建立抗微生物α/β-设计的可量化的指导方针: 一种部分最小平方方法来改善抗微生物活性和减少哺乳动物细胞毒性

科学领域:

• 生物化学和药物化学 医学化学
• 发现抗微生物药物 发现抗微生物药物
• 计算生物学和化学信息学

背景情况:

• 抗微生物 (AMP) 提供了对抗药物耐药病原体的膜破坏机制.
• 由于蛋白质分解不稳定性和选择性差,AMP的临床应用受到阻碍.
• 新的α/β-寡合物被设计为更稳定和选择性的替代品.

研究的目的:

• 为了研究物理化学性质对奥雷因1.2基α/β-仿真体的广谱活性的影响.
• 利用机器学习在类库中量化结构-活性关系.
• 识别具有改善抗微生物功效和降低哺乳动物细胞毒性的新.

主要方法:

• 合成和表征了149个α/β-的库.
• 使用了部分最小平方回归 (PLSR) 机器学习模型.
• 的特性 (疏水性,电荷,螺旋性) 与细胞类型对抗细菌,真菌和哺乳动物细胞的特定活动相关.

主要成果:

• PLSR模型准确预测了的活性和选择性.
• 关键的物理化学特性,如疏水性,螺旋性和螺旋性刚性被确定为广谱选择性的预测因素.
• 与奥雷因1.2相比,最有选择性的体在广谱选择性方面得到了13倍以上的改善.

结论:

• 建立了可量化的指导方针,用于螺旋式抗微生物α/β的合理设计.
• 机器学习有效地识别了非标准氨基酸的结构功能关系.
• 确定了具有增强抗微生物活性和降低哺乳动物毒性的有前途的新α/β.