ИИ помогает находить вирусы, способные уничтожать конкретные бактерии
Ученые создали систему на основе машинного обучения, которая помогает находить вирусы, способные заражать конкретные штаммы бактерий. Такой подход может ускорить подбор бактериофагов и их комбинаций для борьбы с устойчивыми к антибиотикам инфекциями.
Источник: Новости науки
МОСКВА, 1 октября /Новости науки/. Ученые создали систему машинного обучения, которая по геномам бактерий и бактериофагов предсказывает, какие бактериофаги способны заражать конкретные штаммы бактерий. Об этом сообщается в статье, опубликованной в Nature Microbiology.
Бактериофаги — это вирусы, заражающие бактерии. Благодаря способности действовать на определенные штаммы их рассматривают как один из перспективных способов борьбы с устойчивыми к антибиотикам инфекциями. Однако та же избирательность создает проблему: для каждого штамма бактерии необходимо подобрать фаг, который сможет его заразить. По мере роста коллекций таких вирусов проверять все возможные сочетания экспериментально становится все сложнее.
Чтобы автоматизировать этот поиск, исследователи обучили модель определять совместимость бактерии и бактериофага по информации, содержащейся в их геномах. При разработке системы специалисты провели более 13,2 млн запусков обучения и использовали шесть наборов данных, включавших в общей сложности 115 037 взаимодействий между 949 штаммами бактерий и 518 бактериофагами.
Систему дополнительно проверили на бактериофагах, которых модель раньше не видела. Ученые испытали 52 таких вируса на 25 штаммах кишечной палочки и получили данные о 1 240 взаимодействиях, которые можно было сопоставить с прогнозами. Результаты показали, что модель способна переносить полученные закономерности на новые бактериофаги.
Модель может использоваться не только для поиска одного подходящего вируса, но и для составления так называемых фаговых коктейлей — комбинаций из нескольких бактериофагов. Такая смесь увеличивает вероятность того, что хотя бы один из вирусов сможет заразить нужную бактерию, а также снижает риск устойчивости сразу ко всем компонентам.
В компьютерной проверке комбинации из пяти подобранных системой бактериофагов включали хотя бы один активный вирус для 97,5% изученных штаммов кишечной палочки. Для бактерий Klebsiella показатель достигал 87,8%, а для представителей семейства Vibrionaceae — 57,5%. При выборе одного бактериофага в некоторых случаях модель повышала результативность подбора до 3,1 раза по сравнению со стратегией выбора вирусов с наиболее широким кругом потенциальных хозяев.
Исследователи также проверили, какие особенности геномов влияют на решения модели. Эксперименты показали, что 68,6% выявленных генетических факторов, связанных с заражением бактерий бактериофагами, соответствовали признакам, которые система самостоятельно использовала для прогнозирования. Это указывает на то, что модель опиралась не только на статистические совпадения, но и улавливала биологически значимые особенности взаимодействия бактерий и вирусов.
Авторы исследования считают, что разработанный подход в дальнейшем может использоваться для более целенаправленного подбора бактериофагов при создании фаговой терапии, а также для работы с микробиомами в медицине, сельском хозяйстве и промышленности. При этом эффективность таких комбинаций для лечения пациентов в этой работе не проверялась.
Бактериофаги — это вирусы, заражающие бактерии. Благодаря способности действовать на определенные штаммы их рассматривают как один из перспективных способов борьбы с устойчивыми к антибиотикам инфекциями. Однако та же избирательность создает проблему: для каждого штамма бактерии необходимо подобрать фаг, который сможет его заразить. По мере роста коллекций таких вирусов проверять все возможные сочетания экспериментально становится все сложнее.
Чтобы автоматизировать этот поиск, исследователи обучили модель определять совместимость бактерии и бактериофага по информации, содержащейся в их геномах. При разработке системы специалисты провели более 13,2 млн запусков обучения и использовали шесть наборов данных, включавших в общей сложности 115 037 взаимодействий между 949 штаммами бактерий и 518 бактериофагами.
Систему дополнительно проверили на бактериофагах, которых модель раньше не видела. Ученые испытали 52 таких вируса на 25 штаммах кишечной палочки и получили данные о 1 240 взаимодействиях, которые можно было сопоставить с прогнозами. Результаты показали, что модель способна переносить полученные закономерности на новые бактериофаги.
Модель может использоваться не только для поиска одного подходящего вируса, но и для составления так называемых фаговых коктейлей — комбинаций из нескольких бактериофагов. Такая смесь увеличивает вероятность того, что хотя бы один из вирусов сможет заразить нужную бактерию, а также снижает риск устойчивости сразу ко всем компонентам.
В компьютерной проверке комбинации из пяти подобранных системой бактериофагов включали хотя бы один активный вирус для 97,5% изученных штаммов кишечной палочки. Для бактерий Klebsiella показатель достигал 87,8%, а для представителей семейства Vibrionaceae — 57,5%. При выборе одного бактериофага в некоторых случаях модель повышала результативность подбора до 3,1 раза по сравнению со стратегией выбора вирусов с наиболее широким кругом потенциальных хозяев.
Исследователи также проверили, какие особенности геномов влияют на решения модели. Эксперименты показали, что 68,6% выявленных генетических факторов, связанных с заражением бактерий бактериофагами, соответствовали признакам, которые система самостоятельно использовала для прогнозирования. Это указывает на то, что модель опиралась не только на статистические совпадения, но и улавливала биологически значимые особенности взаимодействия бактерий и вирусов.
Авторы исследования считают, что разработанный подход в дальнейшем может использоваться для более целенаправленного подбора бактериофагов при создании фаговой терапии, а также для работы с микробиомами в медицине, сельском хозяйстве и промышленности. При этом эффективность таких комбинаций для лечения пациентов в этой работе не проверялась.
