本研究では、合成微生物叢を生成し、その中の薬剤耐性菌の存在を最小限に抑えることを目的としている。
まず、マルチクラス分類ネットワークを構築し、訓練データの多様性を高めることで分類精度を向上させた。次に、オートエンコーダーを用いて微生物叢データを低次元の潜在空間に圧縮し、そこからガウス分布やラテン超直方体サンプリングを用いて新しい合成サンプルを生成した。
その上で、ベイズ最適化手法を適用し、4つの獲得関数(期待改善、上限信頼区間、トンプソンサンプリング、改善確率)を比較した。その結果、期待改善、上限信頼区間、改善確率の3手法が、トンプソンサンプリングに比べて少ない試行回数で薬剤耐性の低い合成サンプルを見つけられることが示された。
最終的に選択された合成微生物叢のサンプルでは、Bacteroides属、Ruminococcaceae科、Clostridiales目といった菌群が薬剤耐性抑制に寄与していることが明らかになった。本研究の手法は、微生物叢の操作による薬剤耐性対策に役立つと考えられる。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문