Краткое содержание статьи. Неофициальный перевод на русский язык:
«Преимущества обновленного каталога мутаций ВОЗ в сочетании с существующими подходами, основанными на полногеномном секвенировании, для прогнозирования устойчивости Mycobacterium tuberculosis»
ИСХОДНАЯ ИНФОРМАЦИЯ:
Недавно ВОЗ выпустила второе издание каталога мутаций для прогнозирования лекарственной устойчивости Mycobacterium tuberculosis (MTБ). В данном исследовании анализируется его эффективность по сравнению с существующими методами прогнозирования на основе секвенирования полного генома (whole-genome sequencing, WGS) и предлагается новый подход к его оптимизации.
МЕТОДЫ:
Авторы протестировали точность пяти инструментов: каталога ВОЗ, TB Profiler, SAM-TB, GenTB и MD-CNN — для прогнозирования лекарственной чувствительности на глобальном наборе данных из 36 385 изолятов MTБ с высококачественными данными фенотипического тестирования лекарственной чувствительности (ТЛЧ) и данными полногеномного секвенирования (WGS).
Интегрируя генотипические прогнозы ТЛЧ этих пяти инструментов в структуру ансамблевого машинного обучения, мы разработали улучшенную вычислительную модель для прогнозирования лекарственной восприимчивости MTБ. Затем авторы проверили ансамблевую модель на 860 изолятах MTБ с фенотипическими данными и данными WGS, собранными в Шэньчжэне, Китай (2013–2019 гг.) и Валенсии, Испания (2014–2016 гг.).
РЕЗУЛЬТАТЫ:
Среди пяти генотипических инструментов ТЛЧ для прогнозирования лекарственной чувствительности к десяти препаратам, самую высокую общую эффективность продемонстрировал MD-CNN (показатель AUC 92,1%; 95% ДИ 89,8–94,4%).
Каталог ВОЗ продемонстрировал самую высокую специфичность: 97,3% (95% ДИ 95,8–98,4%), а TB Profiler — наилучшую чувствительность: 79,5% (95% ДИ 71,8–86,2%). Модель ансамблевого машинного обучения (AUC 93,4%; 95% ДИ 91,4–95,4%) превзошла все пять инструментов по отдельности, продемонстрировав специфичность 95,4% (95% ДИ 93,0–97,6%) и чувствительность 84,1% (95% ДИ 78,8–88,8%), в основном за счет значительного улучшения прогнозов устойчивости к препаратам второй линии (AUC 91,8%; 95% ДИ 89,6–94,0%).
ЗАКЛЮЧЕНИЕ:
Второе издание каталога мутаций MTБ (ВОЗ) само по себе не превосходит существующие инструменты для прогнозирования лекарственной устойчивости MTБ. Интегративный подход, объединяющий каталог ВОЗ с другими генотипическими методами ТЛЧ, значительно повышает точность прогнозирования.
Неофициальный перевод: АНО «Здоровье.ру» 2025.
Смотреть полный текст статьи в оригинале на сайте публикатора (на англ. языке).
Полные данные (заголовок, авторы, дата и источник публикации):
Недавно ВОЗ выпустила второе издание каталога мутаций для прогнозирования лекарственной устойчивости Mycobacterium tuberculosis (MTБ). В данном исследовании анализируется его эффективность по сравнению с существующими методами прогнозирования на основе секвенирования полного генома (whole-genome sequencing, WGS) и предлагается новый подход к его оптимизации.
МЕТОДЫ:
Авторы протестировали точность пяти инструментов: каталога ВОЗ, TB Profiler, SAM-TB, GenTB и MD-CNN — для прогнозирования лекарственной чувствительности на глобальном наборе данных из 36 385 изолятов MTБ с высококачественными данными фенотипического тестирования лекарственной чувствительности (ТЛЧ) и данными полногеномного секвенирования (WGS).
Интегрируя генотипические прогнозы ТЛЧ этих пяти инструментов в структуру ансамблевого машинного обучения, мы разработали улучшенную вычислительную модель для прогнозирования лекарственной восприимчивости MTБ. Затем авторы проверили ансамблевую модель на 860 изолятах MTБ с фенотипическими данными и данными WGS, собранными в Шэньчжэне, Китай (2013–2019 гг.) и Валенсии, Испания (2014–2016 гг.).
РЕЗУЛЬТАТЫ:
Среди пяти генотипических инструментов ТЛЧ для прогнозирования лекарственной чувствительности к десяти препаратам, самую высокую общую эффективность продемонстрировал MD-CNN (показатель AUC 92,1%; 95% ДИ 89,8–94,4%).
Каталог ВОЗ продемонстрировал самую высокую специфичность: 97,3% (95% ДИ 95,8–98,4%), а TB Profiler — наилучшую чувствительность: 79,5% (95% ДИ 71,8–86,2%). Модель ансамблевого машинного обучения (AUC 93,4%; 95% ДИ 91,4–95,4%) превзошла все пять инструментов по отдельности, продемонстрировав специфичность 95,4% (95% ДИ 93,0–97,6%) и чувствительность 84,1% (95% ДИ 78,8–88,8%), в основном за счет значительного улучшения прогнозов устойчивости к препаратам второй линии (AUC 91,8%; 95% ДИ 89,6–94,0%).
ЗАКЛЮЧЕНИЕ:
Второе издание каталога мутаций MTБ (ВОЗ) само по себе не превосходит существующие инструменты для прогнозирования лекарственной устойчивости MTБ. Интегративный подход, объединяющий каталог ВОЗ с другими генотипическими методами ТЛЧ, значительно повышает точность прогнозирования.
Неофициальный перевод: АНО «Здоровье.ру» 2025.
Смотреть полный текст статьи в оригинале на сайте публикатора (на англ. языке).
Полные данные (заголовок, авторы, дата и источник публикации):
Advantages of updated WHO mutation catalog combined with existing whole-genome sequencing-based approaches for Mycobacterium tuberculosis resistance prediction
Yiwang Chen, Xuecong Zhang, Jialei Liang, Qi Jiang, Mijiti Peierdun, Peng Xu, Howard E. Takiff, Qian Gao
Genome Medicine, 26 March 2025, Volume 17(1):31.
DOI: 10.1186/s13073-025-01458-0