抗菌素耐药性是全球日益严峻的问题：2019年，耐甲氧西林金黄色葡萄球菌（MRSA）导致全球10万人死于耐药性。现有的实验室诊断方法虽然可靠，但速度缓慢，而细菌的进化速度可能超过临床决策，使耐药性问题更加复杂。
抗菌素耐药性（AMR）是一个日益严重的全球健康问题。仅在2019年，耐甲氧西林 金黄色葡萄球菌 （MRSA）就导致全球超过10万人死于抗菌素耐药性相关疾病。
诊断和治疗耐药菌的一大挑战在于，其演变速度可能超过临床决策的速度。传统上，鉴定金 黄色葡萄球菌的耐药性 需要将细菌样本在多种抗生素存在下进行培养。虽然这种方法可靠，但耗时较长，而且结果可能在治疗方案确定后才能出来，这可能会加剧耐药性。以往的机器学习方法依赖于高度详细的基因组图谱，但这可能无法解释新菌株或测序质量较差的基因组。
在发表于《npj Antimicrobials & Resistance》杂志的一篇新论文中 ，冲绳科学技术大学院大学 (OIST) 的研究人员提出了一种基于特定细菌基因组预测特定抗菌药物耐药性 (AMR) 谱的稳健机器学习模型。论文第一作者、博士候选人Bruna Fistarol表示：“抗生素耐药性诊断的延误会影响治疗决策。亲身经历促使我探索基因组学方法，以期开发出更快速的诊断工具。”
研究团队并没有费力地去追踪每种细菌菌株详尽测序和注释的基因组中成千上万个微小的DNA“拼写变化”，而是选择了一个更简单、更实用的信号：菌株携带哪些基因，以及每个基因有多少拷贝。他们利用一个庞大的全球 金黄色葡萄球菌 基因组数据库训练机器学习模型，以预测其对常用抗生素的耐药性。“这种方法被证明非常准确，而且至关重要的是，即使应用于以前从未遇到过的、基因不同的菌株，这些模型仍然可靠，”冲绳科学技术大学院大学（ OIST）基于模型的进化基因组学研究室 主任、资深作者Gergely J. Szöll教授说道。“而且，由于即使序列数据混乱或不完整，也能恢复基因内容信息，因此这些模型在实际临床应用中具有巨大的潜力。”
这项研究的起源出乎意料。Szöll研究小组通常研究跨越数十亿年的深远进化史。 在近期发表于《科学》杂志的一项研究中，该小组通过预测古代细菌是否拥有需氧代谢所需的基因，绘制了早期需氧细菌的进化路线。Fistarol 加入该小组进行实验室轮岗时，她建议采用相同的方法，但研究的时间尺度要短得多——正是基于此，该团队为开发应对抗菌素耐药性（AMR）的新工具奠定了基础。Fistarol 总结道：“我们的工作指向更稳健、更具可扩展性的基因组预测。这让我们离更快、更经济、更实用的耐药性检测和监测更近了一步。”
参考文献
Gene copy-number features generalize better than SNPs for antimicrobial resistance prediction in Staphylococcus aureus
