机器学习在微生物耐药性预测中的应用

来源：环境科学杂志2025年第1期北京时间：

作者：黄超,乔路凯,王艺纯,余奕豪,白红,高方舟,赵建亮,刘有胜,何良英,应光国

单位：华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006,华南师范大学环境研究院, 广东省化学品污染与环境安全重点实验室, 华南师范大学环境理论化学教育部重点实验室, 广州 510006,华南师范大学环境学院, 广州 510006

摘要：由于抗微生物药物尤其是抗生素的滥用或过度使用，微生物耐药性已成为全球公共卫生领域的紧迫挑战. 近年来，随着高通量测序技术的迅猛发展，微生物组学数据呈指数级增长，利用机器学习预测微生物耐药表型和识别耐药标志物具有重要意义. 有监督式学习和无监督式学习的机器学习方法已成功应用于早期微生物耐药性的准确预测. 通过分析微生物的基因组和耐药性数据来构建机器学习预测模型，可提高对微生物耐药性的预测能力，制定更有效的抗生素合理使用策略，从而控制微生物耐药性的传播. 综述了微生物耐药性领域常用的机器学习算法和机器学习模型的具体构建流程，并总结了机器学习在微生物耐药性预测中的应用及发展前景，旨在为未来各项耐药监测提供科学参考.

关键词：机器学习,抗微生物耐药性（AMR）,抗生素,基因组,深度学习,