AI活用で農業現場での大腸菌抗生物質耐性を迅速予測へ

AIを活用した農地での大腸菌抗生物質耐性予測 大腸菌（E. coli）は動物や人間の腸内に生息する一般的な細菌で、環境中の糞便汚染を特定するためにしばしば利用されます。この細菌は抗生物質に対する耐性を容易に発展させることから、特に糞肥や再利用废水が使用される農地での抗菌薬耐性テストに適しています。 伝統的な抗生物質耐性分析方法は時間と労力がかかり、大規模監視には不適しています。そのため、研究者たちは全ゲノム解析（Whole-Genome Sequencing, WGS）と予測モデルを用いたより迅速な手法を探っています。 フィリピン、マニラ大学自然科学研究所（UPD-CS NSRI）のマルコ・クリストファー・ロペス氏とピエランジェリ・ビタール博士、同大学統計学部のジョゼフ・ライアン・ラナサン博士は、NCBIデータベースから得られる遺伝子データと試験結果を用いて、大腸菌の抗生物質耐性を予測するための様々なAI模型を試しました。 「模型は生物学的および不均衡データの処理能力に基づいて選択されました」とビタール博士は説明しています。「これにより、異なる学習戦略間での性能比較を行い、抗生物質耐性予測に最も適した模型を特定することができるのです。」 彼らが使用したAIモデルは、高次元データに向いているランダムフォレスト（Random Forest, RF）、複雑な決定境界を扱うのに優れたサポートベクターマシン（Support Vector Machine, SVM）、および集約モデルであるアダプティブブースティング（Adaptive Boosting, AB）とエクストリームグレディエントブースティング（Extreme Gradient Boosting, XGB）でした。これらの中で、ABとXGBは不均衡な抗生物質耐性データに対しても一貫して良い結果を示しました。 ABとXGBはストレプトマイシンとテトラサイクリンの耐性を正確に予測でき、敏感な株と耐性株を信頼性高く区別しました。一方、シプロフロキサシンの耐性予測は難しく、耐性サンプルがデータ全体の4%しかなかったため、感度が低かったです。 「私たちのアプローチは、特に農業における抗菌薬耐性のリアルタイムモニタリングに大きな可能性を持っていると考えています」とビタール博士は強調します。「DNAシークエンシングが速く安価になる隨著、このような予測モデルは早期に耐性細菌を見つけ出し、発生を防ぐことができます。これは食品安全、農業、公衆衛生プログラムにおけるより良い意思決定を可能にします。」 研究者たちは、多様なサンプルタイプやデータソース（例えば、サンプル内のすべての微生物のDNAを対象としたメタゲノミックデータ）を含めることで、細菌が耐性を持つメカニズムをより深く理解し、予測精度を高めることを提案しています。また、ビタール博士は微生物学と統計学の協働の重要性を指摘しています。 「これらの分野の統合が、コミュニティに対する実践的な成果を生み出し、農産物の安全性向上に貢献する可能性があることを確認しています」と彼女は述べました。 詳細： - タイトル: フィリピン首都圏周辺の農地でのE. coliの抗生物質耐性予測モデル - 著者: ロペス、M. C. D. P. 他 - 誌名: マレーシア微生物学雑誌 - 出版年: 2025年 - DOI: 10.21161/mjm.240650 この記事は、フィリピン、マニラ大学（University of the Philippines–Diliman）によって提供されました。