近几十年来，侵袭性念珠菌病日益常见，尤其是在重症监护病房（ICU）中。鉴定具体的念珠菌种类并检测其对抗真菌药物的敏感性，对于制定有效治疗方案至关重要，有助于医务人员及早发现潜在的治疗难题。本研究旨在鉴定血液中的念珠菌种类，评估其对抗真菌药物的敏感性，并应用随机森林分类器预测针对特定菌种的最佳抗真菌药物。通过基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）在种复合群水平对分离株进行分类。依据美国临床和实验室标准协会（CLSI）指南，评估菌株对两性霉素B（AMB）、氟康唑（FLZ）、伏立康唑（VOZ）、伊曲康唑（ITZ）、泊沙康唑（POZ）、卡泊芬净（CAS）、米卡芬净（MFN）和阿尼芬净（ANF）等抗真菌药物的敏感性。在从血液中分离的354株念珠菌中，近平滑念珠菌（C. utilis）占主导，其次为热带念珠菌（C. tropicalis）和白色念珠菌（C. albicans）。研究显示，MFN和ANF具有较强活性，对所有分离株的MIC90均为0.12 μg/mL，优于CAS；CAS的总体MIC90略高，为0.25 μg/mL。在唑类药物中，FLZ的MIC90最高，为16 μg/mL；VOZ、ITZ和POZ的MIC90均为0.5 μg/mL。AMB对所有分离的念珠菌种类的MIC90均为2 μg/mL。随机森林人工智能／机器学习模型的总体预测结果完全准确：对于所有真菌种类，实际最佳抗真菌药物均与模型预测结果一致。本研究尤为重要，因为罕见念珠菌种类日益增多，且对AMB和FLZ的MIC较高，因此需要采取适宜的治疗措施来控制感染。
念珠菌属的种类分布、抗真菌药物敏感性及基于机器学习的最佳治疗方案预测 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
念珠菌属的种类分布、抗真菌药物敏感性及基于机器学习的最佳治疗方案预测
Pradip Paik
查看 ORCID 个人资料
Ragini Tilak
Punit Tiwari
Amit Kumar Rai
Munesh K. Gupta
Sirimani Varnika
doi：
https://doi.org/10.64898/2026.10.06.757060
Pradip Paik
1
印度理工学院（BHU）瓦拉纳西分校；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Ragini Tilak
2
巴拿勒斯印度教大学医学院；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Ragini Tilak 的 ORCID 记录
Punit Tiwari
3
印度理工学院（IIT）BHU；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Amit Kumar Rai
4
巴拿勒斯印度教大学医学科学研究所；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Munesh K. Gupta
5
巴拿勒斯印度教大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Sirimani Varnika
1
印度理工学院（BHU）瓦拉纳西分校；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
通讯请联系：
sirimanivarnika.bme25{at}itbhu.ac.in
摘要
信息/历史
指标
PDF 预览
摘要
近几十年来，侵袭性念珠菌病日益常见，尤其是在重症监护病房（ICU）中。鉴定具体的念珠菌属种，并检测其对抗真菌药物的敏感性】【。
药物对于有效治疗至关重要，有助于医疗服务提供者及早发现潜在的治疗难题。本研究旨在鉴定血液中检出的念珠菌属（Candida）菌种，评估其对抗真菌药物的敏感性，并应用随机森林分类器预测针对特定菌种的最佳抗真菌药物。研究采用基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS），将分离株鉴定至种复合群水平。依据临床和实验室标准协会（CLSI）指南，评估菌株对两性霉素B（AMB）、氟康唑（FLZ）、伏立康唑（VOZ）、伊曲康唑（ITZ）、泊沙康唑（POZ）、卡泊芬净（CAS）、米卡芬净（MFN）和阿尼芬净（ANF）的敏感性。在从血液中分离的354株念珠菌属菌株中，光滑念珠菌（C. utilis）为优势菌种，其次为热带念珠菌（C. tropicalis）和白念珠菌（C. albicans）。研究显示，MFN和ANF具有较强活性，对所有分离株的MIC₉₀均为0.12 µg/mL，优于CAS；CAS的总体MIC₉₀略高，为0.25 µg/mL。在唑类药物中，FLZ的MIC₉₀最高，为16 µg/mL；VOZ、ITZ和POZ的MIC₉₀均为0.5 µg/mL。AMB对所有分离的念珠菌菌种的MIC₉₀为2 µg/mL。随机森林人工智能／机器学习模型的总体预测准确率达到100%；对于所有真菌菌种，实际最佳抗真菌药物均与模型预测结果一致。本研究尤为重要，因为罕见念珠菌属菌种日益常见，且对AMB和FLZ的MIC值较高，因此需要采取适当措施控制感染。
版权
本预印本的版权持有人为作者／资助方，其已授予 bioRxiv 永久展示该预印本的许可。
保留所有权利。未经许可，不得重复使用。
返回顶部
上一页
下一页
发布于2026年10月8日。
下载PDF
电子邮件
感谢您有意帮助传播 bioRxiv 的相关信息。
注意：您的电子邮件…
仅要求填写地址，以便确认您是本文的发送者。
您的电子邮箱
*
您的姓名
*
发送至
*
请在不同的行中输入多个地址，或使用逗号分隔。
您将发送以下文章
白念珠菌属的物种分布、抗真菌药物敏感性及基于机器学习的最佳治疗方案预测
邮件主题
（您的姓名）通过 bioRxiv 向您转发了一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。
分享
白念珠菌属的物种分布、抗真菌药物敏感性及基于机器学习的最佳治疗方案预测
Pradip Paik、Ragini Tilak、Punit Tiwari、Amit Kumar Rai、Munesh K. Gupta、Sirimani Varnika
bioRxiv
2026.10.06.757060
doi：https://doi.org/10.64898/2026.10.06.757060
分享本文：
复制
引文工具
白念珠菌属的物种分布、抗真菌药物敏感性及基于机器学习的最佳治疗方案预测
Pradip Paik、Ragini Tilak、Punit Tiwari、Amit Kumar Rai、Munesh K. Gupta、Sirimani Varnika
bioRxiv
2026.10.06.757060
doi：https://doi.org/10.64898/2026.10.06.757060
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（标签格式）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks（标签格式）
Ref Manager
RIS
Zotero
Tweet 小组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（8100）
生物化学（18915）
生物工程（15076）
生物信息学（44894）
生物物理学（22799）
癌症生物学（19934）
细胞生物学（27142）
临床试验（138）
发育生物学（14065）
生态学（21237）
流行病学（2067）
进化生物学
遗传学
(25635)
基因组学
(16270)
免疫学
(23671)
微生物学
(18867)
分子生物学
(42873)
神经科学
(18221)
古生物学
(94372)
病理学
(708)
药理学与毒理学
(3011)
生理学
(5142)
植物生物学
(8204)
科学传播与教育
(16151)
合成生物学
(2106)
系统生物学
(4604)
动物学
(10323)
关键词：念珠菌感染 · 抗真菌药敏 · 最低抑菌浓度 · 随机森林 · 个体化治疗
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.06.757060v1?rss=1