機械学習で抗生物質耐性の拡大を予測

機械学習で抗生物質耐性の拡大を予測 生物学

遺伝子は生まれつき受け継がれているだけではありません。

細菌は、遺伝子の水平伝播と呼ばれるプロセスを通じて、互いに遺伝子を渡したり、環境から遺伝子を拾ったりする能力を持っており、これが抗生物質耐性の拡大の大きな原因となっています。

コーネル大学の研究者たちは、機械学習を用いて生物を機能別に分類し、その情報をもとに、生物間でどのように遺伝子が伝達されるかをほぼ正確に予測しました。

このアプローチは、抗生物質耐性の蔓延を食い止めるために利用できる可能性があります。

研究チームの論文「Functions Predict Horizontal Gene Transfer and the Emergence of Antibiotic Resistance」は、10月22日付のScience Advances誌に掲載されました。主著者は、博士課程のHao Zhouです。

「生物は基本的に、他の生物から耐性遺伝子を獲得することができます。バクテリアがどの生物と交換しているかがわかれば、それだけでなく、この転送に生物を関与させる原動力が何であるかを解明することができます。誰と誰が遺伝子を交換しているのかがわかれば、実際にどのようにして遺伝子の交換が行われているのかがわかり、これらのプロセスを制御することもできるかもしれません。」とこの論文の上席著者である工学院大学バイオメディカル工学部門のIlana Brito助教授は述べています。

多くの新しい特質は、遺伝子導入によって共有されます。

しかし、なぜあるバクテリアは遺伝子を交換し、別のバクテリアは遺伝子を交換しないのか、その理由は解明されていませんでした。

Brito氏のチームは、個々の仮説を検証するのではなく、バクテリアのゲノムとそのさまざまな機能(DNAの複製から炭水化物の代謝まで)に注目し、「誰が」遺伝子を交換しているのか、何がこれらの交換ネットワークを動かしているのかを示すサインを見つけようとしました。

Brito氏のチームは、複数の機械学習モデルを用いて、データに含まれるさまざまな現象を抽出しました。

これにより、異なる抗生物質耐性遺伝子の複数のネットワークを、同じ生物の株間で特定することができました。

今回の研究では、土壌、植物、海洋に生息する生物を対象としましたが、このモデルは、アシネトバクター・バウマニや大腸菌などのヒトに関連する生物や病原体、個人の腸内マイクロバイオームなどの局所的な環境を対象とするのにも適しています。

その結果、この機械学習モデルは、抗生物質耐性遺伝子に適用した場合に特に有効であることがわかりました。

Brito氏は、「ここでの大きな収穫の1つは、細菌の遺伝子交換のネットワーク、特に抗生物質耐性のネットワークは予測可能であるということだと思います。データを見れば理解できますし、実際に各生物のゲノムを見れば、もっとうまくいくでしょう。ランダムなプロセスではないのです。」

最も驚くべき発見の1つは、人に関連する細菌と病原体の間で、まだ観察されていない多くの抗生物質耐性の移動の可能性をモデル化によって予測したことです。

これらの可能性のある、まだ検出されていない移動イベントは、ほとんどが腸内細菌や口腔内細菌のヒト関連細菌に限定されていました。

同センターの運営委員を務めるBrito氏は、「今回の研究は、コーネル大学が最近立ち上げた抗菌剤耐性センターを象徴するものです。もし、これらの遺伝子がどのように広がっていくのかを予測できれば、患者の腸内で何が起こっているのかに応じて、介入したり、特定の抗生物質を選択したりすることができるようになるかもしれません。もっと広く言えば、ある環境下で、ある種の生物が他の生物と一緒に移動することが予測される場所がわかるかもしれません。また、データの中に新しい抗生物質のターゲットがあるかもしれません。例えば、これらの生物が特定の環境に留まったり、これらの遺伝子を獲得したりする能力を損なわせる可能性のある遺伝子などです。」と述べています。

この研究には、Juan Felipe Beltrán氏も貢献しました。

この研究は、米国国立衛生研究所、米国科学財団、米国農務省の支援を受けて行われました。

Published by Cornell University. Hao Zhou et al, Functions predict horizontal gene transfer and the emergence of antibiotic resistance, Science Advances (2021). DOI: 10.1126/sciadv.abj5056.