Zespół z Wydziału Informatyki Uniwersytetu w Białymstoku znalazł się w międzynarodowym gronie naukowców, których nowatorskie badania otwierają nowe możliwości analizy rozprzestrzeniania się antybiotykooporności bakterii przy użyciu sztucznej inteligencji. Wyniki tych badań zostały opublikowane w czasopiśmie „Frontiers in Genetics”.

Badania antybiotykooporności w różnych mikrobiomach miejskich było prowadzone przez dwa współpracujące zespoły z Uniwersytetu Jagiellońskiego i Uniwersytetu w Białymstoku. Integrując uczenie maszynowe, metagenomikę oraz analizę oporności, naukowcy badali, jak geny oporności przemieszczają się między przestrzeniami miejskimi a szpitalami.

Rodolfo Brizola Toscan i prof. Paweł Łabaj z Małopolskiego Centrum Biotechnologii we współpracy z CAMDA (Critical Assessment of Massive Data Analysis) i projektem MetaSUB odpowiadali za przygotowanie danych, analizy bioinformatyczne  i analizę biologiczną.

Zespół z UwB w składzie: dr Wojciech Lesiński i mgr Piotr Stomma z Wydziału Informatyki, dr Balakrishnan Subramanian z Uniwersyteckiego Centrum Obliczeniowego i dr hab. Witold Rudnicki, prof. UwB reprezentujący obie jednostki stosował metody uczenia maszynowego do znalezienia kluczowych markerów różnicujących lokalizację próbek.

W opisywanym badaniu przeanalizowano 143 próbki środowiskowe pobrane z miast oraz 145 izolatów bakterii wyizolowanych w szpitalach, sprawdzając ich oporność na leki antybakteryjne. Dane zostały uzyskane dzięki współpracy z międzynarodowymi projektami CAMDA (Critical Assessment of Massive Data Analysis) i MetaSUB. Porównując markery oporności w bakteriach występujących w szpitalach i w środowisku miejskim, naukowcy ocenili najpierw dostępne narzędzia do wykrywania oporności. Następnie zbadano powiązania markerów oporności z markerami mobliności genetycznej,

- Naszym zadaniem była analiza danych z wykorzystaniem algorytmów uczenia maszynowego (czyli jednej z dziedzin sztucznej inteligencji), opracowanych przez  zespół z Uniwersytetu w Białymstoku - mówi dr hab. Witold Rudnicki, prof. UwB i dyrektor UCO.

- Wykorzystując opracowane przez nasz zespół algorytmy identyfikujące ważne cechy, udało się zidentyfikować kluczowe markery oporności na antybiotyki. Następnie przy pomocy algorytmu las losowy (random forest) udało się poprawnie przypisać próbki do lokalizacji. Modele uczenia maszynowego pomogły lepiej zrozumieć dynamikę AMR (Antimicrobial Resistance) w miastach, poprawiając precyzję narzędzi służących do profilowania oporności – dodaje dr Wojciech Lesiński.

Te odkrycia mogą pomóc wypełnić lukę między nadzorem środowiskowym a infekcjami szpitalnymi, poprawiając wczesne wykrywanie i opracowywanie strategii reagowania.  

Odpowiednio wykorzystane mogą dać nam nowe narzędzia do walki z antybiotykoopornością, która staje się jednym z najważniejszych globalnych zagrożeń zdrowia publicznego.

Więcej informacji o projekcie i o badaniach mikrobiomu środowiskowego można znaleźć na stronie Uniwersytetu Jagiellońskiego.