Vorhersage des Virulenzpotentials klinischer Listeria monocytogenes-Isolate aus Genomsequenzdaten mit Methoden des maschinellen Lernens

Die Listeriose ist eine meldepflichtige Infektionskrankheit des Menschen mit außerordentlich hoher Fallsterblichkeit. Sie wird durch den Verzehr von Lebensmitteln, welche mit dem Bakterium Listeria (L.) monocytogenes kontaminiert sind, übertragen. Jährlich werden in Deutschland ca. 500-700 Erkrankungsfälle gemeldet. Von ca. 2/3 dieser Fälle werden die zugehörigen Bakterienisolate gewonnen und dem Konsiliarlabor für Listerien (KL Listeria) am RKI in Wernigerode zugesendet. Durch Sequenzierung der Genome dieser Isolate ermittelt das KL Listeria die mikrobiologisch-genetischen Fingerabdrücke (=genetische Subtypen) aller eingesendeten Bakterienisolate mit dem Ziel, Ausbrüche zu erkennen und Übertragungswege nachzuvollziehen. Durch Assoziation der ermittelten genetischen Subtypen mit klinischen Daten zur Schwere der Krankheitsverläufe können außerdem besonders pathogene (hypervirulente) Subtypen und abgeschwächte (hypovirulente) genetische Subtypen von L. monocytogenes erkannt werden.

Zur automatischen Schätzung des Virulenzpotentials bislang nicht charakterisierter und neu auftretender Subtypen in Genomdatensätzen klinischer L. monocyctogenes-Isolate werden mit Hilfe klassischer machine learning- und deep learning-Verfahren entsprechende Modelle neu entwickelt.