מודל AI שהוכשר על כמויות גדולות של נתונים גנטיים יכול לחזות אם חיידקים יהפכו עמידים לאנטיביוטיקה. המחקר החדש מראה כי עמידות לאנטיביוטיקה מועברת ביתר קלות בין חיידקים דומים גנטית ומתרחשת בעיקר בצמחי טיפול בשפכים ובתוך גוף האדם.
על ידי הבנה כיצד מתעוררת ההתנגדות בחיידקים, אנו יכולים להילחם טוב יותר בהפיץ שלה. זה חיוני להגנה על בריאות הציבור ועל יכולת מערכת הבריאות לטיפול בזיהומים. "
אריק קריסטיאסון, פרופסור במחלקה למדעים מתמטיים באוניברסיטת צ'למרס לטכנולוגיה ובאוניברסיטת גטבורג, שוודיה
עמידות לאנטיביוטיקה היא אחד האיומים הגדולים ביותר על הבריאות העולמית, על פי ארגון הבריאות העולמי (WHO). כאשר חיידקים נעשים עמידים, השפעת האנטיביוטיקה נעלמת, מה שמקשה על מצבים כמו דלקת ריאות והרעלת דם או בלתי אפשרי לטפל בהם. חיידקים מוגברים עמידים לאנטיביוטיקה גם מקשים על מניעת זיהומים הקשורים להליכים רפואיים רבים, כמו השתלת איברים וטיפול בסרטן. סיבה מהותית להתפשטות מהירה של עמידות לאנטיביוטיקה היא היכולת של החיידקים להחליף גנים, כולל הגנים שהופכים את החיידקים לעמידים.
"חיידקים המזיקים לבני אדם צברו גנים רבים להתנגדות. רבים מהגנים הללו מקורם מחיידקים לא מזיקים שחיים בגופנו או בסביבה. המחקר שלנו בוחן את התהליך האבולוציוני המורכב הזה כדי ללמוד כיצד גנים אלה מועברים לחיידקים פתוגניים.
נתונים מורכבים מכל העולם
במחקר החדש, שפורסם ב- Nature Communications ונערך על ידי חוקרים מאוניברסיטת צ'למרס לטכנולוגיה, אוניברסיטת גותנבורג, ומרכז פרונהופר-צ'למרס, פיתחו החוקרים מודל AI לניתוח העברות גנים היסטוריים בין חיידקים באמצעות מידע על ה- DNA של החיידקים, המבנה והגדולה. המודל הוכשר על הגנום של כמעט מיליון חיידקים, מערך נתונים נרחב שנערך על ידי קהילת המחקר הבינלאומית במשך שנים רבות.
"ניתן להשתמש ב- AI למיטב יכולתו בהקשרים מורכבים, עם כמויות גדולות של נתונים", אומר דייוויד לונד, דוקטורל במחלקה למדעי המתמטיקה בצ'למרס ואוניברסיטת גטבורג. "הדבר הייחודי במחקר שלנו הוא, בין היתר, הכמות הגדולה מאוד של הנתונים המשמשים לאימוני המודל, המראה איזה כלי מעוצב AI ולמידת מכונה היא לתיאור התהליכים המורכבים והביולוגיים המקשים על זיהומים חיידקיים".
מסקנות חדשות לגבי מתי מתעוררות התנגדות לאנטיביוטיקה
המחקר מראה באילו סביבות הועברו גני ההתנגדות בין חיידקים שונים, ומה זה שהופך את החיידקים לסביר יותר מאחרים להחליף גנים זה עם זה.
"אנו רואים שלחיידקים שנמצאים בבני אדם ובצמחי טיפול במים יש סבירות גבוהה יותר להיות עמידה באמצעות העברת גנים. אלה סביבות בהן חיידקים הנושאים גנים עמידים נתקלים זה בזה, לעתים קרובות בנוכחות אנטיביוטיקה", אומר דייוויד לונד.
גורם חשוב נוסף שמגדיל את הסבירות שגני ההתנגדות "יקפצו" מחיידק אחד למשנהו הוא הדמיון הגנטי של החיידקים. כאשר חיידק תופס גן חדש, נדרשת אנרגיה לאחסון ה- DNA ולייצר את החלבון אליו הגן מקודד, שמשמעותו עלות לחיידק.
"מרבית הגנים ההתנגדות משותפים בין חיידקים עם מבנה גנטי דומה. אנו מאמינים כי הדבר מצמצם את עלות נטילת הגנים החדשים. אנו ממשיכים את המחקר כדי להבין את המנגנונים השולטים בתהליך זה בצורה מדויקת יותר", אומר אריק קריסטנסון.
בתקווה למודל לאבחון
ביצועי המודל נבדקו על ידי הערכתו כנגד חיידקים, שם החוקרים ידעו כי העברת גנים עמידות התרחשה, אך כאשר לא נאמר למודל AI מראש. זה שימש כסוג של בחינה, שרק לחוקרים היו התשובות. בארבעה מקרים מתוך חמישה, המודל יכול היה לחזות אם תתרחש העברת גנים עמידות. אריק קריסטיאסון אומר כי מודלים עתידיים יוכלו להיות מדויקים עוד יותר, בין השאר על ידי זיקוק מודל ה- AI עצמו ובחלקם על ידי אימון אותו על נתונים גדולים עוד יותר.
"AI ולמידת מכונה מאפשרים לנתח ולפרש ביעילות את הכמויות העצומות של הנתונים הקיימים כיום. המשמעות היא שאנחנו באמת יכולים לעבוד מונע נתונים כדי לענות על שאלות מורכבות שאיתן אנו מתאבקים במשך זמן רב, אך גם לשאול שאלות חדשות לחלוטין", אומר אריק קריסטיאסון.
החוקרים מקווים כי בעתיד ניתן להשתמש במודל AI במערכות כדי לזהות במהירות האם גן התנגדות חדש נמצא בסיכון להעברת חיידקים פתוגניים, ולתרגם זאת למדדים מעשיים.
"לדוגמה, ניתן להשתמש במודלים של AI כדי לשפר את האבחון המולקולרי כדי למצוא צורות חדשות של חיידקים רב-עמידים או לניטור צמחי טיפול בסביבות ושפכים שבהם קיימים אנטיביוטיקה", אומר אריק קריסטינסון.
