相关实验视频
Updated: Jul 20, 2025

Antibiotic Dereplication Using the Antibiotic Resistance Platform
Published on: October 17, 2019
通过机器学习实现古老的抗微生物的分子消灭
Jacqueline R M A Maasch1, Marcelo D T Torres2, Marcelo C R Melo2
1Department of Computer and Information Science, School of Engineering and Applied Science, University of Pennsylvania, Philadelphia, PA 19104, USA; Machine Biology Group, Departments of Psychiatry and Microbiology, Institute for Biomedical Informatics, Institute for Translational Medicine and Therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA; Department of Bioengineering, Department of Chemical and Biomolecular Engineering, School of Engineering and Applied Science, University of Pennsylvania, Philadelphia, PA 19104, USA; Penn Institute for Computational Science, University of Pennsylvania, Philadelphia, PA 19104, USA.
分子灭绝和机器学习可以从古老的蛋白质中发现新的抗菌. 这些体显示出作为稳定,有效的抗菌药物对抗耐药细菌的承诺.
科学领域:
- 生物化学 生物化学
- 基因组学就是基因组学.
- 药物发现 药物发现 药物发现
背景情况:
- 来自已灭绝的生物体的生物活性分子为药物发现提供了潜力.
- 抗微生物 (AMP) 是一种有前途的治疗类.
- 鉴定新型AMP由于抗生素耐药性增加至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测蛋白质组中的分裂部位.
- 在人类蛋白质中寻找加密的抗微生物,包括古老的形式.
- 通过古蛋白质组学建立分子灭绝,作为抗菌药物发现的框架.
主要方法:
- 介绍了 panCleave 随机森林模型,用于全蛋白质组的分裂部位预测.
- 使用人类 caspases 对 panCleave 与蛋白酶特定分类器进行评估.
- 在体外测试已识别的蛋白质碎片的抗微生物活性,蛋白质溶解耐药性和膜透性.
- 在小鼠模型中对蛋白质碎片进行皮肤和大腿感染的体内测试,以对抗Acinetobacter baumannii.
主要成果:
- 与现有的分类器相比,panCleave模型在分离部位预测方面表现优越.
- 在实验室中证实了现代和古老蛋白质碎片的抗菌活性.
- 类表现出对蛋白质分解的抗性和多种多样的膜透能力.
- 现代和古老的蛋白质碎片在临床前模型中显示出对Acinetobacter baumannii的抗感染功效.
结论:
- 基于机器学习的加密发现可以识别稳定,无毒的抗生素.
- 通过古蛋白质组开采的分子灭绝是发现新型抗菌剂的可行框架.
- 这种方法在解决抗生素耐药性的挑战方面具有重大潜力.
相关概念视频
Biological Methods for Microbial Control
Antimicrobial Proteins
Interferons
Interferons (IFNs) are proteins produced by lymphocytes, macrophages, and fibroblasts infected with viruses. While IFNs cannot prevent viruses from entering and...
Modern Molecular Taxonomy
Gene Regulation in Microbial Communities: Quorum Sensing
Antibiotic Selection
Antimicrobial Effectiveness

