来自英国韦尔科姆桑格研究所、新西兰奥塔哥大学和德国亥姆霍兹基于核糖核酸的感染研究所的研究团队开发了一种机器学习工具，可以在沙门氏菌引起血液感染之前检测到它。研究结果发表在5月8日的《公共科学图书馆遗传学》上。

根据菌株的不同，沙门氏菌可能会导致食物中毒或几种严重的疾病。在这项研究中，研究人员概述了机器学习工具的发展，并检查了它们检测肠炎沙门氏菌严重程度的能力。研究人员希望这一工具也能用于在引发疾病爆发之前检测出危险的细菌。

“我们设计了一个新的机器学习模型，来识别哪些新兴细菌可能是公共卫生问题。有了这个工具，我们可以处理大量数据集，并在几秒钟内获得结果，”Nicole Wheeler说。韦尔科姆桑格研究所表示：“最终，这项工作将以前所未有的方式对危险细菌的监测产生重大影响，不仅在医院病房，而且在全球范围内。”

在开发了机器学习工具后，研究人员用沙门氏菌的旧变种训练了模型，包括6种引起侵袭性感染的细菌菌株和7种胃肠道菌株。然后，该模型可以识别与沙门氏菌菌株严重程度相关的近200个基因。当检查新的肠杆菌科菌株时，该模型可以从一系列循环感染中正确识别细菌。该模型发现，这种菌株更危险，导致血液感染率高于其他细菌菌株。

“与其他方法相比，机器学习工具是一种改进，因为它不仅可以搜索基因和突变，还可以找出突变对这些错误的功能影响，”亥姆霍兹RNA-Institute的合著者Lars Barquist说。感染研究，总部设在德国。“它可以告诉我们，哪些突变使病原体更容易传播到肠道外，引发威胁生命的疾病，而不是食物中毒。这将有助于未来设计更有效的治疗方法。”

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：