VITEK MS Prime MALDI-TOF质谱结合机器学习检测耐万古霉素屎肠球菌并鉴别vanA和vanB基因型

由 root 提交于 周六, 11/21/2026 - 08:47
摘要

快速鉴定耐万古霉素屎肠球菌(VREfm)并区分其耐药机制(VanA和VanB),对于合理的抗菌药物治疗和感染控制至关重要,尤其是在暴发期间。基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)与机器学习相结合,已成为实现这一目标的有前景的工具。我们评估了在VITEK MS PRIME平台上采集的MALDI-TOF质谱数据与机器学习相结合能否提供上述信息。采用Clover MSDAS对来自临床样本和直肠筛查样本的388株菌株(135株万古霉素敏感屎肠球菌[VSEfm]、138株vanA型VREfm和115株vanB型VREfm)的质谱数据进行处理,并训练了四种算法,即偏最小二乘判别分析(PLS-DA)、线性核支持向量机(SVM-L)、多项式核支持向量机(SVM-P)和随机森林(RF),以区分VSEfm与VREfm,以及VanA型与VanB型菌株。采用10折交叉验证及一组来自常规检测、已完成特征鉴定的独立屎肠球菌菌株评估模型性能,同时评估了上述算法两两组合及三种组合的集成模型。在测试集中,PLS-DA是区分VSEfm与VREfm表现最佳的单一分类器(平衡准确率为78.9%),而PLS-DA与线性核支持向量机的集成模型达到了80.7%。在常规检测菌株中的验证证实了模型的稳健性,分类正确率达到100%。VanA型与VanB型的区分准确率更高:RF为93.2%,集成模型最高可达97.1%。在万古霉素敏感菌株、VanA型菌株和VanB型菌株中发现了相同的序列型,表明分类结果并非由克隆谱系所驱动。MALDI-TOF MS与机器学习相结合,是一种有前景的低成本工具,可用于VREfm筛查及vanA/vanB分化。

基于 VITEK MS Prime MALDI-TOF 质谱与机器学习检测耐万古霉素屎肠球菌并鉴别 vanA 和 vanB 基因型 | bioRxiv

跳转至正文

首页

关于

投稿

提醒 / RSS

搜索关键词

高级搜索

最新结果

基于 VITEK MS Prime MALDI-TOF 质谱与机器学习检测耐万古霉素屎肠球菌并鉴别 vanA 和 vanB 基因型

María Sánchez-Cueto,Mark Gutiérrez-Pareja,Emilia Cercenado,Patricia Muñoz,Mercedes Marín,Belén Rodríguez-Sánchez,David Rodríguez-Temporal

DOI:

https://doi.org/10.64898/2026.11.18.767493

María Sánchez-Cueto

¹ 马德里康普顿斯大学药学院;

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

Mark Gutiérrez-Pareja

² 格雷戈里奥·马拉尼翁卫生研究所;

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

Mark Gutiérrez-Pareja 的 ORCID 记录

Emilia Cercenado

³ 西班牙马德里格雷戈里奥·马拉尼翁大学综合医院;

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

Patricia Muñoz

⁴ 格雷戈里奥·马拉尼翁大学综合医院;

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

Patricia Muñoz 的 ORCID 记录

Mercedes Marín

⁵ 格雷戈里奥·马拉尼翁大学综合医院;

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

Belén Rodríguez-Sánchez

⁵ 格雷戈里奥·马拉尼翁大学综合医院;

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

在本网站上

通信联系:

mbelen.rodriguez{at}iisgm.com

David Rodríguez-Temporal

6

格雷戈里奥·马拉尼翁卫生研究所

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

David Rodríguez-Temporal 的 ORCID 记录

摘要

信息/历史

指标

预览 PDF

摘要

快速鉴定耐万古霉素屎肠球菌(VREfm)并区分其耐药机制(VanA 和 VanB),对于合理的抗菌治疗和感染控制至关重要,尤其是在暴发期间。基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)与机器学习相结合,已成为实现这一目标的一种具有前景的工具。我们评估了利用 VITEK MS PRIME 采集的 MALDI-TOF 质谱结合机器学习能否提供上述信息。使用 Clover MSDAS 对来自临床样本和直肠筛查样本的 388 株分离株[135 株万古霉素敏感屎肠球菌(VSEfm)、138 株 vanA 型和 115 株 vanB 型 VREfm]的质谱进行处理,并训练了四种算法[偏最小二乘判别分析(PLS-DA)、线性核与多项式核支持向量机(SVM-L 和 SVM-P)以及随机森林(RF)],以区分 VSEfm 与 VREfm,以及 VanA 型与 VanB 型分离株。采用十折交叉验证,并使用来自常规检测、已完成特征鉴定的独立屎肠球菌分离株集,评估模型性能。此外,还评估了这些算法的两两集成和三算法集成。在测试集中,PLS-DA 是区分 VSEfm 与 VREfm 表现最佳的单一分类器(平衡准确率为 78.9%),而 PLS-DA 与线性支持向量机的集成模型达到了 80.7%。在常规检测分离株中的验证证实了该模型的稳健性,正确分类率达到 100%。对……的区分

VanB 来源的 VanA 判别准确率更高:随机森林(RF)为 93.2%,集成模型最高可达 97.1%。在敏感株、VanA 型和 VanB 型分离株中均发现了相同的序列型,这表明分类结果并非由克隆谱系驱动。基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)结合机器学习,是一种颇具前景且成本低廉的工具,可用于耐万古霉素屎肠球菌(VREfm)筛查及 vanA/vanB 型别鉴别。

版权

本预印本的版权归作者/资助方所有。其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY 4.0 国际许可协议公开。

返回顶部

上一篇

发布于 2026 年 11 月 20 日。

下载 PDF

电子邮件

感谢您有意传播 bioRxiv 的内容。

注意:要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

收件人

*

请在不同的行中输入多个地址,或用逗号分隔。

您即将发送以下内容:

采用 VITEK MS Prime 基质辅助激光解吸电离飞行时间质谱和机器学习检测耐万古霉素屎肠球菌,并鉴别 vanA 和 vanB 基因型

邮件主题

(您的姓名)向您转发了 bioRxiv 网页

邮件正文

(您的姓名)认为您可能想查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于确认您是真人访客,以防止自动化垃圾信息提交。

分享

采用 VITEK MS Prime 基质辅助激光解吸电离飞行时间质谱和机器学习检测耐万古霉素屎肠球菌,并鉴别 vanA 和 vanB 基因型

María Sánchez-Cueto、Mark Gutiérrez-Pareja、Emilia Cercenado、Patricia Muñoz、Mercedes Marín、Belén Rodríguez-Sánchez、David Rodríguez-Temporal

bioRxiv

2026.11.18.767493;

doi:https://doi.org/10.64898/2026.11.18.767493

分享

本文:

复制

引用工具

利用 VITEK MS Prime MALDI-TOF 质谱与机器学习检测万古霉素耐药屎肠球菌并区分 vanA 和 vanB 基因型

María Sánchez-Cueto、Mark Gutiérrez-Pareja、Emilia Cercenado、Patricia Muñoz、Mercedes Marín、Belén Rodríguez-Sánchez、David Rodríguez-Temporal

bioRxiv

2026.11.18.767493

doi:https://doi.org/10.64898/2026.11.18.767493

引用管理器格式

BibTeX

Bookends

EasyBib

EndNote(标记格式)

EndNote 8(xml)

Medlars

Mendeley

Papers

RefWorks(标记格式)

Ref Manager

RIS

Zotero

推文组件

Facebook 点赞

Google Plus +1

学科领域

所有文章

动物行为与认知(8164)

生物化学(19027)

生物工程(15171)

生物信息学(46171)

生物物理学(22958)

癌症生物学(20384)

细胞生物学(27663)

临床试验(138)

发育生物学(14303)

生态学(21654)

流行病学(2067)

进化生物学(26065)

遗传学(16504)

基因组学(24125)

免疫学(19291)

微生物学(43761)

分子生物学(18610)

神经科学(96424)

古生物学(719)

病理学(3082)

药理学与毒理学(5288)

生理学(8389)

植物生物学(16488)

科学传播与教育(2128)

合成生物学(4705)

系统生物学(10504)

动物学(2447)

关键词:耐万古霉素屎肠球菌 · MALDI-TOF质谱 · 机器学习 · 耐药性检测 · vanA/vanB基因分型

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.18.767493v1?rss=1