通过机器学习识别的抗菌具有强大的抗菌性质和对人类细胞的低毒性

科学领域:

• 微生物学 微生物学
• 生物技术是生物技术.
• 药物发现 药物发现 药物发现

背景情况:

• 抗生素耐药性是一个日益增长的临床挑战,需要开发替代抗菌剂.
• 抗微生物 (AMP) 正在作为替代品进行研究,但毒性仍然是一个重大问题.
• 高AMP毒性可能会损害宿主反应,可能延迟伤口愈合并导致不良临床结果.

研究的目的:

• 识别和合成一种具有降低细胞毒性的新型短抗微生物 (AMP).
• 为了评估合成的AMP在体外的抗菌疗效和宿主细胞毒性.
• 为了比较新型AMP与常规抗生素的毒性概况.

主要方法:

• 机器学习被用来识别具有预测低细胞毒性的九种氨基酸AMP.
• 鉴定到的AMP被合成,其抗菌活性被测试对黄金葡萄球菌.
• 进行了体外测试,以评估AMP对哺乳动物骨质母细胞和上皮细胞 (BEAS-2B) 的毒性.
• 细胞毒性与常规抗生素进行了比较,包括珍塔米辛,万科米辛,利法,塞法林和酸.

主要成果:

• 合成的简短AMP显示出强大且快速的抗菌活性,可对抗黄金葡萄球菌.
• 该AMP有效地准并使细菌细胞膜脱极化.
• 与传统抗生素相比,AMP在短期治疗时间 (2小时) 中对骨质母细胞有显著较低的毒性 (30%较少).
• 在与BEAS-2B上皮细胞系进行测试时,AMP对骨质母细胞具有相似的低毒性.

结论:

• 通过机器学习识别的新型短抗菌显示出强大的抗菌活性.
• 与传统抗生素相比,这种AMP对哺乳动物细胞的细胞毒性显著降低.
• 这些发现表明,这种AMP是进一步开发作为临床环境中更安全的替代品的有希望的候选人,可能会缓解诸如伤口愈合延迟等问题.