基于最小基因特征的铜绿假单胞菌抗生素耐药性高精度预测与系统生物学解析

《npj Systems Biology and Applications》：Minimal gene signatures enable high-accuracy prediction of antibiotic resistance in Pseudomonas aeruginosa

　　本研究针对铜绿假单胞菌（Pseudomonas aeruginosa）抗生素耐药性（AMR）临床检测速度慢、机制不清的难题，开发了一种结合遗传算法（GA）与自动化机器学习（AutoML）的转录组分析框架。研究人员通过筛选414株临床分离株的转录组数据，鉴定出仅含35–40个基因的最小特征集，对美罗培南（MNM）、环丙沙星（CIP）、妥布霉素（TOB）和头孢他啶（CAZ）的耐药性预测准确率达96%–99%。该研究揭示了耐药性相关转录特征远超已知耐药基因范畴，涉及代谢适应、应激响应等系统级调控，为快速诊断和个体化抗感染治疗提供了新策略。

　　

抗生素耐药性（AMR）已成为全球公共卫生最紧迫的威胁之一，世界卫生组织（WHO）将其列为十大健康威胁之一。铜绿假单胞菌（Pseudomonas aeruginosa）作为革兰阴性机会致病菌，因其内在耐药机制（如外排泵、膜通透性降低）和快速获得新耐药基因的能力，易引发肺炎、尿路感染和菌血症等严重感染，尤其对免疫缺陷患者危害极大。目前临床依赖培养型药敏试验，需48–72小时才能得出结果，延误治疗的同时加剧了广谱抗生素的滥用。

转录组分析能捕捉抗生素压力下的基因表达状态，揭示耐药相关的通路和调控网络，但数据高维特性使特征筛选困难。此前研究虽尝试结合基因组单核苷酸多态性（SNP）、基因存在/缺失（GPA）和转录组数据预测耐药性，但特征数量多（最高93个/抗生素）、依赖人工调参，限制临床转化。

为此，Nabia Shahreen、Syed Ahsan Shahid等研究者提出一种GA-AutoML混合框架，利用414株铜绿假单胞菌临床分离株的RNA测序（RNA-seq）数据，系统性筛选最小基因集并构建高精度分类器。该工作发表于《npj Systems Biology and Applications》，通过多尺度生物学验证，深化了对AMR转录调控机制的理解。

关键方法概述

研究采用公开数据集（GEO: GSE123544），包含414株PA14临床分离株的RNA-seq数据及表型标签。数据预处理后（基因长度和文库大小标准化，log转化），通过遗传算法（GA）从6026个基因中迭代筛选40基因子集（300代/轮，1000轮/抗生素），以支持向量机（SVM）和逻辑回归（LR）的ROC曲线下面积（AUC）和F1值评估性能。最终通过共识排名确定35–40个高频基因，输入AutoML（auto-sklearn库）训练分类器，并采用三折交叉验证防止过拟合。独立成分分析（ICA）衍生iModulon（核心调控模块），映射特征基因以解析调控网络。

研究结果

自动化机器学习与遗传算法筛选最小高精度基因集

GA-AutoML流程在仅使用35–40个基因的情况下，对美罗培南（MNM）和环丙沙星（CIP）的测试准确率达99%，妥布霉素（TOB）和头孢他啶（CAZ）为96%。

性能曲线显示，基因数增至35–40后准确率趋于稳定，表明少量高频基因即可捕获耐药转录特征。各抗生素的基因子集重叠率低（5–8%），但均保持高预测力，提示耐药性存在多路径转录适应。

GA衍生子集与CARD数据库重叠有限并突出未注释基因

对比综合抗生素耐药数据库（CARD），仅2–10%的GA筛选基因与已知AMR标记重叠。

例如美罗培南耐药中高频基因gbuA（guanidinobutyrase，参与精氨酸代谢）未见于CARD，可能通过补偿OprD孔蛋白缺失间接影响碳青霉烯类进入；头孢他啶耐药中ampC（β-内酰胺酶）虽被高频筛选，但铁载体受体fpvA等未注释基因同样重要，说明表达差异基因可作为耐药生物标志物。

操作子水平分析揭示预测基因集功能重叠有限

尽管基因重叠低，但部分操作子（如mexAB-oprM外排泵、gbuA代谢操作子）在多子集中重复出现。

妥布霉素耐药关联汞抗性（mer）和藻酸盐（alg）操作子，环丙沙星耐药涉及pel（生物膜多糖）和cupA（菌毛粘附）操作子，反映生物膜形成和应激适应等间接机制。然而70–85%的基因分散于无关功能组，强调耐药转录特征具有基因组广泛性。

iModulon映射显示调控收敛与菌株特异性适应

GA基因映射至PAO1和PA14的iModulon，覆盖率达40–82%。

美罗培南和头孢他啶特征集富集于代谢适应、氧化应激iModulon；环丙沙星关联DNA修复（RecA等）；妥布霉素映射至核糖体调控模块。PA14特有iModulon（如重金属解毒、VI型分泌系统）凸显菌株特异性调控架构。

结论与意义

本研究通过GA-AutoML框架鉴定了铜绿假单胞菌抗生素耐药性的最小转录特征集，证实35–40个基因即可实现临床级精度预测。耐药相关表达特征远超已知耐药基因，涉及代谢重组、应激响应、生物膜调控等系统级适应。该工作不仅提供了快速诊断路径，还通过操作子和iModulon分析揭示AMR的多因子调控本质，为开发靶向疗法和抗菌药物管理策略奠定基础。