Un enfoque basado en redes neuronales convolucionales para la anotación rápida de productos naturales molecularmente...

Área de la Ciencia:

• Química de los productos naturales
• Aprendizaje automático en química
• Biotecnología marina

Sus antecedentes:

• Las cianobacterias marinas son fuentes prolíficas de productos naturales citotóxicos.
• El descubrimiento y la caracterización de nuevos productos naturales presentan desafíos significativos.
• Las técnicas analíticas avanzadas son cruciales para el descubrimiento de fármacos de productos naturales.

Objetivo del estudio:

• Demostrar la aplicación de la herramienta SMART 2.0 para el análisis de mezclas complejas de productos naturales.
• Acelerar el descubrimiento y la caracterización de nuevos productos naturales a partir de cianobacterias marinas.
• Mostrar la integración del aprendizaje automático con los métodos analíticos tradicionales para el descubrimiento de fármacos.

Principales métodos:

• Aplicación de la tecnología de reconocimiento preciso de moléculas pequeñas (SMART 2.0), una nueva herramienta de aprendizaje automático basada en RMN.
• Priorización y orientación utilizando la citotoxicidad de las células cancerosas, RMN y redes moleculares basadas en MS2.
• Aislamiento y caracterización mediante análisis de RMN 1D/2D y LC-MS2.
• Análisis comparativo de SMART 2.0 con el método de clasificación atómica para la caracterización de péptidos cíclicos.

Principales resultados:

• Aislamiento exitoso e identificación rápida de un nuevo macrolido quimérico, el simplocolido A.
• Annotación de compuestos conocidos, incluidos los swinholide A, los samolídeos A-I y los nuevos derivados.
• Confirmación de la estructura del simplocolide A como un híbrido entre el swinholide A y el luminaolide B.
• Demostración de la eficacia de SMART 2.0 en la caracterización de nuevos péptidos cíclicos.

Conclusiones:

• El uso combinado de enfoques tradicionales y asistidos por aprendizaje profundo revoluciona el descubrimiento de medicamentos de productos naturales.
• SMART 2.0 acelera significativamente la identificación y caracterización de productos naturales complejos.
• Este estudio pone de relieve el potencial de las herramientas analíticas avanzadas para superar los desafíos de larga data en el campo.