)據(jù)缺失和樣本量不足會(huì)降低GAM的性能，但GAM在處理小樣本量數(shù)據(jù)時(shí)仍優(yōu)于傳統(tǒng)的線性混合模型（LMM）。

研究意義

這項(xiàng)研究提出了一種新的、高效且準(zhǔn)確的耐藥性診斷方法，能夠快速識(shí)別與耐藥性相關(guān)的基因變異，并通過機(jī)器學(xué)習(xí)進(jìn)一步優(yōu)化預(yù)測(cè)結(jié)果。

這種方法不僅適用于結(jié)核分枝桿菌，還可以推廣到其他微生物的耐藥性分析中，為抗耐藥性感染的治療提供了新的工具。