基于D-氨基酸的协同作用的抗菌尾酒,通过高通量查和机器学习制定

科学领域:

• 微生物学 微生物学
• 药物发现 药物发现 药物发现
• 计算生物学 计算生物学

背景情况:

• 致病性细菌生物膜中的抗菌素耐药性 (AMR) 是一个重大的全球健康挑战.
• 开发新型抗微生物药物是低效和昂贵的,需要替代治疗策略.
• 结合现有的药物,如D-氨基酸和抗生素,提供了一种有前途的方法来打击AMR,并可能降低毒性.

研究的目的:

• 通过探索D-氨基酸混合物及其与抗生素的协同作用,加速发现有效的抗微生物配方.
• 克服传统的试错方法的局限性,以确定治疗耐药感染的最佳药物组合.
• 开发一种以机器学习为指导的方法,用于快速识别强效和无毒的抗微生物尾酒.

主要方法:

• 使用高通量选来评估大量的D-氨基酸和抗生素组合.
• 采用机器学习优化来导航复杂的组合空间并识别有希望的配方.
• 进行了体外评估,以评估抗生物膜有效性和协同相互作用.
• 通过使用肺感染小鼠模型进行了第一个体内研究,以验证治疗潜力.

主要成果:

• 鉴定了D-氨基酸混合物,当与抗生素结合时,它们表现出高的抗生物膜效率.
• 在特定的D-氨基酸混合物和抗生素之间发现了协同作用,增强了抗菌活性.
• 开发了优化的药物尾酒,证明了针对耐药病原体的显著抗菌疗效.
• 通过体外和体外研究验证了优化配方的无毒性.

结论:

• 机器学习驱动的优化与高通量选相结合,为发现新型抗菌素配方提供了有效的策略.
• 优化的D-氨基酸和抗生素组合显示出对耐药细菌生物膜感染的有效和安全治疗的希望.
• 这项研究为开发下一代治疗方法提供了一条可行的新途径,以应对全球AMR危机.