《新的诊断方法可以快速识别正确的抗生素》

  • 来源专题:人类遗传资源和特殊生物资源流失
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-12-03
  • 及时诊断并使用最有效的抗生素治疗的细菌感染患者比等待治疗的患者情况要好。但是,目前确定哪种药物将杀死病原体的方法需要几天才能产生结果,因此,患者在等待诊断的同时,通常会被开出广谱抗生素。据美国疾病控制与预防中心(CDC)最近的一项估计,这些抗生素的过度使用导致了耐药微生物的出现,每年导致3.5万美国人死亡。

    麻省理工学院布罗德研究所(Broad Institute of MIT)和哈佛大学及麻省总医院(Massachusetts General Hospital, MGH)的科学家开发了一种新的诊断方法,通过允许医生在数小时内而不是数天内准确找到最佳抗生素,这种方法可能有助于解决这个问题。这种快速检测方法有可能应用于任何细菌感染和抗生素。

    “能够快速、准确地识别最好的抗生素将极大地改善患者感染的护理,同时确保抗生素部署智能和高效的阿森纳,”洪黛博拉说,核心成员学院广大和哈佛医学院副教授,MGH领导发展的考验。

    两种方法胜过一种

    目前抗生素敏感性试验(AST)的黄金标准“表型”方法包括从病人身上取下细菌,在有多种抗生素的培养皿中培养,观察哪种药物可以抑制细菌的生长。这些基于生长的检测是准确的,但是需要几天才能得到结果并告知临床决定。较新的“基因型”方法是在细菌DNA中寻找已知的能产生耐药性的突变,这种方法速度更快,但准确性更低,因为耐药性可能来自检测中没有包括的基因变化。

    Broad和MGH研究人员的新测试,称为基因型和表型AST通过RNA检测,或称噬菌体- r,结合了这两种方法的优点,可以在不到4小时内提供结果。根据《自然医学》杂志的描述,这项工作是由洪和罗比·巴塔查里亚领导的。

    在他们的研究中,研究人员发现,在接触抗生素几分钟后,在培养皿中培养的同种细菌的耐药和药敏版本显示出不同的信使RNA (mRNA)表达模式,反映了它们基因活性的差异。科学家们使用机器学习算法来识别能最好地区分药物敏感菌和耐药菌的mRNA转录。然后,GoPhAST-R使用这些转录本对未知药物敏感性的样本进行分类。通过寻找药物敏感性的信使rna信号,该测试可以快速识别一个生物体对某些药物的敏感性,而不考虑潜在的耐药性遗传根源。

    该方法还分析mRNA转录序列,以揭示细菌是否携带已知的导致耐药性的关键基因。将这种基因型数据与基于表现型表达的数据相结合,可以提高噬菌体- r的性能,科学家们发现,噬菌体- r对菌株的分类准确率为94%到99%。

    更快

    研究人员证明,GoPhAST-R可以识别出当今在临床上使用的三种主要抗生素类别的敏感性:碳青霉烯类,氟喹诺酮类和氨基糖苷类,它们对五种经常具有耐药性的病原体:大肠杆菌,肺炎克雷伯菌,鲍曼不动杆菌,金黄色葡萄球菌和铜绿假单胞菌。他们使用GoPhAST-R快速测定了MGH临床微生物实验室的患者样品中病原体的环丙沙星敏感性,从而证明了该试验的临床潜力。

    为了使GoPhAST-R的运行速度更快,该团队与一家名为NanoString的生物技术公司合作,使用其下一代RNA检测平台NanoString Hyb&Seq。与使用标准临床实验室方法进行的28-40小时相比,该仪器允许GoPhAST-R在血液培养中阳性细菌被检出后不到四小时的时间内确定抗生素敏感性。

    Bhattacharyya说:“如果将其开发用于临床,GoPhAST-R可以帮助改变传染病的诊断和治疗,同时有助于防止耐药性超级细菌的进一步出现和传播。”

    这项研究部分由美国国立卫生研究院国家过敏和传染病研究所资助。

    Broad Institute最近已将技术许可给NanoString进行商业化。

相关报告
  • 《抗生素耐药性快速检测技术取得突破》

    • 来源专题:农业科技前沿与政策咨询快报
    • 编译者:乌吉斯古楞
    • 发布时间:2017-11-28
    • 西澳大利亚大学(The University of Western Australia)的一个科学家小组开发出了一个能够快速确认抗生素疗效的筛选实验,该方法将确保出现在处方里的抗生素是最有效的。该解决方案被名为FAST(Flow cytometer-assisted Antimicrobial Susceptibility Testing,流式细胞仪辅助抗菌敏感性检测)。它可以准确测量细菌抗药性,速度比国际标准快21小时,可在短短30分钟内测试出可靠的定性结果。 抗生素耐药性因可能增加常见传染病治疗失败的风险而得到全球关注。美国疾病控制和预防中心(US Centers for Disease Control and Prevention)称,美国每年至少有二百万人因产生抗生素耐药性而感染,导致至少有23,000人死于这些感染。西澳大学病理学与实验医学院(School of Pathology and Laboratory Medicine)的蒂姆·恩格利斯博士(Dr Tim Inglis)表示,治疗重度感染病的难度越来越大。恩格利斯博士说:“我们因抗生素而延长的20年预期寿命,正在被耐药性细菌吞食。不幸的是,抗生素敏感性测试的标准方法需要48至72小时,这无疑增加了抗生素治疗决策难度。医生不得不根据自身的经验进行猜测,但这可能进一步增加了抗生素耐药性,并增加治疗失败的风险。而FAST方法提供了更快捷的抗菌药敏测试方法,这是一大进步。” 此项研究主要由比尔与美琳达·盖茨基金会(Bill&Melinda Gates Foundation)“大挑战奖”(Grand Challenges Award)和西澳大利亚卫生部项目(Health Department of Western Australia)联合资助。恩格利斯博士和他的团队在研究中证明,由抗生素作用引起的细菌大小和形状的早期变化可以用于准确预测细菌的抗生敏感性特征。 国际公认的对照实验室的科学家们正前往珀斯(Perth)学习FAST方法,并在为实验室配备器材,以便在当地提供测试服务。恩格利斯博士说:“比尔与美琳达·盖茨基金会的最终目标是开发一系列适合护理点(急诊部、临床实验室和对照实验室)的抗微生物敏感性快速检测方法”。从FAST快速测试法到FIRST(第一)耐药性筛选试验的开发工作主要由盖茨基金会“大挑战奖”(OPP 1150984)资助。 (编译 乌吉斯古楞)
  • 《人工智能产生了新的抗生素:一个深度学习模型发现了一种强大的新药,可以杀死许多种类的耐抗生素细菌》

    • 来源专题:生物安全网络监测与评估
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2020-03-10
    • 利用机器学习算法,麻省理工学院的研究人员发现了一种强大的新型抗生素化合物。在实验室测试中,这种药物杀死了许多世界上最具问题的致病细菌,包括一些对所有已知抗生素都有耐药性的菌株。它还清除了两种不同小鼠模型的感染。 该计算机模型可以在几天内筛选超过1亿个化合物,其设计目的是挑选出使用不同于现有药物的机制杀死细菌的潜在抗生素。 “我们想开发一个平台,让我们利用人工智能开启一个新时代的抗生素药物发现,”詹姆斯·柯林斯说,医学工程和科学领域教授的麻省理工学院的医学工程和科学研究所(ime)和生物工程系。“我们的方法揭示了这种神奇的分子,它可能是目前发现的最强大的抗生素之一。” 在他们的新研究中,研究人员还发现了其他几种有前途的候选抗生素,他们计划进一步测试。他们相信这个模型也可以用来设计新药,基于他们对化学结构的了解,使药物能够杀死细菌。 麻省理工学院计算机科学与人工智能实验室(CSAIL)电子工程与计算机科学的德尔塔电子学教授Regina Barzilay说:“机器学习模型可以在硅材料中探索大型的化学空间,这对于传统的实验方法来说是非常昂贵的。” Barzilay和Collins是麻省理工学院Abdul Latif Jameel健康机器学习诊所的联合领导,他们是这项研究的资深作者,该研究发表在今天的《细胞》杂志上。这篇论文的第一作者是Jonathan Stokes,他是麻省理工学院、麻省理工学院和哈佛大学布罗德研究所的博士后。 一个新的管道 在过去的几十年里,很少有新的抗生素被开发出来,而且大多数新批准的抗生素是现有药物的稍微不同的变体。目前筛选新抗生素的方法往往成本高昂,需要大量的时间投入,而且通常局限于化学多样性的狭窄范围。 柯林斯说:“我们正面临着抗生素耐药性方面的日益严重的危机,这种情况是由越来越多的病原体对现有抗生素产生耐药性,以及生物技术和制药行业对新抗生素的供应不足造成的。” 为了寻找完全新颖的化合物,他与Barzilay,Tommi Jaakkola教授以及他们的学生Kevin Yang,Kyle Swanson和Wengong Jin进行了合作,他们以前已经开发了机器学习计算机模型,可以训练这些模型来分析分子的结构。可以使它们具有特定的特性,例如杀死细菌的能力。 使用预测性计算机模型进行“ insilico”筛查的想法并不新鲜,但是直到现在,这些模型还不足以准确地转化药物发现。以前,分子被表示为反映某些化学基团存在与否的载体。但是,新的神经网络可以自动学习这些表示,将分子映射到连续的向量中,这些向量随后用于预测其特性。 在这种情况下,研究人员设计了他们的模型,以寻找能够使分子有效杀死大肠杆菌的化学特征。为此,他们在大约2500个分子上训练了该模型,其中包括大约1700种FDA批准的药物以及800种具有不同结构和广泛生物活性的天然产物。 对该模型进行训练后,研究人员在Broad Institute的Drug Repurposed Hub(约6,000种化合物的库)中对其进行了测试。该模型选出了一种分子,该分子被认为具有很强的抗菌活性,并且化学结构不同于任何现有的抗生素。使用不同的机器学习模型,研究人员还表明该分子可能对人体细胞具有低毒性。 在“ 2001年:太空漫游”的虚构人工智能系统之后,研究人员决定将这种分子称为halicin,此前已对其进行了可能的糖尿病药物研究。研究人员针对从患者身上分离并在实验室培养皿中生长的数十种细菌菌株进行了测试,发现它能够杀死许多对治疗有抵抗力的细菌,包括艰难梭菌,鲍曼不动杆菌和结核分枝杆菌。该药物对他们测试的每个物种都起作用,除了铜绿假单胞菌(一种难以治疗的肺病原体)外。 为了测试盐蛋白在活体动物中的功效,研究人员将其用于治疗感染鲍曼不动杆菌的小鼠,鲍曼不动杆菌是一种细菌,感染了驻扎在伊拉克和阿富汗的许多美军士兵。他们使用的鲍曼不动杆菌菌株对所有已知的抗生素都有抗药性,但是使用含盐蛋白的药膏可在24小时内完全清除感染。 初步研究表明,halicin通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。除其他功能外,此梯度对于产生ATP(细胞用来存储能量的分子)是必不可少的,因此,如果梯度破裂,细胞将死亡。研究人员说,这种杀伤机制可能会使细菌难以产生抗药性。 “当您处理可能与膜成分相关的分子时,细胞不一定会获得单个突变或几个突变来改变外膜的化学性质。类似的突变往往要复杂得多。不断进化,”斯托克斯说。 在这项研究中,研究人员发现,在30天的治疗期内,大肠杆菌对halicin没有产生任何抗性。相反,细菌在一到三天内开始对抗生素环丙沙星产生抗药性,并且在30天后,细菌对环丙沙星的抗药性是实验开始时的200倍。 研究人员计划与制药公司或非营利组织合作,进一步研究halicin,以期将其开发用于人类。 优化分子 在鉴定了halicin之后,研究人员还使用他们的模型筛选了从ZINC15数据库中选择的超过1亿个分子,该数据库在线收集了约15亿种化合物。该筛选仅用了三天时间,就鉴定出了23种与现有抗生素在结构上不同并且预计对人细胞无毒的候选物。 在针对五种细菌的实验室测试中,研究人员发现其中八种分子具有抗菌活性,其中两种具有强大的功能。研究人员现在计划进一步测试这些分子,并筛选更多ZINC15数据库。 研究人员还计划使用他们的模型来设计新的抗生素并优化现有的分子。例如,他们可以训练模型以添加使特定抗生素仅针对某些细菌的功能,从而防止其杀死患者消化道中的有益细菌。