Новый алгоритм оценит устойчивость кишечной палочки к антибиотикам у животных

Планшет для анализа диффузии в виде диска. Автор: доктор Пиранджели ВитальИсточник: https://phys.org/

Кишечная палочка (Escherichia coli) — распространенная бактерия, обитающая в кишечнике животных и человека, и ее часто используют как индикатор фекальных загрязнений в окружающей среде. Кишечная палочка может легко вырабатывать устойчивость к антибиотикам, что делает ее идеальным организмом для тестирования устойчивости к противомикробным препаратам. Это особенно актуально в сельском хозяйстве, где навоз травоядных животных и птиц широко используется в качестве удобрений и где постоянно присутствует проблема фекального загрязнения сточных вод. Кроме того, в животноводстве антибиотики применяются в качестве предупредительных мер против кишечных инфекций.

Традиционные лабораторные методы анализа устойчивости к противомикробным препаратам трудоемки и часто требуют много времени. Это делает их непрактичными для крупномасштабного мониторинга. Исследователи ищут более оперативные алгоритмы с использованием полногеномного секвенирования и прогностического моделирования.

Кишечная палочка (Escherichia coli) — излюбленная модельная бактерия микробиологов всего мираИсточник: Unsplash

Ученые из нескольких научно-исследовательских организаций Филиппин протестировали различные модели прогнозирования с помощью искусственного интеллекта (ИИ) для определения потенциальной устойчивости кишечной палочки к противомикробным препаратам, используя собственные генетические данные и результаты лабораторных тестов из общедоступной базы Национального центра биотехнологической информации. Результаты исследования опубликованы в Малазийском журнале микробиологии.

В промышленном животноводстве без антибиотиков не обойтись, и потому необходим постоянный мониторинг взаимодействия кишечных бактерий подопечных животных с противомикробными препаратами Источник: Unsplash

Эти модели прогнозирования наиболее точно предсказывают устойчивость E. coli к стрептомицину и тетрациклину, демонстрируя высокую точность и надежно отличая резистентные штаммы от восприимчивых. С другой стороны, ципрофлоксацин оказался наиболее сложным для прогнозирования из-за ограниченного числа резистентных образцов в данных (всего 4%), что привело к трудностям в выявлении резистентности и низкой чувствительности. Среди моделей AB и XGB неизменно демонстрировали хорошие результаты, даже при тестировании на основе несбалансированных данных.

Исследователи рекомендуют использовать более разнообразные типы образцов и источники данных, такие как метагеномные данные, которые представляют собой ДНК всех микробов в образце, чтобы лучше понять и предсказать, как у бактерий разных видов развивается резистентность к антибиотикам и чем это может грозить.

Доктор Витал также подчеркнула ценность сотрудничества между отраслями — например, то, как микробиологи и статистики работали вместе в этом исследовании. Интеграция биологических концепций в статистику и прогностическое моделирование может оказать влияние на общество, в данном случае на здоровье поголовья животных и безопасность продуктов сельскохозяйственного производства.

Высокие технологии в сельском хозяйстве не ограничиваются борьбой с патогенными бактериями. Недавно мы рассказывали, как генетики защитили перцы от опасных вирусов.