AI가 약물 내성 슈퍼버그와 싸우는 데 도움이 될 수 있다고 Duke 생물의학 엔지니어가 밝혔습니다.
게시 날짜:더럼 – 듀크 대학교(Duke University)의 생의학 엔지니어들은 성장 역학에 대한 기계 학습 분석만으로 동일한 박테리아 병원체의 다양한 계통을 구별할 수 있으며, 이를 통해 항생제에 대한 내성과 같은 다른 특성도 정확하게 예측할 수 있음을 보여주었습니다. 이번 시연에서는 현재의 표준 기술보다 더 빠르고, 더 간단하고, 더 저렴하고, 더 정확한 질병을 식별하고 그 행동을 예측하는 방법을 제시할 수 있습니다.
결과는 8월 3일 미국국립과학원회보(Proceedings of the National Academy of Sciences)에 온라인으로 게재됩니다.
미생물학 역사의 대부분에서 박테리아 식별은 배양 배양과 결과 박테리아 군집의 물리적 특성 및 행동 분석에 의존해 왔습니다. 과학자들이 간단히 유전자 검사를 실시할 수 있는 것은 최근까지만 해도 아니었습니다.
그러나 유전자 서열 분석은 보편적으로 이용 가능하지 않으며 종종 오랜 시간이 걸릴 수 있습니다. 그리고 전체 게놈의 서열을 분석할 수 있는 능력이 있더라도 특정 유전적 변이를 실제 세계의 다양한 행동과 연결하는 것은 어려울 수 있습니다.
예를 들어, 연구자들이 세계에서 가장 일반적으로 사용되는 항생제인 베타락탐 항생제로부터 박테리아를 보호/보호하는 데 도움이 되는 유전적 돌연변이를 알고 있음에도 불구하고 DNA가 전부가 아닐 때도 있습니다. 단일 내성 박테리아는 일반적으로 자체적으로 항생제를 투여할 때 생존할 수 없지만 대규모 개체군에서는 종종 생존할 수 있습니다.
유 링충, Duke 대학의 생체의학 공학 교수와 그의 대학원생인 Carolyn Zhang은 기존 방법에 대한 새로운 변형이 더 잘 작동할 수 있는지 궁금해했습니다. 어쩌면 그들은 하나의 특정한 물리적 특성을 증폭시켜 병원체를 식별하는 것뿐만 아니라 항생제 내성과 같은 다른 특성에 대해 교육받은 추측을 하는 데 사용할 수도 있습니다.
“우리는 박테리아 계통 간 유전자의 약간의 차이가 신진대사에 미묘한 영향을 미칠 수 있다고 생각했습니다.”라고 You는 말했습니다. “그러나 박테리아 성장은 기하급수적이기 때문에 그 미묘한 효과는 우리가 활용할 수 있을 만큼 충분히 증폭될 수 있습니다. 나에게는 그 개념이 다소 직관적이지만 실제로 얼마나 잘 작동하는지 놀랐습니다.”
실험실에서 박테리아 배양이 얼마나 빨리 성장하는지는 박테리아 배양이 자라는 배지의 풍부함과 화학적 환경에 따라 달라집니다. 그러나 인구가 증가함에 따라 문화는 영양분을 소비하고 화학적 부산물을 생성합니다. 서로 다른 계통이 정확히 동일한 환경 조건에서 시작되더라도 시간이 지남에 따라 이들이 성장하고 주변 환경에 영향을 미치는 방식의 미묘한 차이가 축적됩니다.
이번 연구에서 You와 Zhang은 200종 이상의 박테리아 병원체를 채취했는데, 그 중 대부분은 변종이었습니다. 대장균, 동일한 성장 환경에 배치하고 인구 밀도가 증가함에 따라 신중하게 측정했습니다. 약간의 유전적 차이로 인해 문화는 적절하게 성장했고 각각 독특한 시간적 변동 패턴을 가지고 있었습니다. 그런 다음 연구원들은 성장 역학 데이터를 기계 학습 프로그램에 입력했습니다. 이 프로그램은 성장 프로필을 식별하고 다양한 계통에 일치시키는 방법을 스스로 학습했습니다.
놀랍게도 그것은 정말 잘 작동했습니다.
"단 하나의 초기 조건에서 얻은 성장 데이터를 사용하여 모델은 92% 이상의 정확도로 특정 균주를 식별할 수 있었습니다."라고 You는 말했습니다. "그리고 하나가 아닌 네 가지 다른 시작 환경을 사용했을 때 정확도는 약 98%까지 향상되었습니다."
이 아이디어를 한 단계 더 발전시켜 You와 Zhang은 성장 역학 프로필을 사용하여 또 다른 표현형인 항생제 내성을 예측할 수 있는지 알아보았습니다.
연구자들은 네 가지 항생제에 대한 회복력에 대한 데이터와 함께 다양한 균주 중 하나를 제외한 모든 균주의 성장 동적 프로필을 기계 학습 프로그램에 다시 한 번 로드했습니다. 그런 다음 결과 모델이 성장 프로필을 통해 최종 균주의 항생제 내성을 예측할 수 있는지 테스트했습니다. 데이터세트를 대량으로 늘리기 위해 그들은 다른 모든 변종에 대해 이 과정을 반복했습니다.
결과는 성장 역학 프로필만으로도 항생제에 대한 계통의 저항성을 60~75%의 확률로 성공적으로 예측할 수 있음을 보여주었습니다.
You는 "이것은 실제로 유전자 서열 분석 데이터를 사용하는 많은 기술을 포함하여 문헌의 현재 기술 중 일부와 동등하거나 그 이상입니다"라고 말했습니다. “그리고 이것은 단지 원칙의 증명일 뿐이었습니다. 우리는 성장 역학에 대한 고해상도 데이터를 통해 장기적으로 훨씬 더 나은 성과를 낼 수 있다고 믿습니다.”
연구자들은 또한 유사한 성장 곡선을 보이는 계통이 유사한 유전적 프로필을 가지고 있는지도 조사했습니다. 밝혀진 바와 같이, 이 둘은 완전히 상관관계가 없으며, 세포 특성과 행동을 특정 DNA 구간에 매핑하는 것이 얼마나 어려운지 다시 한 번 입증합니다.
앞으로는 성장 곡선 절차를 최적화하여 균주를 식별하는 데 걸리는 시간을 2~3일에서 12시간으로 줄일 계획입니다. 그는 또한 고화질 카메라를 사용하여 페트리 접시의 공간에서 박테리아 군집이 어떻게 자라는지 매핑하는 것이 프로세스를 더욱 정확하게 만드는 데 도움이 될 수 있는지 확인할 계획입니다.
이 연구는 Duke University School of Medicine의 Deverick J. Anderson, Joshua T. Thaden 및 Vance G. Fowler 그룹, BGI Genomics의 Minfeng Xiao 그룹과 공동으로 수행되었습니다.
이 연구는 국립 보건원(LY, R01GM098642, R01GM110494, 1A1125604), 육군 연구실(LY, W911NF-14-1-0490), David and Lucile Packard Foundation, Shenzhen Peacock Team Plan 보조금의 일부 지원을 받았습니다. (MX, No. KQTD2015033117210153), 질병통제예방센터(DJA, U54CK000164), AHRQ(DJA, R01-HS23821), NIH(VGF, R01-AI068804) 및 국립과학재단 대학원 연구 펠로우십(CZ, HRM).
"성장 역학에서 박테리아 정체성과 특성의 시간적 인코딩." Carolyn Zhang, Wenchen Song, Helena R. Ma, Xiao Peng, Deverick J. Anderson, Vance G. Fowler Jr, Joshua T. Thaden, Minfeng Xiao 및 Lingchong You. PNAS, 2020. DOI: 10.1073/pnas.2008807117
(다) 듀크대학교
원본 기사 출처: WRAL TechWire