AI 预测抗生素耐药性将如何以及在何处出现

快速阅读: 据《AZoAI》称，瑞典查尔姆斯理工大学研究团队开发出一种AI模型，可预测细菌抗生素耐药性传播。研究发现耐药性更易在遗传相似细菌间传播，主要发生在人体和废水中。此发现有助于改进感染控制和公共卫生策略，保护公共健康。研究成果发表于《自然·通讯》。

瑞典查尔姆斯理工大学
2025年4月2日

一种突破性的AI模型显示，抗生素耐药性更可能出现在人类体内和废水中的遗传相似细菌间，这一发现可能彻底改变感染控制和公共卫生策略。

首先，研究人员筛查了细菌基因组中的抗生素耐药基因（ARGs）。其次，利用识别出的蛋白序列构建系统发育树，并通过检测由远缘宿主携带的相似基因来推断水平基因转移。对于每一种识别出的水平基因转移实例，收集了描述细菌群落中遗传不兼容及共存的数据。在这里，遗传不兼容性被定义为涉及基因组与它们的ARGs间的核苷酸组成差异，而环境共存则通过将相关基因组映射到大规模宏基因组数据集中来衡量。最后，收集的数据被用来训练随机森林模型。通过特征重要性分析确定了影响水平基因转移预测的因素。

一个基于大量遗传数据训练的AI模型能预测细菌是否会变得具有抗生素耐药性。这项新研究显示，抗生素耐药性更容易在遗传相似的细菌间传播，并且主要发生在废水处理厂和人体内部。

“通过了解细菌耐药性是如何产生的，我们可以更好地遏制其传播。这对保护公众健康和医疗系统治疗感染的能力至关重要，”瑞典查尔姆斯理工大学数学科学系教授埃里克·克里斯蒂安森指出。

据世界卫生组织（WHO）称，抗生素耐药性是全球健康面临的最大威胁之一。当细菌变得耐药时，抗生素就失去了效果，这使得肺炎和败血症等疾病难以甚至无法治疗。耐药菌株的增多也使许多医疗程序相关的感染更难预防。细菌能够交换基因，包括赋予其耐药性的基因，这是抗生素耐药性迅速传播的根本原因。

“对人类有害的细菌积累了大量耐药基因。许多这些基因来源于生活在我们体内或环境中的无害细菌。我们的研究探讨了这一复杂的进化过程，以了解这些基因如何转移到致病菌中。这使预测未来细菌如何发展耐药性成为可能，”埃里克·克里斯蒂安森说。

来自世界各地的复杂数据

在一项发表于《自然·通讯》期刊并由查尔姆斯理工大学、哥德堡大学和弗劳恩霍夫查尔姆斯中心的研究人员进行的新研究中，研究人员开发了一种AI模型，使用关于细菌DNA、结构和栖息地的信息来分析细菌之间的历史基因转移。该模型是在近百万种细菌基因组上训练的，这是一个由国际研究社区多年积累的广泛数据集。

“在复杂的背景下，AI可以充分利用其能力，尤其是在大量数据的情况下，”查尔姆斯理工大学数学科学系博士生大卫·伦德说道。“我们研究的独特之处之一是用于训练模型的数据量非常大，这表明AI和机器学习是描述那些让细菌感染难以治疗的复杂生物过程的强大工具。”

关于抗生素耐药性何时出现的新结论

研究表明，在哪些环境中抗性基因在不同细菌之间转移，以及是什么因素使得某些细菌比其他细菌更有可能彼此交换基因。

“我们看到，存在于人体和污水处理厂中的细菌有更高的概率通过基因转移获得耐药性。这些是细菌携带抗性基因相互接触的环境，通常在抗生素存在的条件下，”大卫·伦德说。

另一个增加抗性基因从一个细菌“跳跃”到另一个细菌的可能性的重要因素是细菌的遗传相似性。当细菌吸收新的基因时，需要能量来储存DNA并生产基因编码的蛋白质，这意味着对细菌的成本。

“大多数抗性基因在具有相似遗传结构的细菌之间共享。我们认为这降低了吸收新基因的成本。我们正在继续研究以更精确地理解控制这一过程的机制，”埃里克·克里斯蒂安森说。

希望实现诊断模型

通过评估模型对已知发生抗性基因转移的细菌的表现，测试了模型的性能，但AI模型事先未被告知这些信息。这被用作一种考试，只有研究人员知道答案。在五次测试中有四次，模型能够预测是否会发生抗性基因的转移。埃里克·克里斯蒂安森表示，未来的模型将能够更加准确，部分是通过改进AI模型本身，部分是通过在更大规模的数据上进行训练。

“AI和机器学习让我们能够高效分析和解读当今海量数据，这意味着我们可以真正以数据驱动方式解答长期困扰我们的复杂问题，同时提出全新问题，”埃里克·克里斯蒂安森说。

研究人员希望将来能够将AI模型用于快速识别新出现的抗性基因是否有可能转移到致病细菌中，并将其转化为实际措施。

例如，“AI模型可用于改进分子诊断，以发现新的多重耐药菌株，或用于监控含抗生素的污水处理厂和环境，”埃里克·克里斯蒂安森说。

来源：
查尔姆斯理工大学

期刊引用：
伦德等，2025，《自然·通讯》，16(1): 1–13。DOI: 10.1038/s41467-025-57825-3
https://doi.org/10.1038/s41467-025-57825-3

(以上内容均由Ai生成)