ARMOR (Antibiotic Resistance Modelling through Omics and Resistance-gene analysis)
إن ARMOR هو مسار تعلم آلي مفتوح المصدر يتنبأ بسرعة بمقاومة بكتيريا الكليبسيلا الرئوية لأربعة مضادات حيوية حرجة مباشرة من بيانات تسلسل الجينوم الكامل عبر الاستفادة من ميزات ذات دلالة بيولوجية مثل وجود الجينات، وk-mers البروتينية، وتعدد أشكال النوكليوتيدات المفردة (SNPs)، محققاً دقة عالية (مساحة تحت المنحنى AUC تصل إلى 0.986) للتغلب على التأخيرات الناجمة عن الاختبارات التقليدية القائمة على المزارع البكتيرية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في هدوء أروقة المستشفى، يواجه الطبيب خياراً حرجاً. مريض يعاني من عدوى بكتيرية، وعلى الطبيب أن يقرر أي مضاد حيوي سيستخدمه. لعقود من الزمن، كان الجواب المعتاد هو الانتظار. يجب على الأطباء إرسال عينة إلى المختبر، وزراعة البكتيريا في طبق زراعي، واختبار أي الأدوية تمنع تكاثرها. تستغｒق هذه العملية من يومين إلى ثلاثة أيام. وفي تلك النافذة الزمنية، يتلقى المريض علاجاً قائماً على التخمين الأفضل، وغالباً ما يكون علاجاً لا يعمل، مما يسمح للعدوى بالانتشار وللبكتيريا بأن تصبح أقوى. هذا التأخير هو سبب رئيسي وراء تحول مقاومة المضادات الحيوية، وهي قدرة البكتيريا على البقاء على قيد الحياة أمام الأدوية المصممة لقتلها، إلى أزمة عالمية تتسبب في أكثر من مليون حالة وفاة كل عام.
ولحل هذه المشكلة، توجه العلماء إلى دليل التعليمات الخاص بالبكتيريا نفسها: جينومها. تحمل كل بكتيريا مجموعة كاملة من الشفرة الوراثية التي تكشف أسرارها، بما في ذلك الأسلحة التي تمتلكها لمقاومة الدواء. إذا استطاع كمبيوتر قراءة هذه الشفرة فوراً، فإنه يستطيع إخبار الطبيب بالضبط أي دواء سيعمل قبل أن يغادر المريض غرفة الطوارئ حتى. ومع ذلك، فإن قراءة هذه الشفرة ليست أمراً بسيطاً؛ فالتعليمات الجينية هائلة وفوضوية، ومليئة بالاختلافات الدقيقة التي يصعب رصدها. تقدم دراسة جديدة نظاماً يسمى ARMOR، صُمم لاختراق هذا الضجيج. يستخدم النظام نوعاً معيناً من التعلم الحاسوبي لمسح الشفرة الجينية لبكتيريا خطيرة تُعرف باسم "كليبسيلا بنيوموني" (Klebsiella pneumoniae)، والتنبؤ بدقة عالية بما إذا كانت ستنجو من العلاج بأربعة أنواع مختلفة من المضادات الحيوية.
بنى الباحثون هذا النظام عبر تعليم الكمبيوتر البحث عن أنماط محددة وذات معنى بدلاً من مجرد مسح النص الجيني الخام. تخيل محاولة العثور على جملة محددة في مكتبة تضم ملايين الكتب؛ إذا بحثت عن كل حرف على حد الترتيب، فقد تضيع في الضجيج. بدلاً من ذلك، علم فريق ARMOR الكمبيوتر أن يبحث عن كلمات وعبارات محددة معروفة بأنها تسبب المقاومة. قاموا بتحليل الآلاف من الجينومات البكتيرية، وتصنيفها حسب الجينات التي تحملها، والطفرات الدقيقة في بروتيناتها الأساسية، والعلامات الجينية المحددة التي تعمل كدروع ضد الأدوية. ركزوا على أربعة مضادات حيوية حيوية هي: أميكاسين، وسيفيبيم، وبيبيراسيلي/تازوباكتام، وفوسفوميسين. وبالنسبة لدواء فوسفوميسين، الذي يعد معقداً لأن البكتيريا يمكنها مقاومته بطرق مختلفة، صُمم النظام للبحث عن مزيج من آليات المقاومة هذه وهي تعمل معاً، بدلاً من مجرد علامة واحدة.
عندما اختبر الفريق نظامهم، كانت النتائج مذهلة، وإن كانت مشوبة ببعض التفاصيل الهامة. بالنسبة للأميكاسين والبيبيراسيلي/تازوباكتام، أظهر النموذج الحاسوبي قدرة قوية على التمييز بين البكتيريا المقاومة والحساسة ضمن مجموعات الاختبار الأولية، محققاً مستوى من الدقة يتفوق على الطرق السابقة. ومع ذلك، تباين أداء النظام بشكل كبير عند اختباره على مجموعات مختلفة تماماً من البكتيريا من خارج قاعدة بياناتهم الرئيسية. بالنسبة للأميكاسين، احتفظ النموذج بقدرته على ترتيب البكتيريا المقاومة بشكل صحيح، لكنه واجه عقبة حرجة: باستخدام المعيار القياسي لنتيجة "إيجابية"، فشل النظام في تحديد أي حالات مقاومة على الإطلاق. كانت الاحتمالات المتوقعة منخفضة جداً لدرجة أن النموذج لم يكتشف فعلياً أي سلالة مقاومة تحت الإعدادات القياسية، مما تطلب من الباحثين تعديل عتبة القرار بشكل كبير لجعل النظام يعمل لهذا الدواء تحديداً. وعلى العكس من ذلك، بالنسبة للدواءين الآخرين، سيفيبيم وبيبيراسيلي/تازوباكتام، انهار أداء النظام إلى مستويات تقترب من مستوى الصدفة في هذه المجموعات الخارجية، مما يعني أنه لم يعد قادراً على التمييز بشكل موثوق بين البكتيريا المقاومة وتلك الحساسة في تلك المجموعات السكانية الجديدة.
ومع ذلك، كشفت الدراسة عن قصور جوهري يفسر لماذا لا يعد هذا التكنولوجيا جاهزة لكل مستشفى بعد. فعندما اختبر الفريق النظام على مجموعات مختلفة تماماً من البكتيريا من خارج قاعدة بياناتهم الرئيسية، انخفضت النتائج بالنسبة للسيفيبيم والبيبيراسيلي/تازوباكتام بشكل كبير. واجه النظام صعوبة في التنبؤ بالمقاومة لهذه الأدوهای في المجموعات الجديدة. اكتشف الباحثون السبب من خلال النظر عن كثب في كيفية اتخاذ الكمبيوتر لقراراته. فبالنسبة للأميكاسين، اعتمد النظام على علامات جينية مباشرة، وهي علامات عالمية وقابلة للنقل عبر أنواع مختلفة من البكتيريا. أما بالنسبة للأدوية الأخرى، فقد تعلم النظام الاعتماد على أنماط جينية خلفية دقيقة خاصة بسلالات عائلية معينة من البكتيريا. وعندما غابت تلك السلالات العائلية في مجموعات الاختبار الجديدة، فقد النظام طريقه. وهذا يشير إلى أنه بينما تعد هذه التكنولوجيا قوية، إلا أنها يجب أن تُضبط بعناية لتناسب أنواع البكتيريا المحددة الموجودة في كل مستشفى لتكون فعالة حقاً.
كما سلطت الدراسة الضوء على أهمية البحث في "لماذا" وراء التنبؤات. فمن خلال استخدام أداة تشرح منطق الكمبيوتر، تمكن الباحثون من رؤية الميزات الجينية المحددة التي كانت تقود القرار. وجدوا أنه بالنسبة لبعض الأدوية، حدد النظام بشكل صحيح جينات المقاومة المعروفة. وبالنسبة لأدوية أخرى، رصد النظام تنوعات جينية تعمل كعلامات لسلالات بكتيرية خطيرة، حتى لو كانت تلك التنوعات لا تسبب المقاومة بشكل مباشر. هذا التمييز أمر حيوي؛ فهو يعني أن النظام لا يخمن فحسب، بل يتعلم القواعد البيولوجية المعقدة التي تحكم بقاء هذه البكتيريا.
في نهاية المطاف، يوفر هذا العمل مساراً واضحاً للمضي قدماً. لقد أتاح الباحثون شفرتهم، ونماذجهم المدربة، وبياناتهم للجمهور، مما يسمح لعلماء آخرين بالبناء على هذا الأساس. لقد أثبتوا أنه من خلال التركيز على السمات ذات المعنى البيولوجي بدلاً من البيانات الخام، من الممكن التنبؤ بمقاومة المضادات الحيوية بسرعة ودقة ملحوظتين. وبينما لا يزال النظام غير مثالي لكل السيناريوهات - خاصة فيما يتعلق بقدرته على التعميم على المجموعات الجديدة لبعض الأدوية - فإنه يمثل خطوة كبيرة نحو استبدال الانتظار الطويل الذي يستغرق أياماً لنتائج المختبر بإجابة فورية قائمة على الجينات. وإذا أمكن صقل هذه النماذج لتعمل بموثوقية عبر جميع المناطق وأنواع البكتيريا، فقد تغير جذرياً طريقة علاج الأطباء للعدوى، مما يضمن تقديم الدواء الصحيح في الوقت الصحيح، وينقذ الأرواح ويبطئ انتشار المقاومة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.