毒素人工智能:对全球毒素进行计算探索,以发现抗生素
Changge Guan1,2,3,4, Marcelo D T Torres1,2,3,4, Sufen Li1,2,3,4
1Machine Biology Group, Departments of Psychiatry and Microbiology, Institute for Biomedical Informatics, Institute for Translational Medicine and Therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, United States of America.
毒素为新型抗生素提供了一个有希望的来源. 研究人员确定了独特的毒素衍生 (VEP) 与强大的抗菌活性对抗耐药细菌,证明其在治疗耐药性感染的潜力.
科学领域:
- 生物化学 生物化学
- 微生物学 微生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 抗生素耐药性是一个严重的全球健康威胁,每年有数百万人死亡.
- 新抗生素的开发管道不足以应对日益增长的挑战.
- 毒素是具有抗微生物潜力的生物活性分子的未被探索的储存库.
研究的目的:
- 从毒药数据集中识别和描述新型抗微生物.
- 利用机器学习和深度学习来预测抗微生物活性.
- 验证已识别的毒素衍生 (VEPs) 的疗效和作用机制.
主要方法:
- 挖掘全球毒药学数据集,生成大量的毒药加密 (VEP) 库.
- 使用深度学习模型 (APEX) 进行抗菌活性预测.
- 实验验证包括体外抗微生物测定,机械学研究和在小鼠模型中的体内疗效测试.
主要成果:
- 鉴定出386种与已知的抗微生物不同的VEP,具有高净电荷和疏水性.
- 在58个测试的VEP中,有53个表现出强烈的抗菌活性.
- VEPs证明了细菌膜脱极化和显著减少细菌负担在体内没有毒性.
结论:
- 毒素是发现新型抗菌剂的宝贵资源.
- 结合实验验证的计算方法可以加速抗生素的发现.
- 毒素衍生的体显示显著的希望作为一种新的治疗药物对抗抗生素耐药的病原体.
更多相关视频
10:25Extraction of Venom and Venom Gland Microdissections from Spiders for Proteomic and Transcriptomic Analyses
Published on: November 3, 2014
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
相关概念视频
01:26Drug Discovery: Overview
00:57Antibiotic Selection