Previsione della resistenza clinica agli antimicrobici

La resistenza antimicrobica è stata definita dall'Organizzazione Mondiale della Sanità una delle dieci principali minacce alla salute pubblica dell'umanità. Per identificare le specie microbiche nei pazienti infetti, i medici si affidano alla spettrometria di massa MALDI-TOF e a successivi esperimenti in vitro. Il machine learning potrebbe accelerare l'identificazione clinica dei microbi resistenti? Scoprite il database creato dal team a questo scopo e il nuovo metodo per recuperare ancora più informazioni dai dati MS. Ciò dovrebbe essere di particolare interesse per i ricercatori che lavorano nell'applicazione di algoritmi di previsione del fenotipo, in particolare su dati rappresentati da vettori, raccolti da diversi domini. La conferenza è presentata da Caroline Weis, ex membro del gruppo SIB di Karsten Borgwardt presso l'ETH di Zurigo, e l'articolo discusso in questa conferenza è anche uno dei Remarkable Outputs del SIB del 2021.
Informazioni sulla serie di conferenze in silico – Le ultime novità nel campo della bioinformatica dagli scienziati del SIB
La serie di conferenze online in silico talks ha lo scopo di informare bioinformatici, scienziati biologici e medici sugli ultimi progressi compiuti dagli scienziati dello SIB su una vasta gamma di argomenti relativi a metodi, ricerca e risorse nel campo della bioinformatica. Iscriviti alla mailing list di in silico talks per rimanere aggiornato sugli ultimi sviluppi, ottenere approfondimenti esclusivi sui recenti articoli scientifici e scoprire come questi progressi potrebbero aiutarti nel tuo lavoro o nella tua ricerca.
Reference(s)
Caroline Weis et al. Previsione diretta della resistenza antimicrobica dagli spettri di massa clinici MALDI-TOF utilizzando l'apprendimento automatico. Nature Medicine, 2022.