使用机器学习工具设计的新型活性Trp和Arg丰富的抗菌具有高溶解性和低红细胞毒性,使用机器学习工具设计
Bridget A B Henson1, Fucong Li1, José Ausencio Álvarez-Huerta1
1Department of Chemistry, University of British Columbia, Vancouver, British Columbia, Canada.
International journal of antimicrobial agents
|December 7, 2024
概括
研究人员使用机器学习设计了合成抗微生物 (AMP),以对抗多药耐药细菌. 该研究确定了几种高度活性,可溶性和非溶解性AMP,为抗菌药物发现提供了新的框架.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 越来越多的抗药性 (MDR) 细菌的流行需要新的抗菌剂.
- 合成抗微生物 (AMP) 提供了一个有希望的替代品,但需要对活性,可溶性和非溶解性质进行优化.
- 机器学习有助于在体中识别非血溶性AMP.
研究的目的:
- 使用机器学习设计和识别高活性,可溶性和非血溶性合成抗微生物 (AMP).
- 评估针对临床相关的细菌菌株和癌症细胞系的已确定AMP候选物的疗效和安全性.
主要方法:
- 利用机器学习工具从两个不同的库 (8192和512序列) 排列.
- 合成并测试了220个选择的候选物对抗抗甲素耐药黄金葡萄球菌 (MRSA) 的活性.
- 此外,基于最小抑制度 (MIC),红细胞 (RBC) 溶解,二次结构和细胞毒性,进一步描述了表现最好的AMP.
主要成果:
- 鉴定了6种合成抗微生物 (AMP),对MRSA的IC50值较低.
- 具有特征的AMP对包括MRSA,E. faecalis,K. pneumoniae,E. coli和P. aeruginosa在内的格拉姆阳性和格拉姆阴性细菌表现出广泛的活性.
- 选择的AMP具有高溶解性,低红细胞毒性,对癌细胞系的活性不同.
结论:
- 这种以机器学习为指导的方法成功地产生了一系列活性,可溶性和非血溶性抗微生物.
- 这项研究为未来的抗微生物设计和改进的机器学习算法的开发提供了强大的框架.
- 已确定的AMP代表了对抗多药耐药细菌感染的潜在候选者.
