Los investigadores de la Universidad Estatal de Washington han desarrollado un programa de software fácil de usar para identificar genes resistentes a los medicamentos en bacterias.
El programa podría facilitar la identificación de las bacterias mortales resistentes a los antimicrobianos que existen en el medio ambiente. Tales microbios causan anualmente más de 2.8 millones de neumonía, torrente sanguíneo y otras infecciones difíciles de tratar y 35,000 muertes en los EE. UU.Doctorado en ciencias de la computación, Abu Sayed Chowdhury, Shira Broschat en la Escuela de Ingeniería Eléctrica e Informática, y Douglas Call en la Escuela Paul G. Allen para la Salud Animal Global, informan sobre su trabajo en la revista Informes científicos .
La resistencia a los antimicrobianos RAM se produce cuando las bacterias u otros microorganismos evolucionan o adquieren genes que codifican mecanismos de resistencia a los medicamentos. Las bacterias que causan infecciones por estafilococos o estreptococos o enfermedades como la tuberculosis y la neumonía han desarrollado cepas resistentes a los medicamentos que las hacen cada vez más difíciles ya veces imposible de tratar. Se espera que el problema empeore en las próximas décadas en términos de aumento de infecciones, muertes y costos de salud a medida que las bacterias evolucionan para "superar" a un número limitado de tratamientos con antibióticos.
"Necesitamos desarrollar herramientas para predecir fácil y eficientemente la resistencia a los antimicrobianos que amenacen cada vez más la salud y los medios de vida en todo el mundo", dijo Chowdhury, autor principal del artículo.
A medida que la secuenciación genética a gran escala se ha vuelto más fácil, los investigadores están buscando genes de AMR en el medio ambiente. Los investigadores están interesados en saber dónde viven los microbios en el suelo y el agua y cómo pueden propagarse y afectar la salud humana. Si bien pueden identificargenes que son similares a los genes resistentes a AMR conocidos, probablemente les faltan genes de resistencia que se ven muy únicos desde una perspectiva de secuencia de proteínas.
El equipo de investigación de WSU desarrolló un algoritmo de aprendizaje automático que utiliza características de las proteínas AMR en lugar de la similitud de las secuencias de genes para identificar los genes AMR. Los investigadores utilizaron la teoría de juegos, una herramienta que se utiliza en varios campos, especialmente la economía, para modelarinteracciones estratégicas entre jugadores, lo que a su vez ayuda a identificar genes AMR. Usando su algoritmo de aprendizaje automático y el enfoque de la teoría de juegos, los investigadores analizaron las interacciones de varias características del material genético, incluida su estructura y las propiedades fisioquímicas y de composición de las secuencias de proteínas.en lugar de simplemente similitud de secuencia.
"Nuestro software puede emplearse para analizar datos metagenómicos en mayor profundidad que la que se lograría con algoritmos simples de coincidencia de secuencias", dijo Chowdhury. "Esta puede ser una herramienta importante para identificar nuevos genes de resistencia a los antimicrobianos que eventualmente podrían volverse clínicamente importantes".
"La virtud de este programa es que realmente podemos detectar AMR en genomas recién secuenciados", dijo Broschat. "Es una forma de identificar los genes de AMR y su prevalencia que de otro modo no se hubieran encontrado. Eso es realmente importante".
El equipo de WSU consideró los genes de resistencia encontrados en especies de Clostridium , Enterococo , estafilococo , estreptococo y Listeria . Estas bacterias son la causa de muchas infecciones importantes y enfermedades infecciosas, como infecciones por estafilococos, intoxicación alimentaria, neumonía y colitis potencialmente mortal debido a C. difficile . Pudieron clasificar con precisión genes resistentes con una precisión de hasta el 90 por ciento.
Han desarrollado un paquete de software que otros investigadores pueden descargar y usar fácilmente para buscar AMR en grandes grupos de material genético. El software también se puede mejorar con el tiempo. Si bien está capacitado sobre los datos disponibles actualmente, los investigadores podránvolver a entrenar el algoritmo a medida que haya más datos y secuencias disponibles.
"Puede iniciar y mejorar el software a medida que haya más datos positivos disponibles", dijo Broschat.
El trabajo fue financiado en parte por la Fundación Carl M. Hansen.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Washington . Original escrito por Tina Hilding. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :