埃默里大学的研究人员David Weiss花了数年时间研究一种叫异源耐药性的令人困惑的现象，即一小部分细菌对抗生素仍然具有耐药性，而其余的细菌则会死亡。最近，他运用自己的科学智慧研究了骨髓移植患者中同样致命的真菌血流感染。血液感染对这些患者来说可能是致命的，包括假丝酵母菌(Candida parapsilosis)感染，这是一种可以生活在消化道并偶尔进入血液的真菌。

Weiss与纪念斯隆凯特琳癌症中心的研究人员合作，在那里的临床医生观察到许多移植患者尽管接受了抗真菌药物micafungin(所谓的“抗真菌的青霉素”)的治疗，但仍出现了血液感染。对于受感染的患者来说，这些感染是危及生命的，Weiss称其死亡率“高得惊人”。

斯隆凯特林医学院的医生们对本不应该发生的感染感到困惑。Weiss多年来一直在研究细菌的异源耐药性现象，他加入了斯隆·凯特林的研究人员寻找答案。

在《自然医学》杂志上发表的一篇新论文中，该团队描述了他们如何与世界各地的合作者合作，从斯隆凯特琳医院以及法国、德国和中国的患者身上收集219株旁瓣梭菌。该研究发现，尽管接受了抗真菌药物micafungin的预防治疗，但少数患者仍发生了血液感染，原因是异源耐药性。

“真菌只是在努力生存，就像我们面临威胁时所做的那样，它们在数小时内分裂，所以它们有很多很多轮的进化。每次我们使用抗真菌剂，真菌就有机会去上学，学习如何生存。对它们来说，存活下来意味着它们正在抵抗这种药物，并可能给我们带来问题。”Weiss说。

机器学习的贡献

斯隆凯特琳计算生物学家Chen Liao和Joao Xavier进一步深入研究，使用机器学习模型来帮助检测异抗真菌，展示了一种具有临床决策潜力的原理验证诊断方法。出现的模式是复杂的，尽管——异抗和易感菌株更可能有轻微不同的进化历史，被称为系统发育集群。虽然机器学习算法并不是发现这一点的严格必要条件，但它可以通过仅基于一小部分基因组特征来预测异源抗性，这些特征可以通过现有工具快速测量。

“有成千上万的突变，我让我的算法最多选择10个。机器学习的优势之一是，你不需要对整个基因组进行测序，只需要找到几个信息足够丰富的点，就可以进行预测。”

该论文的作者认为，这一创新有望开发出一种简单的测试方法，用于临床鉴定异源耐药真菌。但韦斯认为，要确定导致异源抗性的精确分子机制，还需要数年的研究。

Weiss说:“目前，还没有针对异源耐药性的测试。”“我们应该努力的是在移植前分析患者的粪便样本，以描绘他们的肠道微生物或真菌。如果他们患有micafungin异源耐药C. parapsilosis，临床医生将能够选择不同的抗真菌药物进行预防，或者在进行移植之前将真菌从肠道中清除。你不希望这些真菌存在，因为这会使患者面临更大的突破性感染风险，这实际上会导致死亡，因为免疫系统会减弱，无法抵抗感染。”