Ένα νέο εργαλείο τεχνητής νοημοσύνης αναλύει τις πρωτεΐνες που προβλέπονται από ένα βακτηριακό γονιδίωμα και εκτιμά την παθογόνο δυνατότητά του για τον άνθρωπο. Το PathogenFinder2 εμφάνισε καλύτερες επιδόσεις από προηγούμενες μεθόδους σε δοκιμές με άγνωστα στο μοντέλο είδη. Η πρόβλεψη, ωστόσο, δεν ισοδυναμεί με διάγνωση λοίμωξης ή εκτίμηση επιδημικού κινδύνου.

Μπορεί η τεχνητή νοημοσύνη να αναγνωρίσει αν ένα βακτήριο έχει τη δυνατότητα να προκαλέσει νόσο, ακόμη και όταν ανήκει σε είδος που δεν έχει συναντήσει κατά την εκπαίδευσή της;
Αυτό το ερώτημα επιχειρεί να απαντήσει το PathogenFinder2, ένα υπολογιστικό εργαλείο που παρουσιάζει ερευνητική ομάδα με πρώτο συγγραφέα τον Alfred Ferrer Florensa και τελευταίο τον Frank Møller Aarestrup.
Η μελέτη, με τίτλο «Whole-genome prediction of bacterial pathogenic capacity on novel bacteria using protein language models with PathogenFinder2», δημοσιεύθηκε στο Bioinformatics. Οι συγγραφείς περιγράφουν ένα μοντέλο που αξιοποιεί πρωτεϊνικά γλωσσικά μοντέλα, ώστε να εκτιμά την παθογόνο δυνατότητα βακτηρίων από το γονιδίωμά τους.
Η προσέγγιση μπορεί να υποστηρίξει την έρευνα και τη γονιδιωματική επιτήρηση. Δεν προβλέπει, όμως, αν ένας συγκεκριμένος άνθρωπος θα νοσήσει έπειτα από επαφή με ένα βακτήριο.
Η παθογόνος δυνατότητα δεν καθορίζει μόνη της τη νόσηση
Η σχέση ανθρώπου και βακτηρίων δεν χωρίζεται εύκολα σε δύο απόλυτες κατηγορίες: «επικίνδυνα» και «ακίνδυνα».
Πολλά βακτήρια συνυπάρχουν μαζί μας χωρίς να προκαλούν βλάβη. Άλλα μπορούν να προκαλέσουν λοίμωξη υπό συγκεκριμένες συνθήκες. Η κατάσταση του ανοσοποιητικού συστήματος, το σημείο του σώματος όπου βρίσκεται ο μικροοργανισμός και το μικροβίωμα επηρεάζουν την έκβαση.
Η μελέτη εστιάζει στην παθογόνο δυνατότητα, δηλαδή στην ικανότητα ενός βακτηρίου να προκαλέσει βλάβη στον άνθρωπο όταν συντρέχουν οι κατάλληλες συνθήκες.
Η διάκριση έχει πρακτική σημασία: ένα υψηλό υπολογιστικό σκορ δεν αποδεικνύει ενεργή λοίμωξη, ενώ ένα χαμηλό σκορ δεν αποτελεί πιστοποιητικό ασφάλειας.
Γιατί δεν αρκεί να γνωρίζουμε το είδος
Μια παραδοσιακή προσέγγιση βασίζεται στη συγγένεια ενός άγνωστου βακτηρίου με ήδη γνωστούς μικροοργανισμούς. Ωστόσο, η ταξινομική ταυτότητα δεν αποτυπώνει πάντα τις διαφορές μεταξύ στελεχών.
Στο ίδιο είδος μπορεί να συνυπάρχουν στελέχη με διαφορετική παθογόνο δυνατότητα. Επιπλέον, μεταβολές στο γενετικό υλικό μπορούν να αλλάξουν τα χαρακτηριστικά ενός βακτηρίου.
Το PathogenFinder2 επιχειρεί να αξιολογήσει ευρύτερα μοτίβα στις πρωτεΐνες του μικροοργανισμού, αντί να στηρίζεται αποκλειστικά στην ταυτοποίηση του είδους ή σε αντιστοιχίσεις με γνωστές οικογένειες πρωτεϊνών.
Αυτό αποκτά ενδιαφέρον όταν οι ερευνητές εξετάζουν λιγότερο μελετημένα βακτήρια από ανθρώπινα ή περιβαλλοντικά δείγματα.
Πώς αναλύει το βακτηριακό γονιδίωμα
Το εργαλείο ξεκινά από ένα συναρμολογημένο βακτηριακό γονιδίωμα. Αρχικά, προβλέπει ποιες πρωτεΐνες κωδικοποιεί και στη συνέχεια χρησιμοποιεί το πρωτεϊνικό γλωσσικό μοντέλο ProtT5 για να τις μετατρέψει σε αριθμητικές αναπαραστάσεις.
Ένα σύστημα βαθιάς μάθησης αξιολογεί το σύνολο αυτών των αναπαραστάσεων και παράγει την τελική εκτίμηση.
Ο όρος «γλωσσικό μοντέλο» αφορά εδώ την αναγνώριση μοτίβων στις αλληλουχίες πρωτεϊνών. Δεν πρόκειται για συνομιλιακό σύστημα που απαντά σε ερωτήσεις με τον τρόπο του ChatGPT.
Παρότι η μέθοδος αξιοποιεί πληροφορία από ολόκληρο το γονιδίωμα, η ανάλυση επικεντρώνεται στις προβλεπόμενες πρωτεΐνες. Δεν εξετάζει άμεσα κάθε μη κωδικοποιητική περιοχή ή κάθε πιθανό μηχανισμό ρύθμισης.
Περισσότερα από 21.000 γονιδιώματα στη βάση ανάπτυξης
Για την ανάπτυξη και αξιολόγηση του μοντέλου, οι ερευνητές συγκέντρωσαν 16.297 γονιδιώματα με επισήμανση παθογόνου δυνατότητας και 4.882 χωρίς αυτή την επισήμανση.
Τα δεδομένα προήλθαν από δημόσιες βάσεις. Η ομάδα αξιοποίησε πληροφορίες για την προέλευση των δειγμάτων, την κατάσταση των ξενιστών και τις καταγεγραμμένες ιδιότητες των βακτηρίων.
Στην κατηγορία χωρίς παθογόνο δυνατότητα περιέλαβε, με συγκεκριμένα κριτήρια, βακτήρια που περιγράφονταν ως μη παθογόνα, μικροοργανισμούς του ανθρώπινου μικροβιώματος, στελέχη που χρησιμοποιούνται σε προβιοτικά ή τρόφιμα και βακτήρια ακραίων περιβαλλόντων.
Αυτή η διαδικασία αποτελεί και πηγή περιορισμών. Οι επισημάνσεις εξαρτώνται από την πληρότητα και την ακρίβεια των δημόσιων αρχείων. Η απομόνωση ενός βακτηρίου από σημείο λοίμωξης δεν αποδεικνύει πάντοτε ότι ήταν ο αιτιολογικός παράγοντας. Αντίστοιχα, η παρουσία του σε υγιή άνθρωπο δεν αποκλείει νόσηση υπό άλλες συνθήκες.
Η κρίσιμη δοκιμή σε είδη που δεν είχε δει
Οι ερευνητές προσπάθησαν να αποφύγουν ένα συχνό πρόβλημα στην αξιολόγηση της AI: τη μεγάλη ομοιότητα μεταξύ δεδομένων εκπαίδευσης και ελέγχου, η οποία μπορεί να δημιουργήσει υπερβολικά αισιόδοξη εικόνα.
Στη βασική δοκιμή, διαχώρισαν τα γονιδιώματα με βάση τη γενετική ομοιότητα, ώστε το σύνολο αξιολόγησης να περιλαμβάνει είδη που δεν είχαν χρησιμοποιηθεί στην εκπαίδευση του PathogenFinder2.
Το συγκεκριμένο σύνολο περιλάμβανε 3.310 γονιδιώματα με παθογόνο δυνατότητα και 976 χωρίς.
Σύμφωνα με τους συγγραφείς, το PathogenFinder2 πέτυχε καλύτερη συνολική επίδοση από τις συγκρινόμενες μεθόδους, με βάση τον συντελεστή συσχέτισης Matthews και την περιοχή κάτω από την καμπύλη ROC. Οι δείκτες αυτοί επιτρέπουν αξιολόγηση πέρα από ένα απλό ποσοστό σωστών προβλέψεων.
Η υπεροχή δεν ήταν ίδια σε κάθε σύγκριση
Η ομάδα εξέτασε επίσης γονιδιώματα που είχαν καταχωριστεί το 2024: 3.704 με παθογόνο δυνατότητα και 176 χωρίς.
Σε αυτό το σύνολο δεν απέκλεισε την παρουσία ειδών παρόμοιων με εκείνα της εκπαίδευσης. Το PathogenFinder2 διατήρησε υψηλή επίδοση, αλλά η διαφορά του από μια επικαιροποιημένη εκδοχή του προηγούμενου PathogenFinder δεν ήταν στατιστικά σημαντική ως προς τον δείκτη Matthews.
Οι συγκρίσεις ανέδειξαν επίσης διαφορετικές ισορροπίες μεταξύ ευαισθησίας και ειδικότητας. Μία μέθοδος εντόπιζε περισσότερα θετικά δείγματα, αλλά παρήγαγε πολλά ψευδώς θετικά. Άλλη εμφάνισε υψηλότερη ειδικότητα, χωρίς στατιστικά σημαντική διαφορά από το PathogenFinder2.
Τα αποτελέσματα υποστηρίζουν κυρίως την αξία του νέου μοντέλου στη γενίκευση προς άγνωστα είδη. Δεν τεκμηριώνουν απόλυτη υπεροχή σε κάθε πιθανή εφαρμογή.
Ποιες πρωτεΐνες επηρεάζουν την πρόβλεψη
Το PathogenFinder2 δεν δίνει μόνο μια τελική εκτίμηση. Κατατάσσει επίσης τις πρωτεΐνες με βάση τη βαρύτητα που τους αποδίδει το μοντέλο.
Οι ερευνητές διαπίστωσαν ότι αρκετές από τις πρωτεΐνες που αναδείκνυε συνδέονταν με ήδη περιγεγραμμένους παράγοντες λοιμογονικότητας. Εμφανίστηκαν, όμως, και πρωτεΐνες χωρίς γνωστή λειτουργία.
Αυτή η δυνατότητα μπορεί να βοηθήσει στην ιεράρχηση στόχων για περαιτέρω έρευνα. Η υψηλή βαρύτητα στην πρόβλεψη δεν αποδεικνύει ότι μια πρωτεΐνη προκαλεί νόσο, ούτε αρκεί για να χαρακτηριστεί κατάλληλος εμβολιαστικός ή θεραπευτικός στόχος.
Η βιολογική της λειτουργία χρειάζεται ανεξάρτητη πειραματική επιβεβαίωση.
Εφαρμογές σε κλινικά δείγματα και λύματα
Για να διερευνήσουν την πρακτική χρησιμότητα της προσέγγισης, οι συγγραφείς την εφάρμοσαν και σε δύο δημοσιευμένα σύνολα δεδομένων.
Το πρώτο περιλάμβανε 142 γονιδιώματα Escherichia coli από υγιείς ανθρώπους και 152 από ασθενείς με συμπτώματα λοίμωξης από E. coli. Το δεύτερο περιλάμβανε 2.741 γονιδιώματα που είχαν ανασυντεθεί από μεταγονιδιωματικά δεδομένα λυμάτων από διαφορετικές περιοχές του κόσμου.
Οι εφαρμογές αυτές δείχνουν τα πεδία στα οποία θα μπορούσε να αξιοποιηθεί το εργαλείο. Δεν αρκούν από μόνες τους για να αποδείξουν ότι προβλέπει επιδημίες ή ότι βελτιώνει την έκβαση ασθενών.
Ένας υπολογιστικός χάρτης της παθογόνου δυνατότητας
Η μελέτη παρουσιάζει ακόμη το Bacterial Pathogenic Capacity Landscape, μια χαρτογράφηση των βακτηρίων με βάση τις αναπαραστάσεις που παράγει το μοντέλο.
Στόχος είναι η ανάδειξη μοτίβων που σχετίζονται με την κατάσταση του ξενιστή, το σημείο λοίμωξης, την περιβαλλοντική προέλευση και τις αλληλεπιδράσεις μεταξύ μικροοργανισμών.
Πρόκειται για εργαλείο διερεύνησης ομοιοτήτων και παραγωγής ερευνητικών υποθέσεων. Δεν αποτελεί χάρτη γεωγραφικής διασποράς ούτε μετρά την πιθανότητα μετάδοσης από άνθρωπο σε άνθρωπο.
Τι μπορεί να προσφέρει στη δημόσια υγεία
Η αξία τέτοιων εργαλείων βρίσκεται στην υποστήριξη της γονιδιωματικής επιτήρησης και στην καλύτερη ιεράρχηση δειγμάτων για διερεύνηση.
Το PathogenFinder2 δεν αντικαθιστά τη μικροβιολογική διάγνωση, τον έλεγχο ευαισθησίας στα αντιβιοτικά ή την επιδημιολογική αξιολόγηση. Επίσης, δεν προβλέπει αυτομάτως πόσο σοβαρή θα είναι μια λοίμωξη ή ποια θεραπεία χρειάζεται ένας ασθενής.
Το επόμενο στοίχημα αφορά την αξιολόγησή του σε πραγματικές συνθήκες, με ανεξάρτητα δεδομένα και σαφώς καθορισμένες χρήσεις. Εκεί θα φανεί πόσο αποτελεσματικά μπορεί να μετατρέψει μια υπολογιστική ένδειξη σε χρήσιμη πληροφορία για την έρευνα και τη δημόσια υγεία.
Η δημοσίευση: Ferrer Florensa A. και συν., Whole-genome prediction of bacterial pathogenic capacity on novel bacteria using protein language models with PathogenFinder2, Bioinformatics, 2026, btag129. DOI: 10.1093/bioinformatics/btag129.
Διαθεσιμότητα: Οι συγγραφείς διαθέτουν το εργαλείο μέσω διαδικτυακής εφαρμογής και τον κώδικα στο GitHub.
Κάντε like στη σελίδα μας στο facebook για να μαθαίνετε όλα τα νέα
Διαβάστε επίσης
Πανιά μικροϊνών: Τα λάθη στο πλύσιμο που ευνοούν βακτήρια και οσμές
Νόσος Crohn: Η AI εντοπίζει 43 γονίδια που συνδέονται με επικίνδυνη ίνωση του εντέρου

