Nowe możliwości wykrywania antybiotykooporności przy użyciu sztucznej inteligencji dają wyniki badań naukowców Uniwersytetu Jagiellońskiego i Uniwersytetu w Białymstoku. Integrując uczenie maszynowe, metagenomikę oraz analizę oporności, badacze odkrywają, jak geny oporności przemieszczają się między przestrzeniami miejskimi a szpitalami.
Oporność na antybiotyki to rosnący globalny problem, który w samym 2019 roku przyczynił się do ponad miliona zgonów. W miarę jak bakterie, wirusy, grzyby i pasożyty ewoluują i stają się oporne na leczenie, infekcje, które kiedyś były łatwe do wyleczenia, zaczynają stanowić zagrożenie życia. Nasze działania pogarszają tę sytuację – nadużywanie antybiotyków i niewłaściwe oczyszczanie ścieków prowadzą do zanieczyszczenia środowiska drobnoustrojami opornymi na leki. Oporność na środki przeciwdrobnoustrojowe to problem, który dotyczy zatem nie tylko środowiska szpitali, ponieważ rozprzestrzenia się ona także poprzez wodę, glebę i żywność, utrudniając leczenie nawet najprostszych infekcji. Jeśli nie podejmiemy teraz zdecydowanych działań, to w przyszłości może się okazać, że zwykłe infekcje staną się śmiertelne.
Jak superbakterie dzielą się informacjami?
Geny odpowiedzialne za oporność na środki przeciwdrobnoustrojowe (antibiotic resistance genes, ARG) nie tylko rozprzestrzeniają się podczas rozmnażania bakterii, ale także poprzez wymianę DNA na trzy różne sposoby: transformację (wchłanianie materiału genetycznego ze środowiska), koniugację (bezpośredni transfer między bakteriami) i transdukcję (za pośrednictwem wirusów).
Ta „ukryta” wymiana genów przyspiesza powstawanie odpornych superbakterii. Mobilne elementy genetyczne (mobile genetic elements, MGE) mają kluczowe znaczenie, sprawiając, że oporność na środki przeciwdrobnoustrojowe jest jak ruchomy cel, który ewoluuje nie tylko dzięki rozmnażaniu bakterii, ale także dzięki wspomnianym mechanizmom wymiany. Zrozumienie tych procesów jest niezbędne w walce z infekcjami opornymi na leki.
Śledzenie drobnoustrojów w przestrzeni publicznej
Naukowcy śledzą ogniska oporności na leki w takich miejscach, jak oczyszczalnie ścieków, szpitale, zakłady przetwórstwa mięsnego i miasta, gdzie działalność człowieka sprzyja rozprzestrzenianiu się genów oporności. Światowy rezystom, czyli zbiór wszystkich genów oporności, jest intensywnie badany. Wyniki nowatorskich badań, w których uczestniczyli naukowcy z Małopolskiego Centrum Biotechnologii Uniwersytetu Jagiellońskiego oraz Wydziału Informatyki Uniwersytetu w Białymstoku, a realizowanych we współpracy z CAMDA (Critical Assessment of Massive Data Analysis) i projektem MetaSUB, otwierają nowe możliwości wykrywania antybiotykooporności przy użyciu sztucznej inteligencji. Integrując uczenie maszynowe, metagenomikę oraz analizę oporności, naukowcy odkrywają, jak geny oporności przemieszczają się między przestrzeniami miejskimi a szpitalami. Te przełomowe odkrycia mogą zrewolucjonizować strategie zdrowia publicznego, dając nam narzędzia do walki z antybiotykoopornością, zanim stanie się ona globalnym kryzysem.
Projekty takie jak MetaSUB zajmują się sekwencjonowaniem DNA z przestrzeni publicznych, takich jak stacje metra czy przystanki autobusowe, pokazując, jak oporność na leki przenosi się w miejskim środowisku. Zrozumienie tych mechanizmów jest kluczowe dla kontrolowania rozwoju infekcji lekoopornych. Założone w 2015 roku konsorcjum skupia klinicystów, naukowców, bioinformatyków i inżynierów z ponad 100 krajów na całym świecie. Zespół nieustannie zbiera próbki środowiskowe z różnych miejsc – miast, wsi, transportu publicznego, metra, kolei oraz systemów kanalizacyjnych. Współzałożycielem stowarzyszenia MetaSUB Europe jest dr hab. inż. Paweł Łabaj, kierownik Grupy Badawczej Bioinformatyki w Małopolskim Centrum Biotechnologii Uniwersytetu Jagiellońskiego.
Związek między bakteriami środowiskowymi i szpitalnymi
W opisywanym badaniu przeanalizowano 143 próbki środowiskowe pobrane z miast oraz 145 izolatów bakterii wyizolowanych w szpitalach, sprawdzając ich oporność na leki antybakteryjne. Izolaty, wyhodowane z próbek klinicznych, reprezentują kluczowe patogeny, takie jak Escherichia coli, Klebsiella pneumoniae i Enterobacter hormaechei. Porównując markery oporności w bakteriach występujących w szpitalach i w środowisku miejskim, naukowcy ocenili dostępne narzędzia do wykrywania oporności, która ma znaczenie kliniczne. Te odkrycia mogą pomóc wypełnić lukę między nadzorem środowiskowym a infekcjami szpitalnymi, poprawiając wczesne wykrywanie i opracowywanie strategii reagowania.
W ramach badania wykorzystano dane metagenomiczne oraz dane dotyczące oporności klinicznej udostępnione przez CAMDA (2023), które posłużyły do opracowania mapy oporności na środki przeciwdrobnoustrojowe w miastach USA. Próbki, które zostały zebrane w ramach projektu MetaSUB, pochodziły z sześciu miast. Dzięki tym badaniom naukowcy mogli przeanalizować rezystom (geny oporności na antybiotyki), wirusom (wirusy) i mobilom (mobilne elementy genetyczne) za pomocą różnych technik. Uzyskane dane pomagają w śledzeniu, jak oporność na leki rozprzestrzenia się w miejskim środowisku, co jest kluczowe dla opracowywania przyszłych strategii zdrowia publicznego.
Sztuczna inteligencja w monitorowaniu miejskich drobnoustrojów
Korzystając z uczenia maszynowego i modelowania statystycznego, naukowcy przeanalizowali dane metagenomiczne, aby zbadać, jak oporność na środki przeciwdrobnoustrojowe rozwija się w środowiskach miejskich. Wykorzystując klasyfikatory lasu losowego (random forest) oraz narzędzia selekcji cech, takie jak Boruta i MDFS (opracowane przez część autorów publikacji), udało się zidentyfikować kluczowe markery oporności na antybiotyki. Te techniki oparte na sztucznej inteligencji pomogły lepiej zrozumieć dynamikę AMR w miastach, poprawiając precyzję narzędzi służących do profilowania oporności. Badanie podkreśla kluczową rolę mobilnych elementów genetycznych w rozprzestrzenianiu się oporności, otwierając nowe perspektywy dla przyszłych badań i interwencji w dziedzinie zdrowia publicznego.
CAMDA – krytyczna ocena analizy Big Data
Tło tej publikacji naukowej jest ściśle związane z konferencją CAMDA (Critical Assessment of Massive Data Analysis), która stała się katalizatorem standaryzacji danych genomowych. CAMDA pełni rolę platformy, na której dokładnie testowana jest odtwarzalność narzędzi bioinformatycznych. Koncentruje się na analizie Big Data w naukach przyrodniczych, wprowadzając i oceniając nowe podejścia. Konferencja prezentuje nowoczesne techniki z zakresu bioinformatyki, analizy danych i statystyki, które pozwalają na skuteczne przetwarzanie i analizowanie dużych zbiorów danych, integrację różnych źródeł danych oraz zwiększenie efektywności wnioskowania obliczeniowego.
Wyniki badań zostały opublikowane w czasopiśmie Frontiers.
Mariusz Kopiejka, źródło: UJ