Investigadores de la Universidad de California en San Diego han desarrollado un enfoque que utiliza el aprendizaje automático para identificar y predecir qué genes hacen que las bacterias infecciosas sean resistentes a los antibióticos.
El enfoque se probó en cepas de Mycobacterium tuberculosis , las bacterias que causan la tuberculosis (TB) en humanos. Identificó 33 genes conocidos y 24 nuevos genes de resistencia a los antibióticos en estas bacterias.
Los investigadores dicen que el enfoque se puede usar en otros patógenos causantes de infecciones, incluidos los estafilococos y las bacterias que causan infecciones del tracto urinario, neumonía y meningitis. El trabajo fue publicado recientemente en Nature Communications.
"Saber qué genes confieren resistencia a los antibióticos podría cambiar la forma en que se tratan las enfermedades infecciosas en el futuro", dijo el coautor principal Jonathan Monk, científico investigador del Departamento de Bioingeniería de la UC San Diego. "Por ejemplo, si hay una infección persistente de TB en la clínica, los médicos pueden secuenciar esa cepa, observar sus genes y determinar a qué antibióticos es resistente y a cuáles son susceptibles, y luego prescribir el antibiótico correcto para esa cepa".
“Esto podría abrir oportunidades para un tratamiento personalizado para su patógeno. "Cada cepa es diferente y potencialmente debe tratarse de manera diferente", dijo el coautor principal Bernhard Palsson, profesor Galletti de Bioingeniería en la Escuela de Ingeniería de la UC San Diego Jacobs. "A través de este análisis de aprendizaje automático del pan-genoma, el conjunto completo de todos los genes en todas las cepas de una especie bacteriana, podemos entender mejor las propiedades que hacen a estas cepas diferentes".
El equipo entrenó un algoritmo de aprendizaje automático utilizando las secuencias y fenotipos del genoma (los rasgos físicos o características que se pueden observar, como la resistencia a los antibióticos) de más de 1,500 cepas de M. tuberculosis. A partir de estas entradas, el algoritmo predijo un conjunto de genes y formas variantes de estos genes, llamados alelos, que causan resistencia a los antibióticos 33 fueron validados con genes conocidos de resistencia a los antibióticos, los 24 restantes fueron nuevas predicciones que aún no se han probado experimentalmente.
Los investigadores analizaron más a fondo las predicciones del algoritmo e identificaron combinaciones de alelos que podrían interactuar entre sí y causar que una cepa sea resistente a los antibióticos. También mapearon estos alelos en estructuras cristalinas de proteínas de M. tuberculosis (publicadas en el Protein Data Bank). Encontraron que algunos de estos alelos aparecían en ciertas regiones estructurales de las proteínas.
"Hicimos análisis de interacción y estructurales para profundizar y desarrollar hipótesis más complejas sobre cómo estos genes podrían contribuir a los fenotipos de resistencia a los antibióticos", dijo el primer autor Erol Kavvas, un doctorado en bioingeniería. Estudiante en el grupo de investigación de Palsson. "Estos hallazgos podrían ayudar a futuras investigaciones experimentales sobre si la agrupación estructural de estos alelos desempeña un papel en su transferencia de resistencia a los antibióticos".
Los resultados de este estudio son todos computacionales, por lo que el equipo está buscando trabajar con investigadores experimentales para evaluar si los 24 nuevos genes predichos por el algoritmo confieren resistencia a los antibióticos en M. tuberculosis.
Los estudios futuros incluirán la aplicación del enfoque de aprendizaje automático del equipo a las principales bacterias infecciosas, conocidas como patógenos ESKAPE: Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa y Enterobacter. Como siguiente paso, el equipo está integrando modelos de redes metabólicas a escala genómica con su enfoque de aprendizaje automático para comprender los mecanismos subyacentes a la evolución de la resistencia a los antibióticos.
Documento completo original: "El aprendizaje de máquina y el análisis estructural delpanoma genoma de Mycobacterium tuberculosis identifica las firmas genéticas de resistencia a los antibióticos"
Traducción: Cecilia González P.
Publicado: 01 de noviembre de 2018
Fuente: Jacobs School of Engineering
Atrás
