MALVINA：一种高通量深度学习工作流，用于单细胞分辨率下同时量化细菌侵袭与宿主DNA损伤以揭示病原体-宿主-药物相互作用

《Nature Communications》：Deep-learning single-cell profiling uncovers interbacterial and drug-driven reshaping of pathogen virulence

摘要

细菌侵袭和基因毒性是传染病进展和致癌作用的关键因素。然而，当前的方法无法在单细胞分辨率下系统地量化这些过程，这限制了我们探索毒力因子和药物效果的相互作用如何塑造致病性的能力。在此，我们提出了 MALVINA，一种高通量深度学习工作流程，整合了宿主 - 病原体共培养和高内涵成像技术，以同时测量细菌侵袭和宿主 DNA 损伤。应用于大肠杆菌分离株和人类结直肠上皮细胞，我们通过解析 (1) 具有较高侵袭性或基因毒潜力的菌株，(2) 细菌间毒力的调节，(3) 促毒力药物效果，(4) 靶向毒力的药物，以及 (5) 细菌对药物毒性的增强作用，展示了 MALVINA 的多功能性。MALVINA 揭示了菌株特异性毒力谱以及依赖大肠杆菌毒素对竞争者侵袭的抑制以及伴随的基因毒性增强现象。它还使得能够鉴定药物诱导的细菌侵袭和基因毒性调节，为考量毒力的药物筛选提供了新视角。总体而言，MALVINA 提供了一个适应性框架，用于剖析病原体 - 宿主 - 药物相互作用。