בינה מלאכותית יכולה לעזור להילחם בחיידקי-על עמידים לתרופות, אומרים המהנדסים הביו-רפואיים של דיוק
תאריך פרסום:DURHAM – מהנדסים ביו-רפואיים באוניברסיטת דיוק הראו שניתן להבחין בין זנים שונים של אותו פתוגן חיידקי על ידי ניתוח למידת מכונה של דינמיקת הגדילה שלהם בלבד, אשר לאחר מכן יכול גם לחזות במדויק תכונות אחרות כגון עמידות לאנטיביוטיקה. ההדגמה יכולה להצביע על שיטות לזיהוי מחלות ולניבוי התנהגויות שלהן שהן מהירות יותר, פשוטות יותר, פחות יקרות ומדויקות יותר מהטכניקות הסטנדרטיות הנוכחיות.
התוצאות מופיעות באינטרנט ב-3 באוגוסט ב-Proceedings of the National Academy of Sciences.
במשך רוב ההיסטוריה של המיקרוביולוגיה, זיהוי חיידקים הסתמך על גידול תרבויות וניתוח התכונות וההתנהגויות הפיזיות של מושבת החיידקים שנוצרה. רק לאחרונה יכלו מדענים פשוט לבצע בדיקה גנטית.
רצף גנטי, לעומת זאת, אינו זמין באופן אוניברסלי ולעתים קרובות יכול להימשך זמן רב. ואפילו עם היכולת לרצף גנומים שלמים, זה יכול להיות קשה לקשור וריאציות גנטיות ספציפיות להתנהגויות שונות בעולם האמיתי.
לדוגמה, למרות שהחוקרים מכירים את המוטציות הגנטיות שעוזרות להגן/להגן על חיידקים מפני אנטיביוטיקה בטא-לקטם - האנטיביוטיקה הנפוצה ביותר בעולם - לפעמים ה-DNA אינו כל הסיפור. בעוד שחיידק עמיד יחיד בדרך כלל אינו יכול לשרוד מנת אנטיביוטיקה בעצמו, אוכלוסיות גדולות יכולות לרוב.
לינגצ'ונג אתה, פרופסור להנדסה ביו-רפואית ב-Duke, ותלמידתו לתואר שני, קרולין ג'אנג, תהו אם טוויסט חדש בשיטות ישנות יותר עשוי לעבוד טוב יותר. אולי הם יכולים להגביר מאפיין פיזי ספציפי אחד ולהשתמש בו כדי לא רק לזהות את הפתוגן, אלא גם לנחש מושכל לגבי תכונות אחרות כמו עמידות לאנטיביוטיקה.
"חשבנו שלשונות הקלה בגנים בין זני חיידקים עשויה להיות השפעה עדינה על חילוף החומרים שלהם", אמרת. "אבל מכיוון שגידול חיידקים הוא אקספוננציאלי, האפקט העדין הזה יכול להיות מוגבר מספיק כדי שנוכל לנצל אותו. מבחינתי, הרעיון הזה הוא אינטואיטיבי משהו, אבל הופתעתי עד כמה זה באמת עבד".
כמה מהר גדלה תרבית חיידקים במעבדה תלויה בעושר המדיה שבה היא גדלה ובסביבתה הכימית. אבל ככל שהאוכלוסייה גדלה, התרבות צורכת חומרים מזינים ומייצרת תוצרי לוואי כימיים. גם אם זנים שונים מתחילים באותם תנאים סביבתיים בדיוק, הבדלים עדינים באופן שבו הם גדלים ומשפיעים על סביבתם מצטברים עם הזמן.
במחקר, אתה וג'אנג לקחו יותר מ-200 זנים של פתוגנים חיידקיים, שרובם היו וריאציות של אי - קולי, הכניסו אותם לסביבות גידול זהות, ומדדו בקפידה את צפיפות האוכלוסייה שלהם ככל שהיא גדלה. בגלל ההבדלים הגנטיים הקלים ביניהן, התרבויות גדלו בהתקפים והתחלות, שלכל אחת יש דפוס תנודות זמני ייחודי. לאחר מכן החוקרים הזינו את נתוני דינמיקת הצמיחה לתוכנית למידת מכונה, שלימדה את עצמה לזהות ולהתאים את פרופילי הצמיחה לזנים השונים.
להפתעתם, זה עבד ממש טוב.
"באמצעות נתוני צמיחה ממצב ראשוני אחד בלבד, המודל הצליח לזהות זן מסוים עם יותר מ-92 אחוז דיוק", אמרת. "וכשהשתמשנו בארבע סביבות התחלה שונות במקום אחת, הדיוק הזה עלה לכ-98 אחוז."
לוקחים את הרעיון הזה צעד אחד קדימה, אתה וג'אנג חיפשו אם הם יכולים להשתמש בפרופילים דינמיים של צמיחה כדי לחזות פנוטיפ אחר - עמידות לאנטיביוטיקה.
החוקרים העמיסו שוב תוכנית למידת מכונה עם פרופילי גדילה דינמיים מכל הזנים השונים מלבד אחד, יחד עם נתונים על עמידתם בפני ארבע אנטיביוטיקות שונות. לאחר מכן הם בדקו כדי לראות אם המודל שהתקבל יכול לחזות את העמידות לאנטיביוטיקה של הזן הסופי מפרופיל הגדילה שלו. כדי להגדיל את מערך הנתונים שלהם, הם חזרו על התהליך הזה עבור כל הזנים האחרים.
התוצאות הראו שהפרופיל הדינמי של הגדילה לבדו יכול לחזות בהצלחה עמידות של זן לאנטיביוטיקה ב-60 עד 75 אחוז מהמקרים.
"זה למעשה שווה או טוב יותר מכמה מהטכניקות הנוכחיות בספרות, כולל רבות המשתמשות בנתוני רצף גנטי", אמר אתה. "וזה היה רק הוכחה עקרונית. אנו מאמינים שעם נתונים ברזולוציה גבוהה יותר של דינמיקת הצמיחה, נוכל לעשות עבודה טובה עוד יותר בטווח הארוך".
החוקרים בדקו גם אם לזנים המציגים עקומות גדילה דומות יש גם פרופילים גנטיים דומים. כפי שמתברר, השניים אינם מתואמים לחלוטין, מה שמוכיח שוב כמה קשה זה יכול להיות למפות תכונות והתנהגויות תאיות לקטעים ספציפיים של DNA.
בהמשך, אתה מתכנן לייעל את הליך עקומת הגדילה כדי להפחית את הזמן שלוקח לזהות זן מיומיים עד שלושה עד אולי 12 שעות. הוא גם מתכנן להשתמש במצלמות בחדות גבוהה כדי לראות אם מיפוי האופן שבו מושבות חיידקים גדלות בחלל בצלחת פטרי יכול לעזור להפוך את התהליך אפילו יותר מדויק.
מחקר זה נערך בשיתוף פעולה עם קבוצות של Deverick J. Anderson, Joshua T. Thaden ו-Vance G. Fowler מבית הספר לרפואה של אוניברסיטת דיוק, ו-Minfeng Xiao מ-BGI Genomics.
מחקר זה נתמך חלקית על ידי המכונים הלאומיים לבריאות (LY, R01GM098642, R01GM110494, 1A1125604), משרד המחקר של הצבא (LY, W911NF-14-1-0490), קרן דייוויד ולוסייל פקארד, מענק תוכנית צוות הטווס של שנזן (MX, מס' KQTD2015033117210153), המרכזים לבקרת מחלות ומניעתן (DJA, U54CK000164), AHRQ (DJA, R01-HS23821), NIH (VGF, R01-AI068804), וה-National Science Fellowship's GraduateCZ HRM).
"קידוד זמני של זהות חיידקית ותכונות בדינמיקה של צמיחה." Carolyn Zhang, Wenchen Song, Helena R. Ma, Xiao Peng, Deverick J. Anderson, Vance G. Fowler Jr, Joshua T. Thaden, Minfeng Xiao, ו-Lingchong You. PNAS, 2020. DOI: 10.1073/pnas.2008807117
(ג) אוניברסיטת דיוק
מקור המאמר המקורי: WRAL TechWire