AI analys av Next Generation Sequencing data för att identifiera smittämnen och deras egenskaper

Viktiga resultat som projektet gav

Projektet har gjort en utvärdering för att avgöra om metoder som bygger på AI/maskininlärning har potential att bli en del av SVAs metoduppsättning för att identifiera och karaktärisera mikrobiologiska smittämnen i data genererat med analysmetoden ”Next generation sequencing” (NGS). Både data från helgenomsekvenseringar av isolerade smittämnen och sekvensering av komplexa prover med okända smittämnen har inkluderats. Projektet har byggt kunskap vid SVA om AI analyser av NGS data och jämfört AI metoderna med traditionella analysmetoder.

Långsiktiga effekter som förväntas

Projektet har givit till resultat att AI baserade metoder nu är tillgängliga vid SVA för att hitta genetiska markörer för patogenicitet (kapacitet att framkalla sjukdom) i NGS data. Metoderna har utvärderats genom att de testats med stora datamängder med relevans för SVAs frågeställningar. En förståelse för metodernas styrkor och svagheter har byggts upp. Detta utgör en bra grund för att skapa framtida AI metoder skräddarsydda för SVAs behov.

Upplägg och genomförande

En litteraturgenomgång följdes av tester av utvalda metoder som verkade kunna ha relevans för SVAs arbete. Data-set från interna sekvenseringar samt relevant data från internationella databasarkiven har använts för att testa metoderna och parallellt jämföra med traditionella icke-AI baserade sekvensjämförelser. Metodernas förmåga att generalisera till nya datatyper utvärderades genom att inkludera data från organismer som inte ingått i träningen av AI modellerna. Intern kunskapsförmedling/kompetensutveckling har också genomförts i form av seminarier.