[논문 리뷰] Cross-Species Antimicrobial Resistance Prediction from Genomic Foundation Models

Huilin Tai|arXiv (Cornell University)|2026. 03. 11.

Antibiotic Use and Resistance인용 수 0

한 줄 요약

이 논문은 유전체 기초 모델을 이용한 교차 종 AMR 예측을 연구하며, Layer 10 임베딩을 추출하고 MiniRocket를 사용한 로컬 패턴 집계가 주로 카세트 매개 저항성에 대한 전달을 가능하게 하고 성능은 저항 메커니즘에 따라 달라진다는 것을 보여준다.

ABSTRACT

Cross-species antimicrobial resistance (AMR) prediction is fundamentally an out-of-distribution (OOD) generalization problem: models trained on one set of bacterial taxa must transfer to phylogenetically distinct genomes that may rely on different resistance mechanisms. Across species, resistance arises from a heterogeneous mixture of localized, horizontally transferred gene cassettes and diffuse species-specific genomic backgrounds, making successful transfer inherently mechanism-dependent. Using a strict species holdout protocol, we first establish an interpretable k-mer baseline with Kover and show that strong within-species performance collapses under true cross-species evaluation. This motivates representation-level approaches that preserve transferable biological signals rather than amplify phylogenetic shortcuts. We investigate genomic foundation model embeddings derived from Evo-1-8k-base and introduce diagnostics for layer selection based on activation scale, isotropy, effective rank, and cross-seed stability under native bfloat16 inference. These analyses identify a stability boundary in deeper layers and reveal that embeddings extracted near this boundary provide more robust representations for downstream prediction. To preserve localized resistance signals, we treat per-window embeddings as an ordered multivariate signal and apply MiniRocket to summarize multi-scale local activation patterns instead of relying on global pooling. Our results show that aggregation strategy plays a central role in cross-species AMR prediction and that preserving local activation patterns substantially improves generalization when resistance mechanisms are localized.

연구 동기 및 목표

• 교차 종 AMR 예측을 분포 이동 하에서 유전체 기초 모델을 사용해 달성하는 방법
• 전이 가능한 저항 신호를 보존하는 레이어와 집계 전략 식별
• 저항 메커니즘 유형이 교차 종 일반화에 미치는 영향 이해
• AMR 모델에 대한 재현 가능하고 누설 방지 평가 프레임워크 제공

제안 방법

• 안정성과 등방성을 위한 진단에 따라 Layer 10에서 Evo 유전체 기초 모델 임베딩을 추출
• Per-window 임베딩을 다변량 신호로 간주하고 로컬 패턴 집계를 위해 MiniRocket을 적용
• 엄격한 종 보유(partitions) 분할을 사용하여 Kover 베이스라인과 대조하여 진정한 교차 종 일반화를 평가
• 다섯 파 partitions와 세 복제(replications)로 다종 데이터 세트를 필터링하고 큐레이션하여 견고한 평가 가능
• 카세트 매개 저항성과 염색체(또히chromosomal) 저항 메커니즘 간의 비교를 위해 집계 전략(MiniRocket vs Global Pooling)을 비교

Figure 2.1: Category coverage among the top 30 targets, before (left) and after (right) filtering. The raw data shows extreme imbalance, with many antibiotics lacking sufficient species diversity. Post-filtering retains only targets that preserve diversity across all five partitions.

실험 결과

연구 질문

• RQ1 엄격한 종 보유 하에서 미지의 종으로의 유전체 기초 모델 임베딩 전이가 가능한가?
• RQ2 어떤 레이어와 어떤 집계 전략이 종 간 전이 가능한 저항 신호를 가장 잘 보존하는가?
• RQ3 지배적 저항 메커니즘(카세트 매개 vs 염색체)에 따라 교차 종 일반화가 어떻게 달라지는가?
• RQ4 교차 종 AMR 예측에서 모델 해석 가능성과 이웃 감사의 역할은 무엇인가?

주요 결과

• Kover는 같은 종 내 성능은 강하지만 여섯 개 항생제에 대해 종 홀드아웃을 통한 교차 종 성능 저하가 크게 나타난다.
• Layer 10 임베딩은 가장 깊고 안정적인 추출 지점이며 Layer 11은 불안정성을 보이며, 레이어 진단이 이 안정성 경계를 식별한다.
• k-NN으로의 MiniRocket은 일반적으로 cross-species MCC(0.753)가 가장 높게 나타나며 ampicillin의 val_outside 분할에서 Global Pooling과 비교해 우수하다.
• ampicillin 전 종에서 카세트 매개 저항은 교차 종 이득을 더 크게 나타내고, 염색체/확산 저항은 전달하기가 더 어렵다.
• 독립적 테스트 외부 셋에서 Global Pooling은 선형 또는 트리 기반 분류기와 함께 종종 MiniRocket보다 더 좋은 성능을 보이며 이는 저항 메커니즘에 따라 다르다.
• 저항 신호가 로컬화되어 있고(카세트 매개) 집계 중 보존될수록 교차 종 예측 성능이 향상되며 같은 종에서의 성능은 방법 간에 비슷하게 유지된다.

Figure 2.2: Sample counts among the top 30 targets, before (left) and after (right) filtering. Many antibiotics in the raw data have insufficient samples for stable evaluation. Post-filter sets maintain adequate per-partition counts to yield reliable confidence intervals.