机器学习算法与博弈论模型结合 新方法预测细菌耐药性基因准确率高

  • 时间:
  • 浏览:0

  科技日报华盛顿10月12日电 美国华盛顿州立大学研究人员开发出有两种预测细菌耐药性基因的新办法,通过机器学习和博弈论模型,亲戚亲戚让让当我门能以93%—99%的准确率,预测3种不类似型革兰氏阴性菌中耐药基因的地处。

  细菌对抗菌素的耐药性已成为影响全球公共健康的重要什么的什么的问题 ,威胁着亿万人群,仅美国每年都不 数百万人会被耐药细菌感染,原因成千上万人死亡。近年来,科学家总是在努力寻找预测、识别抗菌素耐药性基因的手段,以求更有效地对病患施药。随着全基因组测序技术的突破,亲戚亲戚让让当我门开发出序列比对办法,通过序列类似性来鉴定抗菌素耐药性基因,但遇到与已知抗菌素耐药性基因具有高度类似性的序列时,哪几种办法则这一无能为力。

  此次,华盛顿州立大学研究团队决定使用博弈论来帮助预测、识别抗菌素耐药性基因。博弈论是有两种研究具有斗争或竞争什么的什么的问题 的数学理论和办法,是当前经济学的标准分析工具之一。在博弈模型中,一1个 参与者的行为会影响并取决于这一参与者的行为。

  研究团队使用其开发的机器学习算法和博弈论模型,不仅对细菌基因组中简单的序列类似性进行分析,还深入研究了蛋白质序列形态学 、理化形态学 、进化形态学 、组成形态学 等多个形态学 的相互作用,以求准确预测抗菌素耐药性基因。亲戚亲戚让让当我门不 9日的《科学报告》上发表研究论文称,使用新办法预测3种革兰氏阴性菌——假单胞菌、弧菌和肠杆菌的抗菌素耐药性基因序列,其准确度达到93%—99%。

  研究人员表示,这一新颖的博弈论办法有点硬强大,其将基因形态学 的相关性和相互依赖性综合考虑,根据它们在整体上协同工作的能力来识别原因的抗菌素耐药性基因,因而都都可以鉴定出以前通过简单序列比对办法无法识别的推定抗性基因。随着抗菌素耐药性的增长和现有测序基因组数量的增加,迫切还要开发新的、更准确的耐药基因预测、识别工具,而亲戚亲戚让让当我门的研究表明,机器学习模型将是一1个 重要研发方向。(记者 刘海英)