菌株水平克雷伯菌噬菌体-宿主特异性的预测

针对耐药细菌，噬菌体已重新回归科学界与公共卫生界的视野，被认为是非常有前景的选择。然而，由于噬菌体的寄主范围通常较窄，因此在寻找能够感染目标细菌的噬菌体上面临挑战。随着人工智能的快速发展，已经应用到生物科学研究的各个方面，但目前的计算工具不能准确预测噬菌体与目标菌株的相互作用，而这样的预测也无法在实际应用中进行充分评估。来自比利时根特大学的学者近期发表在自然通讯（Nature Communications）的研究为解决上面的问题提供了新思路。作者构建了噬菌体与宿主关系的学习系统PhageHostLearn，可以预测克雷伯菌噬菌体-细菌配伍对中受体结合蛋白（receptor binding protein，RBP）和细菌受体之间的菌株级相互作用关系。作者通过计算机模拟和试验对预测结果进行了评估，同时在寻找与细菌株匹配的噬菌体的临床相关设置中验证该系统。PhageHostLearn在计算机模拟中达到了高达81.8%的交叉验证ROC AUC，并在实验室验证中保持了这一高准确性。作者创建的方法为开发和评估实用的噬菌体-宿主预测方法提供了一个研究范式。该工作对于以机器学习为导向的噬菌体治疗和诊断的发展做出了重要贡献，也为相关研究提供了非常重要的借鉴。

作者研究的基本框架，包括PhageHostLearn的基本流程，以及在计算机模拟和体外实验验证的基本构建。

作者发现提出的预测模型经试验验证准确度非常高，对于实际使用意义重大。