AI-baserade metoder kan bidra i studiet av antibiotikaresistenta bakterier

Bild 1 av 1
Figur över antibiotikaresistensgener i olika miljöer
Figur: Juan Inda. En bred karaktärisering av mångfalden av antibiotikaresistensgener gjordes med prover från olika arter och miljöer. Många latenta (beräkningsmässigt förutspådda) gener var vitt spridda mellan miljöer och fanns i patogener.

Antibiotikaresistens är ett växande folkhälsoproblem. Juan Inda visar i sin doktorsavhandling att nya AI-metoder har potential att förbättra diagnostiken och kartläggningen av antibiotikaresistenta bakterier.

Porträtt av Juan Inda

– Bakterier har alltid haft molekylära mekanismer för att bekämpa andra mikoorganismer, inklusive förmågan att producera antibiotika. Införandet av antibiotika för att förebygga och behandla infektioner förstärkte urvalstrycket för bakterier – människans användning av antibiotika blev en stark drivkraft för deras utveckling. Antibiotikaresistensgener, förvärvade genom mutationer i befintliga gener eller horisontell genöverföring, är den huvudsakliga orsaken till bakteriell resistens. Såvitt jag vet har AI-metoder baserade på språkmodeller inte använts tidigare för att identifiera antibiotikaresistensgener, eller för att förutsäga bakteriers mottaglighet för olika antibiotika.

Läs hela intervjun på engelska sidan

Juan Salvador Inda Díaz disputerar i matematik, inriktning tillämpningar, med avhandlingen New AI-based methods for studying antibiotic-resistant bacteria, fredag den 24 november kl 9.00 i sal Euler, Skeppsgränd 3. Handledare är Erik Kristiansson och biträdande handledare är Anna Johnning.

Juan Salvador Inda Diaz
  • Doktorand, Tillämpad matematik och statistik, Matematiska vetenskaper

Skribent

Setta Aspström