人工智能模型揭示了遗传相似性如何驱动细菌的抗生素耐药性

基于大量遗传数据训练的人工智能模型可以预测细菌是否会产生抗生素耐药性。这项新的研究表明，抗生素耐药性更容易在基因相似的细菌之间传播，主要发生在废水处理厂和人体内

瑞典查尔姆斯理工大学和哥德堡大学数学科学系教授Erik Kristiansson说：“通过了解细菌耐药性是如何产生的，我们可以更好地对抗其传播。这对于保护公共卫生和医疗保健系统治疗感染的能力至关重要。”

根据世界卫生组织（世界卫生组织）的说法，抗生素耐药性是全球健康面临的最大威胁之一。当细菌产生耐药性时，抗生素的作用就会消失，这使得肺炎和血液中毒等疾病难以或无法治疗

抗生素耐药性细菌的增加也使预防与许多医疗程序相关的感染变得更加困难，如器官移植和癌症治疗

抗生素耐药性迅速传播的一个根本原因是细菌交换基因的能力，包括使细菌产生耐药性的基因

Kristiansson说：“对人类有害的细菌积累了许多抗性基因。其中许多基因来自生活在我们身体或环境中的无害细菌。我们的研究考察了这一复杂的进化过程，以了解这些基因是如何转移到致病菌的。这使得预测未来细菌如何产生抗性成为可能。”

来自世界各地的复杂数据

在这项发表在《自然通讯》上的研究中，由查尔姆斯理工大学、哥德堡大学和弗劳恩霍夫-查尔姆斯中心的研究人员进行，研究人员开发了一个人工智能模型，利用细菌DNA、结构和栖息地的信息来分析细菌之间的历史基因转移

该模型是在近100万种细菌的基因组上训练的，这是国际研究界多年来汇编的一个广泛的数据集

查尔姆斯大学数学科学系和哥德堡大学的博士生David Lund说：“人工智能可以在复杂的环境中尽其所能地使用大量数据。”

“我们研究的独特之处在于，除其他外，用于训练模型的数据量非常大，这表明人工智能和机器学习是一个强大的工具，可以描述使细菌感染难以治疗的复杂生物过程。”。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展

关于抗生素耐药性何时产生的新结论

该研究表明，耐药基因在不同细菌之间转移的环境中，以及是什么使一些细菌比其他细菌更有可能相互交换基因

Lund说：“我们发现，人类和水处理厂中发现的细菌通过基因转移产生耐药性的可能性更高。这些是携带耐药性基因的细菌相互相遇的环境，通常是在抗生素存在的情况下。”

增加抗性基因从一种细菌“跳跃”到另一种细菌的可能性的另一个重要因素是细菌的遗传相似性。当细菌吸收新基因时，需要能量来储存DNA并产生基因编码的蛋白质，这意味着细菌的成本

Kristiansson说：“大多数抗性基因在具有相似遗传结构的细菌之间共享。我们认为这降低了吸收新基因的成本。我们正在继续研究，以更精确地了解控制这一过程的机制。”

希望有一个诊断模型

该模型的性能是通过对细菌进行评估来测试的，研究人员知道抗性基因的转移已经发生，但人工智能模型没有提前告知。这被用作一种考试，只有研究人员才能得到答案。在五分之四的情况下，该模型可以预测是否会发生抗性基因的转移

Kristiansson表示，未来的模型将能够更加准确，部分是通过改进人工智能模型本身，部分是在更大的数据上进行训练

Kristiansson说：“人工智能和机器学习使我们能够有效地分析和解释当今可用的大量数据。这意味着我们可以真正地利用数据驱动来回答我们长期以来一直在努力解决的复杂问题，但也可以提出全新的问题。”

研究人员希望，在未来，人工智能模型可以在系统中用于快速识别新的耐药基因是否有被转移到致病菌的风险，并将其转化为实际措施

Kristiansson说：“例如，人工智能模型可用于改进分子诊断，以发现新形式的多重耐药细菌，或用于监测废水处理厂和存在抗生素的环境。” More information: David Lund et al, Genetic compatibility and ecological connectivity drive the dissemination of antibiotic resistance genes, Nature Communications (2025). DOI: 10.1038/s41467-025-57825-3

Journal information: Nature Communications