基于MobiGraph时间图分析整合质粒与监测数据预测质粒介导抗菌耐药基因的下一个记录细菌宿主

《Genes》:Anticipating the Next Recorded Bacterial Hosts of Plasmid-Borne Antimicrobial Resistance Genes: A Temporal Graph Analysis of Plasmid and Surveillance Data

【字体: 大 中 小 】 时间:2026年10月16日 来源:Genes 3.1

编辑推荐:

  背景/目标:质粒介导的抗菌耐药基因(antimicrobial resistance genes, ARGs)传播使细菌感染控制复杂化。识别可能携带这些基因的细菌宿主,可在这些关联进入公共数据库前指导基因组监测。研究人员探究了现有质粒和监测数据能否预测哪些耐药

  
背景/目标:质粒介导的抗菌耐药基因(antimicrobial resistance genes, ARGs)传播使细菌感染控制复杂化。识别可能携带这些基因的细菌宿主,可在这些关联进入公共数据库前指导基因组监测。研究人员探究了现有质粒和监测数据能否预测哪些耐药基因–宿主关联将下一个被数据库记录,以及哪些基因组特征支持该预测。方法:研究人员整合了72,556条完整质粒记录和2,116,241株监测分离株,涵盖458个耐药基因等位基因、574个复制子骨架和222个细菌物种。一个时间图模型MobiGraph在固定截止日期前记录的关联上训练,并在随后观察到的关联上评估,使用按测序努力和系统发育距离匹配的候选宿主。候选池内排序是主要结局;无阈值汇总作为次要指标报告。结果:在42.4%的测试案例中,观察到的宿主排名位于十个最高优先级候选宿主之内;相对于基于机制特征的梯度提升的优势仅限于排序指标,二者在精确率–召回率曲线下面积(area under the precision–recall curve, AUPRC)上无法区分。质粒不相容群兼容性、既往基因–宿主关联和共享松弛酶(relaxase)类别是突出预测特征。在包括mcr-1、blaNDM和tet(X4)在内的五个耐药决定簇中,43–62%的后续关联被排在前十。在恢复事件中,从预测截止日期到首次记录观察的中位间隔为22.5个月。在对固定500条目观察列表的单独评估中,65个条目在25个月内随后被记录为基因–宿主对,13.0%对比8.2%背景率(95%置信区间[CI] 10.3–16.2%);由于监测数据库不解析复制子,该确认不延伸至所预测的骨架。结论:现有质粒和基因组监测记录包含的信息有助于预测哪些耐药基因–宿主关联将下一个被记录。一个新记录的关联反映近期转移还是较早的采样不足,无法从这些数据中解析。这些发现支持优先选择细菌宿主进行靶向监测和质粒介导耐药传播的实验研究。
研究背景:质粒介导的抗菌耐药基因传播使细菌感染控制复杂化。mcr-1于2015年底在中国牲畜Escherichia coli中描述,数月内即从四大洲人类感染中报告。该决定簇本身并非新出现,变化的是其遗传背景:一个小质粒易于在肠杆菌间转移,并将该基因带入先前未受黏菌素选择的物种。类似转变反复出现:blaNDM碳青霉烯酶在Enterobacterales少数骨架上传播,tet(X4)通过Escherichia和Acinetobacter传播,optrA通过肠球菌传播,cfr通过葡萄球菌和肠球菌传播。每一次决定簇已存在于某些储存库,变化的是携带它的复制子骨架和发现它的宿主物种。2019年细菌抗菌耐药相关死亡为495万,其中127万直接归因;2021年估计直接归因死亡为114万,并预计到2050年继续增长。这些转变临床重要,但通常仅在发生后被描述。当前基因组监测已成为基础设施,公共档案每年沉积大量有日期、地理定位的分离株,质粒数据库记录哪些骨架携带哪些货物、位于何种生物,并可从序列预测流动性。基因在宿主间移动因此留下日期轨迹。已有两类计算工作:一类重建基因去向,预测已知耐药基因的系统发育范围;另一类从完成基因组预测耐药表型。二者成熟,但均未针对监测项目实际面临的前瞻问题:给定某基因在某骨架上,下一记录宿主是谁,能提前多久。该问题需同时满足三点:边须携带收集日期,以便训练过去、评分未来;候选替代须在测序努力上可比;预测须附误差率,因为时间切分造成协变量偏移,标准无分布工具假设校准与部署数据可交换并不满足。为此,研究人员整合72,556条完整质粒记录和2,116,241株监测分离株,构建异质图,节点为耐药基因等位基因、复制子骨架和宿主分类,边携带分离株收集日期;预测目标是基因–骨架–宿主组合首次数据库记录。该量是监测报告观察,并非转移、稳定建立或流行病传播的直接测量。

主要关键技术方法:关键技术整合PLSDB release 2024_05_31_v2的72,556条完整质粒记录与NCBI Pathogen Detection八个生物类群的2,116,241株监测分离株;从BioSample和监测元数据重建收集日期;构建含ARG等位基因、复制子骨架、宿主物种和移动元件家族的连续时间异质图;采用按测序努力与系统发育距离匹配的负采样;模型MobiGraph以门控循环单元记忆、Bochner时间编码、机制混合消息、关系感知时间注意力和Kolmogorov–Arnold网络(KAN)评分头构成;使用时间切分、归纳切分、滚动原点、地理留出,以及共形风险控制、消融和冻结观察列表。

3.1 一个已定年的耐药基因传播图谱:研究人员从PLSDB与监测层构建三元异质图,恢复71.8%收集日期,去除物种内在等位基因,得到20,419条含至少一个获得性决定簇的质粒记录,99,910条基因观察,458个等位基因、574个骨架、222个宿主、285个移动元件家族、731,686条带时间戳边,跨1951年至2024年、126个国家。训练截止时约五分之四组合已存在,测试集为2443个三元组。结论:形成了可用于前瞻评估的日期图谱。

3.2 仅凭过去预测下一个宿主:在2443个查询、1个真实宿主加100个努力匹配替代中,MobiGraph平均倒数排名(mean reciprocal rank, MRR)为0.3204,优于机制特征梯度提升的0.3071;AUPRC为0.0399对0.0428,二者在该次要指标无差异;top1为27.4%,top10为42.4%。EdgeBank的MRR为0.0497,说明结果并非记忆已见配对。均匀负采样抬高所有方法,但不改变排序。消融中节点特征块影响最大,机制特征、宿主系统发育和时间编码均承载。结论:优势在排序。

3.3 预测在日期不确定性和基因调用器选择下仍稳健:主来源日期RR为0.337,日/月分辨率0.319,创建日期回退0.312;重采样不精确日期后RR为0.326–0.351,top10为43.7–47.2%。调用器一致中,35.3%符号匹配,容忍粒度后51.0%;两调用器均报告基因的查询RR为0.312,其余0.350,区间重叠;以基因家族为预测单位RR为0.318。结论:结论不依赖调用器分歧。

3.4 模型未见过的实体和区域上性能保持:60个归纳查询中至少一个端点未在训练窗出现,MobiGraph的MRR为0.1563,优于梯度提升0.1363,但区间重叠;top10为17.2%。地理留出中,欧洲315个和非欧洲1068个三元组,MRR为0.3463与0.3082,top10为47.3%与42.2%。结论:图模型在冷启动上有支持性优势,地理留出下不崩塌。

3.5 附加可跨越时间边界的错误率:原始模型低概率区间接近对角线,高区间预测0.038而观察0.0095。交换臂naive split conformal达到0.9008对0.90;时间臂重加权达到0.9027对0.90,0.9502对0.95,0.7908对0.80。分层校准按宿主门、药物类和预测移动性进行,Bacillota的AUPRC为0.0852,Pseudomonadota为0.0412。排序前0.1%给出12.7倍富集、12.6%精确率和6.4%召回。结论:重加权处理时间协变量偏移,共形风险控制返回短名单。

3.6 从评分头读取移动规则:修剪KAN评分头去除69%样条连接,保留31%输入层、83%中间层和全部输出层。保留特征重要性以不相容群兼容性6.58最高,宿主对该基因是否新为5.64,宿主已携带相同松弛酶类2.23,基因家族在该骨架类历史1.65,GC差1.56,家族在该宿主属历史1.51,到最近转移起点距离和宿主沉积量各1.30。沉积量最后。枚举5276条阈值规则,保留12条,11条在时间测试存活;最强规则结合历史与采样深度,229个候选4.03倍富集;第二规则93个候选5.6倍。结论:预测可解释,规则可独立评估。

3.7 预测领域已知事件及提前量:五个已知移动中,mcr-1的top10为62%、中位秩6,cfr为56%、中位8,optrA为50%、中位12,tet(X4)为46%、中位24,blaNDM为43%、中位12。截断后真实三元组进入top10者,到首次观察中位提前22.5个月,四分位距17.0–30.2个月,43.3%真实事件达到。不同药物类提前量稳定。sat4在E. faecalis MOBC骨架上得分0.887,不相容兼容性贡献0.66,宿主新0.53,家族在骨架类历史0.26,松弛酶类0.22。结论:对已知事件合理,提前量有用。

3.8 冻结观察列表及其后续验证:模型于2024年7月1日冻结,评分332,795个未观察三元组,500个最高分附密码摘要。25个月后,65/500基因–宿主确认,13.0%对8.18%背景,p = 1.6 × 10?4;深度10为3/10,深度100为13/100,共形短名单6/31,2.4倍;前五有三个确认:blaOXA在A. baumannii,aac(3)-IId在K. pneumoniae,blaKPC-3在K. pneumoniae。限制是Pathogen Detection不解析复制子,仅为基因–宿主确认,骨架未测;该验证为盲法异时验证而非活体前瞻。结论:外部验证支持。

讨论部分总结:模型依赖可识别生物学,不相容群兼容性最强,松弛酶类、转移起点、移动标记距离和系统发育距离等次之;沉积量最后,说明并非仅利用采样强度。图模型在冷启动上最强;实用五特征梯度提升可达部分性能。共形需区分候选分布偏移而非时间衰减。与已有工作不同,本研究预测具名基因–骨架–宿主三元组并对照后续时间窗。扩展包括插入序列与整合子、宿主防御、接合实验和观察列表重评分。限制是预测数据库记录而非生物转移;未观察组合可能是真缺失、未观察或测序偏倚,接近阳性–未标记学习;语料反映沉积实践;日期重建、单一调用器、小分层;观察列表仅基因–宿主,非骨架,且非活体前瞻。

研究结论(翻译):将耐药基因下一个被记录的宿主作为等位基因、骨架和宿主分类上的定年链接预测问题,可在监测项目可行动的范围内预测。仅用固定截止前已知信息训练,并在按测序努力匹配的替代中评分,MobiGraph在42%的截止后案例中将正确宿主置于100个候选前10,中位提前22.5个月于组合首次记录,并恢复五个领域已记录流动的43–62%的截止后出现。相对于基于特征方法的优势是排序优势,且在无先前历史实体上最大,这是未预期关联呈现的情况,尽管该分层小到支持合并结果而非独立成立。预测附带两个使其可用的要素。对时间划分产生的协变量偏移重加权共形校准,使覆盖率在模型学习数据和应用数据边界上恢复名义水平。修剪样条评分头产生11条阈值规则,在未来数据重测后仍存活,以千碱基和系统发育单位表述,并由不相容群兼容性而非测序量主导,因此预测可被检查而非仅信任。一个500个未观察基因、骨架和宿主组合的冻结列表,附密码摘要和冻结清单,已积累65个基因–宿主确认,对比8%背景率,其中三个在最高评分十个条目中。此类列表预测的是下一个数据库记录,这是监测项目可行动的量,并不等同于其背后的转移事件。该列表可针对每个未来数据库发布重新评分,这是最终评判该方法的测试。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号