ResLit: A Large-Scale Automated Literature Mining Database for Antimicrobial Resistance

In de microscopische wereld van bacteriën vindt constant een stille strijd plaats. Deze eencellige organismen leren te overleven met de medicijnen die ontworpen zijn om hen te doden, een fenomeen dat bekend staat als antimicrobiële resistentie. Wanneer een bacterie dit vermogen ontwikkelt, kan zij zich blijven vermenigvuldigen zelfs nadat zij aan antibiotica is blootgesteld, waardoor infecties moeilijker te behandelen en gevaarlijker voor mensen worden. Wetenschappers weten al lang dat de sleutel tot het begrijpen van dit overlevingsmechanisme in de genetische code van de bacteriën ligt. Specifieke veranderingen in hun genen, of de aanwezigheid van bepaalde genetische sequenties, fungeren als de instructies die hen in staat stellen om medicijnen te weerstaan. De wetenschappelijke gemeenschap staat echter voor een enorme hindernis: de enorme hoeveelheid onderzoek die wordt gepubliceerd. Elke dag worden er nieuwe studies uitgebracht die deze genetische veranderingen beschrijven, wat een vloedgolf aan informatie creëert die te groot is voor welk menselijk team dan ook om zelfstandig te lezen, te sorteren en te verbinden.

Om dit probleem op te lossen, hebben onderzoekers een nieuwe digitale tool gebouwd genaamd ResLit, die fungeert als een enorme, geautomatiseerde bibliotheek voor deze bevindingen. In plaats van te vertrouwen op mensen om miljoenen artikelen handmatig te lezen, heeft het team een computersysteem ontwikkeld dat het volledige landschap van de wetenschappelijke literatuur kan scannen. Het proces begon met een enorme pool van twee miljoen kandidaat-onderzoeksrecords uit een wereldwijde database van medische studies. Het systeem gebruikte eerst een gespecialiseerd computerprogramma om de samenvattingen van deze papers te lezen en te identificeren welke daadwerkelijk over antimicrobiële resistentie gingen. Deze initiële filter verkleinde het veld tot 356.000 relevante papers. Vervolgens werkte het systeem om de volledige tekst van deze documenten op te halen, waarbij het succesvol 117.000 volledige studies verzamelde.

Zodra de onderzoekers deze volledige teksten hadden, voerde het systeem een gedetailleerde extractie uit van de specifieke gegevenspunten die er het meest toe doen. Het zocht naar de namen van resistentiegenen, de specifieke mutaties of veranderingen in de genetische code, de typen bacteriën die betrokken waren en de mechanismen die zij gebruiken om medicijnen te bestrijden. Deze extractie werd in twee zorgvuldige stappen uitgevoerd om de nauwkeurigheid te waarborgen. Het uiteindelijke resultaat is een publieke database met 3.120 verschillende genen en 13.593 specifieke mutaties. Deze bevindingen worden niet alleen geïsoleerd vermeld; het systeem kruistverwijst ze met drie andere grote, gevestigde collecties van genetische gegevens om de verbanden te verifiëren. De database organiseert deze informatie in vier verschillende niveaus van bewijs, waarbij wordt getoond hoe sterk elke bevinding door het onderzoek wordt ondersteund.

Het project bevat ook een functie waarmee de wetenschappelijke gemeenschap kan helpen het werk te verbeteren. Onderzoekers en experts kunnen de geautomatiseerde outputs beoordelen en suggesties doen voor correcties of toevoegingen, waardoor de database in de loop van de tijd nauwkeuriger wordt. Deze aanpak vervangt het menselijk oordeel niet, maar biedt eerder een gestructureerde basis ervoor, waardoor een chaotische oceaan van tekst wordt omgezet in een navigeerbare kaart van genetische feiten. De database is nu vrij toegankelijk voor iedereen die de genetische basis van drugresistentie wil verkennen, en biedt een helder, door bewijs gekoppeld beeld van een probleem dat de wereldwijde gezondheid beïnvloedt.