Seit Genom-Sequenzierungen erschwinglich geworden sind, setzen Wissenschaftler sie auf der ganzen Welt ein, um anhand der genetischen Eigenschaften von Bakterien besser zu verstehen,
- wie diese Erreger Infektionen verursachen, wie sich Krankheiten verbreiten,
- wie Bakterien resistent gegen Medikamente werden und
- welche Bakterienstämme Krankheitsausbrüche auslösen können.
Die Methoden, die derzeit zur Verfügung stehen, um die genetischen Veränderungen neuer Erregerstämme bei einem Krankheitsausbruch zu identifizieren, sind allerdings sehr zeitaufwendig und oft mit dem manuellen Abgleichen des neuen Stammes mit vorhandenen Referenz-Sammlungen verbunden.
Die Bakteriengattung Salmonella, im deutschen Sprachgebrauch Salmonellen genannt, umfasst viele verschiedene Arten. Einige von ihnen verursachen Lebensmittelvergiftungen, bekannt als Magen-Darm-Salmonellen, während andere weit über den Darm hinausreichende Krankheiten hervorrufen – wie der Typhuserreger Salmonella enterica Serovar Typhi.
Neues Machine-Learning-Tool
Um zu verstehen, wie bestimmte genetische Veränderungen dazu führen, dass ein neu auftretender Salmonellen-Stamm eine Lebensmittelvergiftung oder eine weitreichendere Infektion auslöst, haben Forscher nun ein so genanntes Machine-Learning-Tool entwickelt. Diese Software analysiert, welche Mutationen eine wichtige Rolle in der Krankheitsentwicklung spielen.
Die Software entstand im Rahmen eines internationalen Projekts von Wissenschaftlern des Wellcome Sanger Institute in Großbritannien, der University of Otago in Neuseeland und des Helmholtz-Instituts für RNA-basierte Infektionsforschung in Würzburg, einem Tochterinstitut des Helmholtz-Zentrums für Infektionsforschung in Kooperation mit der Julius-Maximilians-Universität Würzburg.
Das Modell identifizierte fast 200 Gene
Das Entwicklerteam etablierte dafür ein Modell, das darauf trainiert wurde, wichtige krankheitsassoziierte Unterschiede zwischen verschiedenen Salmonellenstämmen gezielt zu erkennen. Das Modell identifizierte dabei fast 200 Gene, die einen Einfluss darauf haben, ob ein Bakterium eher eine Lebensmittelvergiftung oder einen invasiven Infektionsprozess auslöst.
Auch für andere Bakterienstämme geeignet
Das maschinelle Lern-Tool ist nicht auf Salmonellen beschränkt, sondern vielfältig einsetzbar. Genauso könnte es zur Untersuchung anderer Faktoren, zum Beispiel entstehende Antibiotikaresistenzen bei verschiedensten Krankheitserregern, angewendet werden. Mit diesem Tool lassen sich gefährliche Bakterienstämme in Echtzeit identifizieren und Krankheitsausbrüche verhindern.
http://journals.plos.org/plosgenetics/article?id=10.1371/journal.pgen.1007333
