Las cianobacterias se unen a la conversación de kahalalidos: evidencia genómica y metabólica de péptidos...

Área de la Ciencia:

• Química de los productos naturales
• Microbiología marina
• Química bioorgánica

Sus antecedentes:

• Kahalalide F, un depsipeptido cíclico con propiedades anticancerígenas, se encontró inicialmente en algas y moluscos.
• Investigaciones recientes han identificado a un endosimbionte bacteriano como el productor de kahalalido F.
• Los verdaderos orígenes filogenéticos y la diversidad de los productores de compuestos similares al kahalalido F siguen siendo incompletamente entendidos.

Objetivo del estudio:

• Para caracterizar el kahalalido Z5, un nuevo análogo del kahalalido F, de una cianobacteria marina.
• Explorar el potencial de las cianobacterias marinas como fuente de depsipeptidos bioactivos.
• Aplicar estrategias metabolómicas y genómicas avanzadas, incluida la IA, para el descubrimiento de productos naturales.

Principales métodos:

• Análisis metabólico mediante cromatografía líquida y espectrometría de masas (LC-MS/MS).
• Elucidación de la estructura con la ayuda de la resonancia magnética nuclear (RMN) SMART y la inteligencia artificial DeepSAT.
• Secuenciación de todo el genoma de la cepa de cianobacterias productora (Limnoraphis sp. En el caso de los

Principales resultados:

• El kahalalido Z5, un análogo del kahalalido F, fue aislado y caracterizado a partir de la cianobacteria marina Limnoraphis sp.
• Se propusieron varios compuestos relacionados basados en un análisis detallado de espectrometría de masas (MS).
• Se identificó un grupo de genes biosintéticos NRPS consistente con la estructura de la kahalalida Z5 a través del análisis genómico.

Conclusiones:

• Las cianobacterias marinas, ejemplificadas por Limnoraphis sp., son una fuente independiente de moléculas similares a la kahalalida F.
• Este hallazgo amplía la distribución filogenética conocida de los organismos que producen estos depsipeptidos anticancerígenos.
• Los enfoques metabolómicos y genómicos mejorados por la IA agilizan efectivamente el descubrimiento y la caracterización de productos naturales complejos.