抗生素和香芹醛剂量的优化以对抗耐甲氧西林金黄色葡萄球菌（MRSA）：一项基于机器学习的研究

《APMIS》：Optimization of Doses of Antibiotics and Cuminaldehyde to Combat Methicillin-Resistant Staphylococcus aureus (MRSA): A Study With Machine Learning

针对耐甲氧西林金黄色葡萄球菌（MRSA）生物膜的AI辅助联合治疗策略研究，通过肉桂醛与氨基糖苷类抗生素（庆大霉素、妥布霉素）的协同作用，结合人工神经网络回归模型（ANNR）优化剂量（肉桂醛40μg/mL，庆大霉素0.5μg/mL，妥布霉素0.035μg/mL），证实该组合能显著积累胞内ROS并提高细胞膜通透性，为新型生物膜治疗提供AI驱动方案。

　　

摘要

耐甲氧西林的金黄色葡萄球菌（MRSA）是一种具有耐药性的微生物，可在人体内引发多种感染，其中包括生物膜的形成。因此，需要探索新的治疗方法来应对这种持续性感染。本研究采用了一种组合疗法，将香芹醛（一种植物化学物质）与氨基糖苷类抗生素（庆大霉素和妥布霉素）联合使用，通过针对多个靶点来提高抗生物膜的效果。为了实现这些化合物的精确给药，研究使用了多种机器学习模型，包括多元线性回归（MLR）、多项式回归（PR）、人工神经网络回归（ANNR）和支持向量回归（SVR）。结果表明，ANNR模型在预测结果与实验数据之间表现出很强的相关性（R2 = 98.07）。此外，结合遗传算法（GA）的ANNR模型推荐的组合剂量[香芹醛（40 μg/mL）；庆大霉素（0.5 μg/mL）；妥布霉素（0.035 μg/mL）]对MRSA具有最高的抗生物膜活性。研究还发现，这种组合在推荐剂量下不仅会积累细胞内的活性氧（ROS），还会增加MRSA的细胞膜通透性。因此，本研究为通过人工智能驱动的方法开发针对MRSA生物膜的新治疗策略奠定了坚实的基础。

信息披露

代码可用性：可根据合理请求提供。

利益冲突

作者声明没有利益冲突。