amR: an R package suite to predict antimicrobial resistance in bacterial pathogens

amR 패키지 제품군에 대한 기술 요약

문제 정의
항생제 내성(AMR)은 핵심 및 부수적 유전자, 희귀 변이, 그리고 맥락 의존적 상호작용을 포함한 다중 분자 스케일에 걸친 메커니즘에 의해 구동되는 복잡한 형질입니다. 기존의 계산적 접근 방식들이 존재하기는 하지만, 이들은 종종 "블랙박스"로 기능하거나 이미 특성이 규명된 내성 메커니즘(예: CARD 또는 ResFinder와 같은 데이터베이스 기반 도구)에 국한되는 경우가 많습니다. 또한, 서로 다른 약물 클래스, 종, 또는 다제내성(MDR) 패턴을 가로질러 AMR 예측을 성공적으로 탐색하는 연구도 드뭅니다. 새로운 맥락에 빠르게 적응하고, 내성 메커칙에 대한 해석 가능한 통찰력을 제공하며, 지리적 및 시간적 층위 전반에서 결과를 탐색할 수 있는 계산 솔루션에 대한 절실한 필요성이 존재합니다.

방법론
저자들은 박테리아 게놈 데이터 큐레이션부터 해석 가능한 AMR 예측에 이르는 완전한 프레임워크를 제공하도록 설계된 통합 R 패키지 제품군인 amR을 제시합니다. 이 제품군은 세 가지 상호 연결된 패키지로 구성된 모듈형 구조를 가집니다:

1. amRdata (데이터 큐레이션 및 특징 추출):

   • CLI를 통해 BV-BRC(Bacterial and Viral Bioinformatics Resource Center)와 인터페이스하여 분리주 메타데이터, 게놈 서열 및 항생제 감수성 테스트(AST) 결과를 다운로드합니다.
   • Panaroo를 사용하여 팬게놈(pangenome)을 구축하고 다음의 6가지 뚜렷한 분자 스케일에서 특징을 추출합니다:
     • 팬게놈 유전자 클러스터.
     • 팬게놈 그래프 구조 변이(인접 유전자의 고유한 삼중항).
     • 단백질 클러스터(CD-HIT 활용).
     • 단백질 도메인(Pfam via InterProScan 및 HMMER).
     • 직계 상동 그룹(COGs).
     • 기존 항생제 내성 유전자(ARGs) (ResFinder 활용).
   • 데이터를 메모리 효율적인 형식(DuckDB 인덱싱이 적용된 Parquet)으로 저장하며 대규모 데이터셋을 위한 병렬 처리를 지원합니다.

2. amRml (머신러닝 모델링):

   • tidymodels 프레임워크를 활용하여 내성/감수성 예측을 위한 해석 가능한 분류기(특히 로지스틱 회귀)를 훈련합니다.
   • 모델은 각 종-약물(또는 약물 클래스) 조합 및 다양한 분자 스케일에 대해 별도로 훈련됩니다.
   • 입력값에는 특징 카운트와 이진화된 존재/부재 값이 모두 포함됩니다.
   • 레이블 셔플링 베이스라인, 지리적/시간적 홀드아웃, 교차 약물 테스트, 다중 클래스 MDR 모델링을 포함한 엄격한 평가 전략을 구현합니다.
   • 균형 정확도(Balanced Accuracy), F1 점수, 매튜스 상관 계수(MCC)와 같은 성능 지표를 계산하고 상위 예측 특징을 추출합니다.

3. amRviz (대화형 시각화):

   • 메타데이터 분포, 모델 성능 및 특징 중요도를 탐색하기 위한 Shiny 대시보드를 제공합니다.
   • 모듈에는 지리적/시간적 추세 분석, 교차 종/약물 비교, COG 농축, 약물-특징 관계의 네트워크 시각화 및 사용자 정의 데이터 쿼리가 포함됩니다.
   • 결과는 CSV 또는 PDF로 내보낼 수 있습니다.

주요 기여
본 논문은 기존 패러다임에 대한 네 가지 주요 진보를 식별합니다:

1. 다중 스케일 특징 통합: 단일 스케일 접근 방식과 달리, amR은 유전자 클러스터, 단백질 클러스터, 도메인, COG, 구조적 변이 및 알려진 ARG를 가로질러 내성 시그니처를 체계적으로 조사합니다.
2. 교차 종 전이 가능성: 개별 유전자나 SNP보다 종 간 경계에서 더 잘 보존되는 특징인 단백질 도메인과 COG를 활용함으로써, amR은 알려진 ARG가 없는 병원체에서도 AMR 추론을 가능하게 합니다.
3. 엄격한 다층 평가: amR은 견고성과 일반화 가능성을 보장하기 위해 레이블 셔플링 베이스라인, 지리적 및 시간적 홀드아웃, 교차 약물 테스트를 통합합니다.
4. 엔드 투 엔드 접근성: 단순한 예측 성능을 넘어, 맞춤형 계산 전문 지식 없이도 가설 생성과 메커니즘 발견을 용이하게 하는 통합된 프로그래밍 방식의 R 워크플로우와 대화형 대시보드를 제공합니다.

결과
제품군은 두 가지 주요 맥락에서 벤치마킹 및 적용되었습니다:

• 벤치마킹 (Klebsiella pneumoniae): 저자들은 약 1,700개의 K. pneumoniae 게놈과 11가지 항생제를 사용하여 amR을 PanKA, BV-BRC의 AdaBoost k-mer 모델 및 Kover와 비교했습니다. amR 모델은 11개 비교 중 9개에서 최상위 성능을 달ato. 특히, 이진 유전자 모델이 9개 중 4개 사례에서 가장 우수한 성능을 보였습니다. 저자들은 다른 방법들이 더 큰 훈련 데이터셋을 사용했음에도 불구하고, amR이 우수한 사용성과 해석력을 제공한다고 언급했습니다.
• 사례 연구 (Shigella sonnei): 2,021개의 분리주와 43가지 약물(1940년대~2023년)에 적용되었으며, 모델은 23가지 약물에 대해 중앙값 MCC 0.89를 달성했습니다.
  • 성능: 가장 잘 예측된 약제는 세포탁심(cefotaxime, MCC=0.98)이었으며, 카바페넴 클래스는 MCC 0.99를 기록했습니다.
  • 특징 중요도: 단백질 및 도메인 수준의 특징이 일반적으로 큐레이션된 ARG 단독보다 우수한 성능을 보였으며, 이는 더 넓은 게놈 맥락이 예측을 개선함을 시사합니다. 암피실린(ampicillin)에 대한 상위 특징은 Class A 베타-락탐 분해 효소(beta-lactamase)로 매핑되었습니다.
  • 시간적/지리적 역학: 모델을 시간대별로 교차 테스트했을 때(예: 오래된 데이터로 훈련하고 새로운 데이터로 테스트), 성능이 무작위 수준 근처(MCC ≈ 0)로 떨어졌으며, 이는 베타-락탐 내성 메커니즘의 급격한 진화를 반영합니다.
  • 실패 사례: 아즈트레오남(aztreonam)과 티카실린-클라불라네이트(ticarcillin-clavulanic acid)에 대한 낮은 성능은 편향된 표현형 균형(감수성 분리주의 압도적 존재)과 미규명 부수적 게놈 클러스터에 대한 의존성 때문인 것으로 분석되었습니다.

의의
저자들은 amR을 AMR 연구를 민주화하는 "원스톱 종합 프레임워크"로 자리매김합니다. R 함수와 도커화된 의존성을 통해 설정을 단순화함으로써, 기초적인 R 경험을 가진 연구자도 단 하루 만에 ML 실험을 설계하고, 데이터를 큐레이션하며, 결과를 시각화할 수 있도록 합니다. 본 논문은 amR이 AMR 연구를 "블랙박스 예측"에서 "즉각적인 가설 생성 워크플로우"로 변화시켜, 글로벌 커뮤니티가 다음과 같은 작업을 수행할 수 있게 한다고 주장합니다:

• 설명되지 않는 내성 표현형을 유발하는 미규명 유전자를 식별합니다.
• 지리적 및 시간적 요인이 내성 시그니처를 어떻게 형성하는지 탐색합니다.
• 멀리 떨어진 분류군 간의 MDR 수렴을 예측하는 보존된 단백질 도메인이나 유전자 클러스터를 조사합니다.

이 제품군은 GitHub(BSD-3-Clause 라이선스)을 통해 제공되며, 장기적인 유지 관리를 위해 Bioconductor에 제출되고 있습니다.