67 Eigenschaften vorhersagen

Bakterienprofile auf Knopfdruck

Maschinelle Lernmethoden genutzt

Für die Entwicklung von Traitar haben Weimann und seine Kollegen zunächst in der Literatur und in Datenbanken Informationen über Phänotypen von Bakterien recherchiert, deren Genom bereits sequenziert ist. Die Genomdaten haben sie dann computergestützt mit den aufbereiteten Phänotypdaten verglichen und mithilfe maschineller Lernmethoden systematisch nach Mustern und Kombinationen von Proteinfamilien durchsuchen lassen, die eine genaue Vorhersage von Phänotypen ermöglichen. „Für die Programmierung der Software haben wir Trainingsdaten verwendet, bei denen Genom und daraus resultierende Phänotypen bekannt waren“, erklärt Aaron Weimann. „Mit weiteren bekannten Datensätzen haben wir Traitar dann überprüft und anhand der richtigen und falschen Vorhersagen immer genauer programmieren können.“ Als Grundlage für das Training und die Überprüfung von Traitar dienten die Bakterienenzyklopädie Bergey's Manual of Systematic Bacteriology sowie die Datenbank GIDEON (Global Infectious Diseases and Epidemiology Online Network), die eine Vielzahl klinisch relevanter Eigenschaften von Bakterien zusammenfasst. Außerdem flossen Fördergelder des Deutschen Zentrums für Infektionsforschung (DZIF) in das Projekt.

Software wird laufend angepasst

„Die Vorhersage ist noch nicht für alle 67 Phänotypen gleich gut, weil die Qualität der zugrundeliegenden Daten in manchen Fällen besser ist als in anderen“, sagt Dr. Andreas Bremges, Wissenschaftler im Team von Alice McHardy. „Wenn neue Daten verfügbar werden, passen wir die Software im laufenden Prozess an. Und sie kann jederzeit um zusätzliche Phänotypen erweitert werden. Allerdings ist das Ziel von Traitar primär, Wissenschaftlern erste Hinweise zu geben, welche interessanten Eigenschaften die von ihnen untersuchten Bakterien haben können.“ So ermögliche die Software einen schnellen und gezielten Einstieg in die Charakterisierung und reduziere dadurch auch die Kosten für Laborexperimente.

In Forscherkreisen bereits im Einsatz

In Forscherkreisen ist die Software bereits im Einsatz, so zum Beispiel in einem neu gestarteten Kooperationsprojekt mit Prof. Susanne Häußler vom HZI. In ihrer Abteilung „Molekulare Bakteriologie“ hat Häußler eine Vielzahl von Stämmen des Krankheitserregers Pseudomonas aeruginosa charakterisiert. Dieses Bakterium kann schwere akute Infektionen hervorrufen und zeichnet sich durch eine besonders hohe Resistenz gegenüber einer Vielzahl von Antibiotika aus. Die detaillierten Daten, die Häußler über diesen Erreger gesammelt hat, sollen nun in Traitar einfließen. „Wir brauchen in Zukunft automatische Systeme, um genaue Vorhersagen für Antibiotikaresistenzen von Pseudomonas aeruginosa treffen und so eine passende Therapie für den Patienten wählen zu können“, sagt Häußler. „Gleichzeitig erhoffen wir uns, mit Traitar noch unbekannte Resistenzmechanismen aufzuklären.“ (idw, red)


Literatur:

Aaron Weimann, Kyra Mooren, Jeremy Frank, Phillip B. Pope, Andreas Bremges, Alice C. McHardy: From Genomes to Phenotypes: Traitar, the Microbial Trait Analyzer. mSystems, 2016, DOI: 10.1128/mSystems.00101-16.