基于深度学习的预测,在致病性菌根菌中化学积累
Mark R Sullivan1, Eric J Rubin1
1Department of Immunology and Infectious Disease, Harvard T.H. Chan School of Public Health, Boston, Massachusetts 02115, USA.
bioRxiv : the preprint server for biology
|January 7, 2025
概括
设计有效的抗生素需要了解药物如何进入细菌细胞. 这项研究使用深度学习来预测Mycobacterium的药物积累,改善抗生素的开发.
科学领域:
- 微生物学 微生物学
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 药物在目标部位的积累对于治疗疗效至关重要.
- 细菌细胞壁对药物吸收存在重大障碍,阻碍了抗生素的开发.
- 预测哪些药物结构促进或阻碍细菌吸收是具有挑战性的.
研究的目的:
- 为了研究 * Mycobacterium abscessus * 中的药物积累.
- 开发细菌药物吸收的预测模型.
- 根据积累和疗效,识别潜在的抗生素候选者.
主要方法:
- 测量了1528种已批准的药物的积累 * Mycobacterium abscessus * 使用液体染色体质谱学.
- 训练深度学习模型来预测药物积累.
- 验证了模型准确性与最初库中没有的多种化合物.
主要成果:
- 简单的化学特性不能有效地预测菌根菌中的药物积累.
- 深度学习模型准确地预测了M.的药物积累.
- 药物吸收水平与正在开发中的药物的疗效相关.
结论:
- 不同的药物吸收是抗生素对M.的有效性的一个关键因素.
- 预测算法可以指导选择有前途的抗生素候选者.
- 计算方法可以增强传统的药物发现方法,以挑战病原体.


