机器学习能够在沙门氏菌引起血液感染之前对其进行检测

来自英国威康姆桑格研究所，新西兰奥塔哥大学和德国亥姆霍兹基于RNA的感染研究所的研究小组开发了一种机器学习工具，能够在沙门氏菌引起血液感染之前对其进行检测。研究结果发表在5月8日的 PLOS Genetics上。

沙门氏菌取决于菌株，可能导致食物中毒或几种严重的疾病。在这项研究中，研究人员概述了机器学习工具的开发，并检查了其检测肠炎沙门氏菌严重程度的能力。研究人员希望该工具还可以在引起疾病爆发之前用于检测危险细菌。

“我们设计了一种新的机器学习模型，可以识别哪些新出现的细菌可能是公共健康问题。使用此工具，我们可以处理大量数据集并在几秒钟内获得结果，” Nicole Wheeler说。威康桑格研究所(Wellcome Sanger Institute)说：“最终，这项工作将以前所未有的方式，不仅在医院病房，而且在全球范围内，都将对危险细菌的监测产生重大影响。”

开发机器学习工具后，研究人员使用沙门氏菌的旧变种对模型进行了训练，其中包括六种引起侵袭性感染的细菌菌株和七种胃肠道菌株。然后，该模型能够识别与沙门氏菌菌株严重程度相关的近200个基因。当检查新的肠杆菌菌株时，该模型可以从一系列循环感染中正确识别出细菌。该模型发现该菌株更加危险，比其他细菌菌株导致更高的血液感染率。

“与其他方法相比，机器学习工具是一种进步，因为它不仅可以搜索基因和突变，还可以寻找突变对这些错误的功能影响，” Helmholtz RNA-Institute联合作者Lars Barquist说。总部位于德国的Infection Research。“它可以告诉我们哪些突变使病原体更容易扩散到肠道之外并引起威胁生命的疾病，而不是食物中毒。这将有助于将来设计更有效的治疗方法。”