基于机器学习模型的PredKlebAMR工具预测碳青霉烯耐药肺炎克雷伯菌抗菌药物耐药性及其优越性能

《Scientific Reports》:PredKlebAMR: A machine learning framework prioritizing sensitivity in Klebsiella pneumoniae resistance profiling

【字体: 大 中 小 】 时间:2026年10月10日 来源:Scientific Reports 4.9

编辑推荐:

   **摘要** 全球碳青霉烯耐药肺炎克雷伯菌(CRKP)的不断攀升无疑改变了传染病的管理策略。肺炎克雷伯菌对亚胺培南的耐药性是细菌多种策略共同作用的结果,这些策略包括产碳青霉烯酶(KPC、NDM、OXA-48)、通过外膜孔蛋白(OmpK35/36)突变降低膜通透性,以及通过基

  **摘要**全球碳青霉烯耐药肺炎克雷伯菌(CRKP)的不断攀升无疑改变了传染病的管理策略。肺炎克雷伯菌对亚胺培南的耐药性是细菌多种策略共同作用的结果,这些策略包括产碳青霉烯酶(KPC、NDM、OXA-48)、通过外膜孔蛋白(OmpK35/36)突变降低膜通透性,以及通过基因扩增和/或质粒交换实现基因组可塑性。本研究开发了一种针对"极严重错误"(VMEs)的机器学习模型,用于预测抗菌药物耐药性(AMR)以辅助预后判断。基因组数据集(6000条)从细菌与病毒生物信息学资源中心(BV-BRC)数据库获取并完成预处理。使用Kleborate工具进行基于基因的特征工程,并训练和部署随机森林模型,通过交互式R Shiny Web应用程序实现。该工具**PredKlebAMR**的内部验证采用训练数据集的80/20分层划分完成,并实施5折交叉验证以优化随机森林超参数。同时,以独立外部队列进行基准测试,该队列由美国国家生物技术信息中心(NCBI)数据库中三级分层数据集组成。**PredKlebAMR**基于5,942个肺炎克雷伯菌基因组(38个Kleborate衍生预测因子)进行训练,在保留的全球测试集上表现出色(准确率91.92%,敏感度94.67%,特异度89.47%;Kappa值0.839),关键预测因子包括氟喹诺酮类药物突变、高风险序列类型、KPC-2/KPC-3以及OmpK35/36孔蛋白变异。与AMRFinderPlus 4.2.7和ResFinder 4.1进行基准对比时,**PredKlebAMR**在全球队列中表现出更高的敏感度和更少的VMEs(95.45% vs 90.91% | 86.36%敏感度;VMEs 1 vs 2 | 3),在非洲队列中(95.56% vs 91.11% | 82.2%敏感度;VMEs 2 vs 4 | 8),以及在泰国队列中(95.62% vs 92.5% | 63.12%敏感度;VMEs 7 vs 12 | 59),且在非洲队列中敏感度提升具有统计学显著性(McNemar检验 p = 0.041)。**PredKlebAMR**凭借其极高的VMEs敏感度,并通过交互式仪表板(https://igmr.org/software/predklebamr)将预测结果转化为生物学原理阐释,将帮助临床医生在患者管理中做出具有重大意义的治疗决策。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号