Machine learning methods to identify markers and predict antimicrobial resistance in <i>Escherichia coli</i>
Notice bibliographique
Résumé
Antimicrobial resistant strains of pathogenic Escherichia coli are a burden on the healthcare system, causing longer hospital stays and increased treatment costs compared to nonresistant strains. With whole genome sequencing almost ubiquitous in the analyses of outbreak and surveillance samples , in silico methods for feature identification can be faster and cheaper than traditional wet-lab methods. In this study, machine learning (ML) classification methods were used to predict antimicrobial resistance (AMR) and identify novel genomic markers of resistance. A total of 4300 E. coli whole genome sequences with laboratory-derived susceptible, intermediate, or resistant (SIR) data for 34 antimicrobials were collected. Three models—gradient boosted decision trees, support vector machines (SVMs), and artificial neural networks (ANNs)—were trained using genome subsequences ( k-mers) of length 11 to classify unknown isolates as SIR for each antimicrobial. The models achieved high average accuracies (93.6%, 92.7%, and 92.8%, respectively) for our dataset, outperforming database methods including AMRFinderPlus (63.9%) and ResFinder (75.7%). Tested on two smaller independent datasets, the models’ average accuracies were 81.6% (XGB), 79.9% (SVM), and 81.2% (ANN), while ResFinder’s average accuracy was 94.7%. An advantage of ML models over database methods is that they can identify novel markers of resistance, which is a key advantage for surveillance and research. As more genomic and AMR data become publicly available, these models are expected to further improve in performance and utility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».