Bogotá - Ciencias - Maestría en Ciencias - Microbiología · 2021

Predicción del perfil de resistencia a partir de las secuencias del genoma de aislamientos colombianos de Acinetobacter baumannii

La creciente resistencia a los antibióticos y las pocas alternativas terapéuticas disponibles vuelven una urgencia la necesidad de optimizar los diagnósticos actuales que nos permitan prescripciones más rápidas y efectivas. Últimamente uno de los enfoques para predecir resistencia a partir de los datos de secuenciación de genoma consta en aplicar modelos basados en aprendizaje de máquina, los cuales han ido tomando credibilidad debido a la capacidad de realizar predicciones precisas. Además, gracias al creciente conocimiento acerca de mecanismos de resistencia asociados a A. baumannii, este patógeno nos brinda una alternativa para desarrollar estos modelos. En este trabajo se utilizaron 343 genomas, 76 colombianos del Instituto Nacional de Salud y 267 recolectados de la base de datos Biosample NCBI, para la obtención de modelos basados en aprendizaje de máquina empleando regresión lasso, random forest y gradient boosting, para predecir la concentración mínima inhibitoria de 10 antibióticos. Random forest fue el algoritmo que mostró los mejores resultados, logrando una precisión promedio dentro de +/- una dilución doble de 91% (I.C 95, 85- 97), una tasa de very major error y major error de 1,71% y 0,7%, respectivamente. Como datos de entrada para los modelos se utilizaron genes de resistencia, los cuales fueron identificados utilizando el software Resistance Gene Identifier. Estos resultados demuestran que la predicción de la susceptibilidad de A. baumannii a los antibióticos, basada en la secuencia del genoma son prometedoras como posibles herramienta de diagnóstico en la clínica. (Texto tomado de la fuente).

Tesauro de su biblioteca