2018年10月18日《自然-通訊》報道，加州大學的研究人員開發出一種方法，利用機器學習識別和預測使傳染性細菌產生抗生素抗性的基因。利用該方法在結核分枝桿菌上進行測試，鑑定出了33種已知和24種新的抗生素抗性基因。
研究者表示，瞭解哪些基因賦予抗生素抗性可能會改變未來傳染病的治療方式，例如，如果臨牀上持續感染結核病，醫生可以對該菌株進行測序，查看其基因並確定哪些抗生素有效，然後爲該菌株開出個性化的抗生素處方。
該團隊使用大量基因組序列和對應表型進行訓練，該算法就可以預測一組基因是否會導致抗生素抗性。研究發現了結核桿菌的33個已知的和24個新預測的抗生素抗性基因，目前正在測試該算法預測的24個新基因是否確實賦予結核分枝桿菌抗生素抗性。研究者進一步分析了該算法的預測，並確定了可能相互作用並使菌株具有抗生素抗性的等位基因組合。他們還將這些等位基因定位於結核分枝桿菌蛋白質的晶體結構上。他們發現有些等位基因聚集在蛋白質的某些結構區域。研究者進行了相互作用和結構分析，挖掘這些基因如何對抗生素抗性表型產生影響。
研究者下一步將機器學習方法應用於其他傳染性細菌。該團隊正在將代謝網絡的基因組模型與其機器學習方法結合，以探究抗生素抗性進化的潛在機制。