Nat Commun丨Tony Hu团队开发突破性模型 GAM+ML 优化微生物耐药性基因筛选

本研究由杜兰大学Tony Hu教授团队发表在Nature Communications上，介绍了一种名为组关联模型（GAM）的耐药基因识别方法。该方法通过系统化统计分析策略，从群体、基因和突变层次筛选并识别与耐药性相关的基因变异，有效减少了传统全基因组关联研究（GWAS）可能导致的假阳性交叉耐药性假象。研究团队还结合机器学习（ML）优化GAM，提高了小型或不完整数据集的预测准确性。通过分析7,179株结核分枝杆菌（Mtb）和3,942株金黄色葡萄球菌（S. aureus）的基因序列与耐药表型，GAM显示出高预测能力和广泛适用性。此外，GAM+ML的结合为个体化抗生素治疗提供了更精准的指导，并为低成本基因检测POCT手段的开发提供了理论依据。