Conform unui studiu publicat în revista PLOS Biology, importanța metodelor care iau în considerare această structură a populației și folosesc seturi de date mai diverse este subliniată pentru îmbunătățirea prezicerii și supravegherii AMR.
„Abordarea interacțiunii dintre structura populației și prezicerea AMR va necesita o abordare multifacetică care include îmbunătățiri ale eșantionării, inovații algoritmice și evaluarea sistematică a metodelor de prezicere propuse”, recomandă cercetătorii, conduși de Yanying Yu, PhD, de la Harvard Medical School.
„Doar prin confruntarea cu aceste provocări putem debloca întregul potențial al machine learning-ului de a oferi informații practice despre AMR, avansând atât capacitățile noastre de supraveghere, cât și înțelegerea mecanismelor de rezistență.
„Aceste eforturi vor fi cruciale în combaterea amenințării globale a AMR și în asigurarea eficacității continue a terapiilor antimicrobiene salvatoare de vieți.”
AMR reprezintă o amenințare gravă și este asociată cu aproape cinci milioane de decese în fiecare an. Metodele ML au apărut ca instrumente promițătoare de detecție, descoperind determinanți ai rezistenței din date genomice.
Cu toate acestea, majoritatea metodelor clasice de ML presupun că datele de antrenament sunt independente și distribuite identic, lucru care nu este valabil pentru mostrele de supraveghere a patogenelor datorită structurii subiacente a populațiilor bacteriene.
În timpul unei epidemii, clonele de succes se răspândesc rapid, iar dacă această răspândire se datorează în parte achiziționării de determinanți AMR, ar putea duce la o asociere între fenotip și markeri filogenetici care nu contribuie direct la AMR.
Aceste asocieri non-cauzale sunt susceptibile de a fi exacerbate și mai mult de eșantionarea părtinitoare care se concentrează pe bolile umane din țările cu venituri mari, lăsând regiuni mari ale filogenezei neexplorate.
Prin construirea unor scenarii patologice reale, cercetătorii au evaluat în mod exhaustiv impactul structurii populației bacteriene în prezicerea AMR.
Au colectat între 3.204 și 7.188 de genomi pentru trei specii de bacterii Gram-negative și două specii de bacterii Gram-pozitive care reprezintă patogeni prioritari ai OMS.
Acestea includ patogenul gastrointestinal și de tract urinar Escherichia coli; patogenul oportunistic Klebsiella pneumoniae; patogenul gastrointestinal Salmonella enterica; patogenul de pe piele și patogenul oportunistic Staphylococcus aureus; și principalul agent al pneumoniei dobândite în comunitate Streptococcus pneumoniae.
Setul de date a inclus fenotipuri de rezistență pentru 27 de antibiotice în total, acoperind mai multe clase de medicamente și diverse tipuri de secvențe.
Pentru a limita efectele dimensiunii eșantionului și dezechilibrului de clasă, cercetătorii au exclus combinațiile antibiotice-organism cu mai puțin de 1.000 de genomi sau cu tulpini rezistente sau susceptibile care depășeau 80% din setul de date.
Numărul mediu de genomi a fost de aproximativ 2.700, cu aproximativ 44% tulpini rezistente și 80% din tulpinile fiind susceptibile.
Sursa: [PLOS Biology](link către sursă)
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
