Enterococcus cecorum — одна из тех бактерий, которая долгое время считалась мирным обитателем кишечника птиц. Но в начале 2000-х годов ситуация кардинально изменилась: этот микроорганизм неожиданно стал одной из главных причин бактериального хондронекроза с остеомиелитом (BCO) у взрослых бройлеров. А около 2020 года исследователи столкнулись с новой проблемой — E. cecorum начал вызывать септические состояния у молодых птиц.
Перед ветеринарами встала сложная задача: как отличить «хорошие» комменсальные штаммы от опасных патогенных? Ведь внешне они практически неразличимы, но последствия их присутствия кардинально разные.
Когда машинное обучение приходит на помощь ветеринарии
Команда исследователей из Frontiers in Veterinary Science решила подойти к проблеме нестандартно. Вместо традиционных микробиологических методов они применили технологии машинного обучения для анализа белковых последовательностей бактерий.
Авторы исследования использовали метод профилирования аминокислотных k-меров (k = 5) в сочетании с алгоритмами supervised learning, включая Random Forest и Multilayer Perceptron. По сути, они «обучили» искусственный интеллект распознавать молекулярные «подписи» патогенности.
Результаты превзошли ожидания. Используя всего пять k-меров, исследователи смогли отличить комменсальные изоляты (80 штаммов) от всех патогенных (146 штаммов) с точностью 86%. Еще более впечатляющими оказались результаты дифференциации между штаммами, вызывающими BCO (113 изолятов) и сепсис (33 изолята) — точность составила 90% при использовании восьми k-меров.
Молекулярные портреты болезни
Самое интересное — какие именно белковые "подписи" выявил искусственный интеллект. Дискриминаторные k-меры соответствовали белкам, участвующим в транспорте углеводов, стрессовом ответе, мобильных генетических элементах и метаболической перестройке.
По данным авторов, штаммы, вызывающие сепсис, показали молекулярные сигнатуры, связанные с острой системной патогенностью. В то время как BCO-изоляты были обогащены белками, которые поддерживают хроническую персистенцию в костной ткани.
Эти различия отражают нишево-специфические эволюционные давления и объясняют, почему один и тот же вид бактерий может вызывать столь разные клинические проявления у птиц разного возраста.
Согласно публикации, полученные результаты открывают новые перспективы для понимания патогенеза E. cecorum и демонстрируют потенциал методов машинного обучения в выявлении тонких, но функционально значимых протеомных различий. Исследователи подчеркивают, что их находки имеют важные практические последствия для улучшения целенаправленных вмешательств и стратегий мониторинга в птицеводстве.