华盛顿州立大学的研究人员开发了一种预测细菌耐药基因的新方法。通过机器学习和博弈论模型，可以预测三种不同类型革兰氏阴性菌的耐药基因，准确率达93%-99%。
细菌对抗生素的耐药性已成为影响全球公共卫生的重要问题，威胁着数亿人。仅在美国，每年就有数百万人受到抗药性细菌的感染，导致数万人死亡。近年来，科学家们一直试图找到一种预测和鉴定抗生素耐药基因的方法，以便更有效地将药物应用于患者。随着全基因组测序技术的突破，他们发展了序列比对方法，通过序列相似性来识别抗生素耐药基因。然而，当遇到与已知抗生素耐药基因高度相似的序列时，这些方法有些无能为力。
这一次，华盛顿州立大学的研究小组决定利用博弈论来帮助预测和鉴定抗生素耐药基因。博弈论是研究竞争或斗争现象的数学理论和方法，是当代经济学的标准分析工具之一。在博弈模型中，一个参与者的行为会影响并依赖于其他参与者的行为。
利用该团队开发的机器学习算法和博弈论模型，我们不仅分析了细菌基因组中的简单序列相似性，还研究了蛋白质序列结构、理化特性、进化特性等相互作用。为了准确预测抗生素耐药基因的组成特征等特性。他们在第九次科学报告中发表了一篇研究论文，预测三种革兰氏阴性菌（假单胞菌、弧菌和肠杆菌）耐药性基因序列的新方法的准确率为93%-99%。
研究人员说，这种新颖的博弈论方法特别强大。它考虑到基因特性的相关性和相互依赖性，根据它们整体协同工作的能力来识别可能的抗微生物基因，从而识别先前通过简单序列比对无法识别的推定抗药性基因。随着抗生素耐药性的增加和测序基因组的增多，迫切需要开发新的、更准确的预测和鉴定耐药基因的工具。他们的研究表明，机器学习模型将是一个重要的研究方向。
