详细内容或原文请订阅后点击阅览
利用 AI 预测微生物抗生素耐药性
科学家使用机器学习模型来预测未来气候情景下农业土壤中抗生素抗性基因的流行情况。使用人工智能预测微生物抗生素耐药性的帖子首先出现在 Sciworthy 上。
来源:Sciworthy您是否想知道研究人员如何在环境科学中使用人工智能 (AI)？某些人工智能计算机模型可以从科学数据中学习并无需手动编程即可运行，这一过程称为机器学习。机器学习模型可以识别环境数据集中的模式，并帮助科学家评估与环境条件相关的公共卫生风险。
一个众所周知的公共卫生风险是抗生素耐药细菌的增加。这些细菌携带抗生素抗性基因，可以保护它们免受抗生素药物的侵害。随着这些基因数量的增加，药物的效果就会降低，疾病的传播速度也会加快。
农业土壤是抗生素抗性基因的最大库，因为牛和猪等牲畜的粪便通常含有喂给它们的剩余抗生素。当用作肥料时，这种粪便会将抗生素转移到农业土壤中，在那里细菌会产生抗生素抗性基因。
为了更好地了解抗生素耐药细菌未来将如何影响全球健康，科学家希望开发更快的方法来检测抗生素耐药基因。然而，当前的检测方法速度缓慢并且无法预测未来趋势。为了解决这个问题，来自阿尔及利亚的一组科学家使用机器学习模型来预测未来气候情景下土壤微生物中抗生素抗性基因的流行情况，并确定关键的环境驱动因素和高风险区域。
他们将微生物数据集与气候数据（包括来自 WorldClim 的全球温度和降水测量值）以及土地利用数据（包括来自欧洲航天局气候变化倡议土地覆盖地图的农作物类型、灌溉系统和牲畜密度）进行了整合。研究人员还纳入了世界气候研究计划基于低、中、高全球温室气体排放情景的 2050 年和 2070 年未来气候预测数据。