結核病（ TB ）主要由結核分枝桿菌（ Mycobacterium tuberculosis , MTB ）感染引起，至今仍是造成全世界人類死亡的主要原因之一，而耐藥性結核病（ DR-TB ）的出現對公共衛生安全產生了更大的威脅。

　　基于培養的傳統藥敏試驗需要數周才能拿到藥敏結果，在這等待期間，患者有可能被不恰當的治療方案影響病情和增加耐藥的風險。而基于全基因組測序數據的機器學習類耐藥預測方法，因其快速和便捷性，成為了研究的熱點。快速且準確地預測 MTB 的耐藥性，能夠指導臨床用藥和提高治愈率，對 TB 的防控具有重要意義。同時，發現新的耐藥位點將有益于解釋耐藥機制，有助于開發新藥物或改進現有藥物。

　　近日，四川大學生命科學學院孫群教授團隊和四川大學計算機學院于中華副教授團隊合作，在 Briefings in Bioinformatics期刊發表了題為： “ Drug resistance prediction and resistance genes identification in Mycobacterium tuberculosis based on a hierarchical attentive neural network utilizing genome-wide variants ” 的研究論文。

　　該研究解決了此前基于機器學習的M TB 耐藥預測研究中無法有效處理全基因組突變位點和特征表示的問題。 研究人員巧妙地將耐藥預測問題轉化為文檔分類問題，提出了一種新的突變信息編碼方法，即把菌株的突變位點視為詞，突變基因則視為由這些詞組成的句子，菌株的遺傳信息則視為由這些句子組成的文檔。進而提出了一個新的M TB 耐藥預測模型，即層次注意力神經網絡模型（ Hierarchical Attentive Neural Network, HANN ），該模型以菌株的全基因組突變位點及其位置信息為輸入，不但考慮了突變相對于所在突變基因的位置信息和突變基因相對于基因組的位置信息，還考慮到了突變與突變之間，基因與基因之間的互作關系。引入的層次注意力機制，可以捕捉不同層次（包括突變級別和基因級別）特征對耐藥的貢獻，從而挖掘潛在的耐藥基因和位點。

　　12,378 株 MTB 被用來驗證所提出的方法與模型，結果顯示，對于 INH 、 RIF 、 EMB 和 PZA 四種一線藥物， HANN 分別取得了 97.90% 、 99.05% 、 96.44% 和 95.14% 的最佳 AUC 值， 94.63% 、 96.31% 、 92.56% 和 87.05% 的最佳靈敏度，以及 98.03% 、 98.84% 、 94.54% 和 95.62% 的最佳特異度；在沒有任何領域知識的情況下， HANN 成功地識別了與此前研究一致的耐藥基因和位點，并發現了一個潛在的 PZA 耐藥基因 Rv3789 。

　　四川大學生命科學學院孫群教授與四川大學計算機學院陳黎博士為該論文的共同通訊作者，四川大學生命科學學院碩士生蔣中華與四川大學計算機學院碩士生盧永美為論文的共同第一作者。 該研究項目得到了國家重點研發項目、四川省重點研發項目和中央高校基本科研基金的支持。

　　孫 群

　　孫群，四川大學生命科學學院教授、博士生導師、四川大學海外引進人才、四川省高層次人才獲得者，現任資源微生物與微生物技術四川省重點實驗室主任、基因資源與生物安全國際聯合研究中心主任，兼任四川省微生物學會理事長、中國畜產品加工研究會常務理事、四川省食品安全專家委員會委員，為國家自然科學基金、國家重點研發計劃、國家留學基金等項目評審專家， Food Science and Human Wellness 、Muscle Food and Biology 、《肉類科學》等雜志編委，以及PLoS One、《食品科學》等十余種國際國內高水平雜志審稿人。

　　長期從事微生物學和食品生物技術領域教學和科研工作，承擔了國家自然科學基金、科技支撐、重大基礎研究前期專項、國際科技合作、政府間合作、科技人員服務企業等近50項國家、部省級及橫向科研項目，在N ature Communication 、PNAS等國內外學術刊物發表論文和專著210余篇，其中SCI 論文1 1 0篇，參編《四川省志•科技志》、十二•五規劃教材《微生物學》等專著，獲國際和國內授權發明專利1 9 項，已培養碩、博士研究生60余人。獲四川省科技進步一等獎、農業部神農中華農業科技二等獎等4項、四川省科技特派員先進個人，以及四川省教學成果一等獎、四川大學首屆卓越教學獎、唐立新教學名師獎、十佳師德標兵、四川大學首屆“德渥群芳”標兵科研團隊導師、最受學生歡迎教師獎等獎項，指導學生獲挑戰杯四川省一等獎、首屆全國大學生基因應用創意大賽全國冠軍、全國青年科普創新大賽一等獎等 。（四川省微生物學會、食品網生物醫藥頻道）