结合药物语义信息与全基因组的结核分枝杆菌耐药性预测模型

摘要

结核病作为全球主要的传染性疾病之一，其耐药性问题对公共健康安全构成了严重威胁.有效的耐药性预测不仅能够优化治疗方案，还能减少耐药结核分枝杆菌的传播，从而在资源受限环境下提高整体健康水平.然而，现有的抗生素耐药性研究方法普遍依赖各个药物的表型数据，这不仅耗费大量时间和资源，还难以适应新药研发周期长、实验数据资源有限的实际需求.针对上述挑战，本文提出了一种结合全基因组信息与药物语义特征的耐药性预测模型，旨在提高新药耐药风险预测的准确性和适用性.模型利用一个带注意力机制的分层编码器，对分离株进行编码处理，随后运用交叉注意力机制，将药物信息融入分离株的特征表达之中，为后续的耐药性预测提供有力支持.实验评估选取了4种一线药物和7种二线药物的耐药性结核分枝杆菌，覆盖了临床中具有代表性的抗结核药物，以验证模型的实际应用效果.实验结果表明，模型在新药耐药性预测中的敏感性超过80%，同时保持较高的特异性和预测精度.模型显著降低了对大规模检测数据的依赖，为资源受限医疗环境下的快速筛查提供了技术支持.

关键词

结核分枝杆菌 / 耐药预测 / 全基因组 / 药物语义

基金资助

国家自然科学基金重点项目（62137001）; 四川省重点研发项目（2023YFG0265）