菌株收集与MIC表型鉴定
确定各菌株对碳青霉烯类药物的敏感性，划分CRAB和CSAB表型。
收集191株鲍曼不动杆菌，通过肉汤微量稀释法测定亚胺培南和美罗培南MIC，依据CLSI标准判定耐药性。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
AI辅助MALDI-TOF MS鉴定临床鲍曼不动杆菌的碳青霉烯耐药性
AI-assisted MALDI-TOF MS for identifying carbapenem resistance in clinical Acinetobacter baumannii isolates
实验完整度
高研究包含MIC表型鉴定、MALDI-TOF MS谱图采集、六种AI模型构建与验证、特征重要性分析及外部验证等多个独立实验层级，且涉及体外实验和数据分析。
主要模型
191株临床鲍曼不动杆菌分离株 MALDI-TOF MS质谱数据集 AI模型（XGBoost等六种）
重点核对
菌株来源：韩国13个行政区的临床、环境和食品样本 MIC测定方法：肉汤微量稀释法，亚胺培南和美罗培南浓度范围1-16 µg/mL 质谱采集：MALDI Biotyper，m/z范围2000-20000 Da，每株菌2-25张重复谱图 AI模型验证：5折分层组交叉验证，以菌株为单位分组 外部验证：留一区域交叉验证（LOROCV）
摘要
碳青霉烯耐药鲍曼不动杆菌（CRAB）因其高感染率、高死亡率且治疗选择有限，已成为全球最严重的公共卫生威胁之一。由于CRAB感染常为多重耐药，快速准确地判定碳青霉烯敏感性对于合理制定治疗方案至关重要。我们建立了一个整合基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）与人工智能（AI）的框架，以实现对鲍曼不动杆菌碳青霉烯耐药性的快速预测。共收集了191株临床和监测分离株，包括CRAB和碳青霉烯敏感鲍曼不动杆菌（CSAB），均来自住院患者，并通过标准最低抑菌浓度检测进行了表型鉴定。随后获取MALDI-TOF MS质谱，开发并系统评估了六种AI模型的预测性能，其中极端梯度提升（XGBoost）模型展现出最高的判别性能，区分CRAB与CSAB的准确率达96.36%，总体性能稳健。对XGBoost模型的特征重要性分析显示，其高预测性能部分由与水平基因转移相关元件及膜和转运相关蛋白相关的质谱特征驱动，为碳青霉烯耐药提供了候选分子相关性。总之，这些结果表明，AI辅助MALDI-TOF MS能够快速准确预测鲍曼不动杆菌的碳青霉烯耐药性，并为了解耐药性获得相关的分子特征提供了见解。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 能否利用AI辅助的MALDI-TOF MS快速、准确预测鲍曼不动杆菌的碳青霉烯耐药性，并揭示与耐药性相关的分子特征？
- 核心机制
- 碳青霉烯耐药性可能与肽聚糖重塑、膜结构及转运、移动遗传元件介导的耐药传播、外排泵转录调控及代谢应激适应相关。
- 主要证据
- XGBoost模型在独立测试中准确率达96.36%，AUC达97.90%，特征重要性分析表明与L,D-转肽酶、转座酶、膜转运蛋白等相关的质谱峰具有判别力。
- 研究意义
- 本研究提出的AI辅助MALDI-TOF MS框架有望作为临床决策支持工具和机制研究平台，为快速耐药性预测和耐药机制研究提供新途径。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
MALDI-TOF MS蛋白提取与质谱采集
获取鲍曼不动杆菌的蛋白表达谱，用于后续分析。
从MH琼脂上生长的菌落提取蛋白，经甲酸/乙腈提取后点样，使用MALDI Biotyper采集质谱。
质谱数据预处理与特征矩阵构建
从原始质谱数据中提取可用的峰特征，用于构建AI模型输入矩阵。
使用R语言MALDIquant包进行基线校正、归一化、平滑、峰检测和峰匹配，构建样本-特征矩阵。
AI模型开发与性能评估
比较六种AI模型对碳青霉烯耐药性的预测性能，确定最优模型。
开发SVM、RF、XGBoost、LightGBM、MLP和1D-CNN六种模型，通过贝叶斯优化调参，采用5折分层组交叉验证评估性能。
最优模型特征重要性分析
识别对碳青霉烯耐药性预测贡献最大的质谱特征，并推测可能的蛋白身份。
对XGBoost模型进行特征重要性分析，将top20特征对应的m/z值与UniProt数据库匹配。
稳健性与外部验证
评估培养条件变化和地域差异对模型性能的影响。
用代表性菌株在三种琼脂培养基上培养并采集质谱，比较差异；进行留一区域交叉验证。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 菌株培养 | 胰蛋白胨大豆肉汤 | MBcell | -- |
| MIC测定 | Mueller-Hinton琼脂 | MBcell | -- |
| 阳离子调节Mueller-Hinton肉汤 | MBcell | -- | |
| 亚胺培南 | Sigma-Aldrich | -- | |
| 美罗培南 | Sigma-Aldrich | -- | |
| 蛋白提取 | 甲酸 | -- | -- |
| α-氰基-4-羟基肉桂酸 | -- | -- | |
| 质谱采集 | MALDI Biotyper | Bruker Daltonics | -- |
| 质谱校准 | Bruker细菌测试标准品 | Bruker Daltonik GmbH | -- |
| 数据分析 | R统计环境 | -- | -- |
| Python (v3.8) | -- | -- | |
| scikit-learn | -- | -- | |
| XGBoost | -- | -- | |
| LightGBM | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 菌株来源与培养 | 菌株来源、数量和区域分布 阅读提示：Materials and methods, Strain sources |
| MIC测定 | 抗生素浓度、接种量、孵育时间、判断标准 阅读提示：Materials and methods, MIC determination |
| MALDI-TOF MS分析 | 蛋白提取方法、基质浓度、仪器参数、采集范围、激光条件 阅读提示：Materials and methods, MALDI-TOF MS analysis |
| 光谱预处理 | 基线校正迭代次数、归一化方法、平滑参数、峰检测阈值 阅读提示：Materials and methods, Spectral preprocessing |
| AI模型构建 | 模型类型、超参数、交叉验证分组方式、优化目标 阅读提示：Materials and methods, Development and evaluation of AI models |