美國華盛頓州立大學研究人員研發出一種新方法來預測細菌耐藥性基因，通過機器學習和博弈論模型，他們能以93%—99%的準確率，預測3種不同類型革蘭氏陰性菌中耐藥基因的存在。油泵

細菌對抗菌素的耐藥性已成為影響全球公共健康的重要問題，威脅著億萬人群，僅每年美國就有數百萬人感染耐藥細菌，導致成千上萬人死亡。近年來，科學家一直在努力尋找預測、識別抗菌素耐藥性基因的手段，以求更有效地對病患施藥。隨著全基因組測序技術的突破，他們開發出序列比對方法，通過序列相似性來鑒定抗菌素耐藥性基因，但已知遇到的抗菌素耐藥性基因具有高度相似性的序列時，這些方法則有些無濟于事。轉子泵

此次，華盛頓州立大學研究團隊決定使用博弈論來幫助識別、預測抗菌素耐藥性基因。博弈論是當前經濟學的標準分析工具之一，是一種研究具有競爭或斗爭現象的數學理論和方法。在博弈模型中，一個參與者的行為會影響和取決于其他參與者的行為。液下泵

研究團隊使用其開發的機器學習博弈論模型和算法，不止對細菌基因組中簡單的序列相似性進行分析，還深入研究了蛋白質序列結構、進化特征、理化特征、組成特征等多個特征的相互作用，以求準確預測抗菌素耐藥性基因。在9日的《科學報告》上他們發表研究論文稱，使用新方法預測3種革蘭氏陰性菌——腸桿菌、假單胞菌和弧菌的抗菌素耐藥性基因序列，其準確度達到93%—99%。衛生泵

研究人員表示，這種新穎的博弈論方法特別強大，其將基因特征的相互依賴性和相關性綜合考慮，根據它們在整體上協同工作的能力來識別可能的抗菌素耐藥性基因，因而能夠鑒定出以前通過簡單序列比對方法無法識別的推定抗性基因。隨著現有測序基因組數量的增加和抗菌素耐藥性的增長，急切需要開發新的、更準確的耐藥基因識別、預測工具，而他們的研究表明，機器學習模型將是一個重要研發方向。