Аннотация
В связи с постоянно растущей доступностью получения цельно-геномных последовательностей, подходы машинного обучения могут быть использованы в качестве альтернативы традиционным методам для выявления новых генов устойчивости к антимикробным препаратам.
Такие подходы особенно полезны в тех случаях, когда патогенные микроорганизмы не могут быть культивированы в лаборатории. В предыдущей работе мы предложили алгоритм оценки характеристик, основанный на теории игр. При использовании характеристик белка, идентифицируемых этим алгоритмом, называемых "особенностями" в машинном обучении, наша модель точно идентифицировала гены антимикробной устойчивости (AMR) у грамотрицательных бактерий.
Здесь мы расширяем наше исследование до грамположительных бактерий, показывая, что взаимосвязь идентифицированных в теории игр особенностей с машинным обучением достигает классификационной точности от 87% до 90% для генов, кодирующих устойчивость к антибиотикам бацитрацину и ванкомицину.
Важно отметить, что мы представляем специализированное программное обеспечение, реализующее алгоритм теории игр и модель машинного обучения, используемые в этих исследованиях.
