華盛頓州立大學的研究人員開發了一種預測細菌耐藥基因的新方法。通過機器學習和博弈論模型，可以預測三種不同類型革蘭氏陰性菌的耐藥基因，準確率達93%-99%。
細菌對抗生素的耐藥性已成爲影響全球公共衛生的重要問題，威脅着數億人。僅在美國，每年就有數百萬人受到抗藥性細菌的感染，導致數萬人死亡。近年來，科學家們一直試圖找到一種預測和鑑定抗生素耐藥基因的方法，以便更有效地將藥物應用於患者。隨着全基因組測序技術的突破，他們發展了序列比對方法，通過序列相似性來識別抗生素耐藥基因。然而，當遇到與已知抗生素耐藥基因高度相似的序列時，這些方法有些無能爲力。
這一次，華盛頓州立大學的研究小組決定利用博弈論來幫助預測和鑑定抗生素耐藥基因。博弈論是研究競爭或鬥爭現象的數學理論和方法，是當代經濟學的標準分析工具之一。在博弈模型中，一個參與者的行爲會影響並依賴於其他參與者的行爲。
利用該團隊開發的機器學習算法和博弈論模型，我們不僅分析了細菌基因組中的簡單序列相似性，還研究了蛋白質序列結構、理化特性、進化特性等相互作用。爲了準確預測抗生素耐藥基因的組成特徵等特性。他們在第九次科學報告中發表了一篇研究論文，預測三種革蘭氏陰性菌（假單胞菌、弧菌和腸桿菌）耐藥性基因序列的新方法的準確率爲93%-99%。
研究人員說，這種新穎的博弈論方法特別強大。它考慮到基因特性的相關性和相互依賴性，根據它們整體協同工作的能力來識別可能的抗微生物基因，從而識別先前通過簡單序列比對無法識別的推定抗藥性基因。隨着抗生素耐藥性的增加和測序基因組的增多，迫切需要開發新的、更準確的預測和鑑定耐藥基因的工具。他們的研究表明，機器學習模型將是一個重要的研究方向。
