收藏本站
《中国畜牧兽医学会兽医药理毒理学分会第十五次学术讨论会论文集》2019年
收藏 | 手机打开
二维码
手机客户端打开本文

机器学习在预测胸膜肺炎放线杆菌耐药性的研究

刘志昌  彭广辉  容庭  王刚  李书宏  马现永  
【摘要】:目的:细菌耐药性在全世界范围内成为抗感染领域的一个很棘手的问题。临床上合理使用抗菌药物的关键是快速准确地判断病原菌是否对药物敏感。目前,常用的耐药性研究方法主要是PCR检测和药物敏感性试验。随着全基因测序的费用不断降低,该技术已逐渐成为科学界研究细菌耐药性的重要技术手段,而使用机器学习方法从全基因水平对细菌耐药表型进行预测已经成为细菌耐药性研究的一种新方法。在机器学习方法中,集覆盖机(The set covering machine,SCM)理论作为支持向量机(Support Vector Machine,SVM)的替代算法,采用贪婪算法构建逻辑与(AND)和逻辑或(OR)规则找到能够覆盖所有条件属性集合的一个最小的子集来进行属性约简,从而获得一个具有良好泛化性能的分类方法。本研究拟采用SCM模型从全基因序列水平快速准确地对细菌的耐药表型进行分类,以期为耐药性的监测及新的耐药基因的发现提供有用的分析工具。方法:从文献中收集96株胸膜肺炎放线杆菌的全基因测序结果及细菌对四环素、氨苄西林、磺胺异噁唑、甲氧苄啶和恩诺沙星的耐药表型(doi:10.3389/fmicb.2017.00311)。细菌的全基因序列使用Velvet组装成contigs,然后用Ray Surveyor tool把所有细菌的congtigs剪辑成31个碱基长度的k-mers数据集。k-mers数据集以及细菌耐药表型进一步被机器学习软件Kover (https://github.com/aldro61/kover)打包成一个新的数据集。新的数据集被随机拆分成2/3的子集用作SCM模型的训练,其余1/3的数据集用作模型测试。为了防止过度拟合,模型采用five-fold交差验证。结果:96株胸膜肺炎放线杆菌中分别有58,19,46,16,6株菌对四环素、氨苄西林、磺胺异噁唑、甲氧苄啶和恩诺沙星耐药;其中分别有8株菌对四种抗菌药物耐药,17株菌对三种抗菌药物耐药,22株菌对两种抗菌药物耐药,18株菌对一种抗菌药物耐药,31对五种药物均敏感。最优的SCM模型对5种药物的训练数据集和测试数据集耐药表型判断的准确性都大于90%,显示模型没有出现过度拟合。Fisher检验结果表明,SCM模型能极显著地把5中药物的敏感菌和耐药菌进行分类。此外,SCM模型得到的反映细菌耐药表型的k-mers集合可进一步通过BLAST匹配到相应的耐药基因。结论:SCM模型可从全基因组序列水平快速、全面预测病原细菌对不同药物的耐药性,有助于临床用药的选择、细菌耐药性的监测及新的耐药机制的发现。
【作者单位】:广东省农业科学院动物科学研究所
【基金】:广州市民生科技攻关计划项目(201903010083)
【分类号】:S852.61;TP181

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 王玲丽;胡铁宏;;儿童抗生素的使用现状及耐药性监测[J];人人健康;2016年24期
2 秦卓明,徐怀英,牛钟相;细菌耐药性研究的新进展[J];中国禽业导刊;2005年04期
3 宋晓红,方治平,刘小康;六种氟喹诺酮类药物对临床分离金葡菌的耐药性研究[J];中国临床药理学与治疗学杂志;1999年02期
4 张欣凤;王浴生;赵淑琴;;国产抗结核药物利福定耐药机理探讨——Ⅰ.细菌胞膜屏障对耐药性的影响[J];四川生理科学杂志;1988年01期
5 刘卫国;陈祖基;;单纯疱疹病毒的耐药性研究[J];国外医学(微生物学分册);1989年04期
6 钱海伦;细菌对β-内酰胺类抗生素耐药性的研究进展[J];中国药科大学学报;1989年03期
7 刘杰;胥彬;;肿瘤细胞耐药性研究的最新进展[J];生理科学进展;1989年02期
8 张永信;;肺炎杆菌耐药性研究的进展[J];国外医药(抗生素分册);1989年03期
9 周惠平;细菌耐药性研究新进展[J];新医学;2000年05期
10 龚德钒;;铜绿假单胞菌耐药性研究进展[J];临床医药文献电子杂志;2017年24期
中国重要会议论文全文数据库 前10条
1 刘志昌;彭广辉;容庭;王刚;李书宏;马现永;;机器学习在预测胸膜肺炎放线杆菌耐药性的研究[A];中国畜牧兽医学会兽医药理毒理学分会第十五次学术讨论会论文集[C];2019年
2 孙明姣;;中国儿童院内相关性耐甲氧西林金黄色葡萄球菌分子特征及耐药性研究[A];中华医学会第十三届全国儿科呼吸学术会议论文汇编[C];2012年
3 祝建军;蒋琰瑛;吴展;刘霞;李英龙;叶金艳;杜玉海;;复发性外阴阴道念珠菌病的病原真菌学与耐药性研究及其治疗[A];2007年浙江省医学检验学学术年会论文汇编[C];2007年
4 裴凤艳;;276株大肠埃希菌的耐药性研究[A];中华医学会第七次全国检验医学学术会议资料汇编[C];2008年
5 王中新;黄颖;徐元宏;冯婷;;耐亚胺培南铜绿假单胞菌金属β-内酰胺酶的检测及耐药性研究[A];第五次全国中青年检验医学学术会议论文汇编[C];2006年
6 尹春煜;卢洪洲;娄国强;李晓鸥;潘孝彰;翁心华;;中国部分地区应用高效抗逆转录病毒治疗患者的HIV-1耐药性研究[A];2005年浙江省感染病、肝病学术会议论文汇编[C];2005年
7 蒋琰瑛;祝建军;吴展;刘霞;李英龙;叶金艳;杜玉海;;复发性外阴阴道念珠菌病的病原真菌学与耐药性研究及其治疗[A];中华医学会第一届全球华人妇产科学术大会暨第三次全国妇产科中青年医师学术会议论文汇编[C];2007年
8 蒋智钢;吴聪明;张万江;沈建忠;;蛋白质组学及其在细菌耐药性研究中的应用[A];中国畜牧兽医学会兽医药理毒理学分会第十次研讨会论文摘要集[C];2009年
9 吴贤丽;庞载元;敖茂程;;大肠埃希菌对头孢替安的耐药性研究[A];第六届中国临床微生物学大会暨微生物学与免疫学论坛论文汇编[C];2015年
10 王丹;王加强;周琴;许颖;;铜绿假单胞菌的分布特征及耐药性研究[A];第四届中国临床微生物学大会暨微生物学与免疫学论坛论文汇编[C];2013年
中国重要报纸全文数据库 前10条
1 记者 刘肖勇;华农动物源细菌耐药性研究获重大发现[N];广东科技报;2019年
2 记者 熊心权;《肺结核患者耐药性研究》填补国内空白[N];自贡日报;2012年
3 惠赞瑾;《科学向左,科幻向右》:机器学习即将成为现实[N];中国会计报;2019年
4 IBM大数据专家 James Kobielus 范范 编译;机器学习已成为大数据基石[N];网络世界;2014年
5 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
6 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
7 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
8 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
9 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循?[N];计算机世界;2019年
10 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
中国博士学位论文全文数据库 前10条
1 刘玉庆;表征抗菌药物杀菌动力学的新方法以及细菌抗药性与耐药性区分的研究[D];山东大学;2005年
2 程巧梅;绿脓杆菌外膜蛋白与耐药性关系及其基因的克隆与应用研究[D];中国协和医科大学;1998年
3 李少英;奶牛源性双歧杆菌和乳杆菌的分离鉴定及耐药性研究[D];内蒙古农业大学;2008年
4 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年
5 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年
6 刘浏;基于机器学习的恶意代码检测与分类技术研究[D];国防科技大学;2017年
7 韩启迪;基于非线性成矿动力系统的机器学习方法应用研究[D];中国地质大学(北京);2019年
8 薛红新;基于机器学习方法的分类与预测问题研究[D];中北大学;2019年
9 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
10 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
中国硕士学位论文全文数据库 前10条
1 李秋辰;J亚群禽白血病病毒在体内药物选择压下的准种演变及耐药性的产生[D];山东农业大学;2019年
2 陈云;牛源耐甲氧西林金黄色葡萄球菌耐药性和毒力基因的检测[D];内蒙古农业大学;2019年
3 刘志阳;中国部分地区无偿献血者中HIV基因分型和耐药性分析及共感染研究[D];北京协和医学院;2019年
4 孔令严;禽多杀性巴氏杆菌耐药株的转录组学分析[D];安徽农业大学;2017年
5 卢洁;Lactobacillus casei Zhang耐药性进化可逆性研究[D];内蒙古农业大学;2017年
6 吴玉姣;常州地区抗酸杆菌菌种鉴定及耐药性研究[D];苏州大学;2016年
7 酒跃光;猪源沙门菌耐药性及屠宰环节污染规律研究[D];华中农业大学;2017年
8 纪丽敏;基于机器学习的蛋白质相互作用预测精度与数据集关系的研究[D];华南理工大学;2013年
9 周学利;副猪嗜血杆菌分离株的血清分型及其耐药性研究[D];华中农业大学;2009年
10 贾敏;克氏原鳌虾产ESBLs大肠杆菌耐药性研究[D];吉林农业大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026