AMR中的进化累积建模：利用机器学习推断和预测多重耐药性的进化动力学
种群与进化
2024-11-05 v2 定量方法
摘要
我们能否理解并预测细菌获得多重耐药性（MDR）的进化路径？这些问题在基础生物学以及应对全球健康挑战——抗生素耐药性（AMR）的应用方法中具有巨大的潜在影响。本文回顾了一类称为进化累积建模（EvAM）的机器学习方法，如何可能利用遗传和/或表型 AMR 数据集揭示这些动力学，而无需纵向采样。这些方法在癌症进展和进化生物学中已得到充分确立，但目前较少用于 AMR 研究。我们讨论了 EvAM 如何能够学习病原体进化过程中获得耐药性和 AMR 特征的进化路径，预测下一步进化步骤，识别 AMR 特征之间的影响，并探索不同区域、人口统计特征等之间 MDR 进化的差异。我们展示了一个关于结核分枝杆菌 MDR 进化的案例研究，并讨论了这些方法的优缺点，同时提供了一些实现方法的链接。
引用
@article{arxiv.2411.00219,
title = {Evolutionary accumulation modelling in AMR: machine learning to infer and predict evolutionary dynamics of multi-drug resistance},
author = {Jessica Renz and Kazeem A. Dauda and Olav N. L. Aga and Ramon Diaz-Uriarte and Iren H. Löhr and Bjørn Blomberg and Iain G. Johnston},
journal= {arXiv preprint arXiv:2411.00219},
year = {2024}
}