通过机器学习设计的ML-AMP显示了对C. albicans的抗真菌活性,并在患有候群病的小鼠模型上显示了治疗潜力

科学领域:

• 生物化学 生化学
• 微生物学 微生物学
• 药物发现 药物发现 药物发现

背景情况:

• *Candida albicans*中的抗菌素耐药性带来了重大的临床挑战.
• 新型抗微生物 (AMP) 正在开发中,因为它们的耐药性诱导潜力很低.
• 机器学习 (ML) 有助于新型抗微生物的新设计.

研究的目的:

• 评估ML设计的AMP (ML-AMP) 对*C. albicans*的抗真菌活性.
• 评估ML-AMPs在疹病的小鼠模型中的治疗潜力.
• 研究ML-AMPs对*C.albicans*的作用机制.

主要方法:

• 通过MTT测定确定的最小抑制度 (MICs).
• 通过吸收光度测量评估的红细胞毒性.
• 使用晶体紫色染色评估生物膜抑制和减少.
• 在体内有效性测试在一个候群病小鼠模型.

主要成果:

• ML-AMPs表现出强烈的抗*Candida*活性 (MICs:3.8512.37 μg/mL),包括对抗抗可纳的抗菌株.
• ML-AMPs表现出快速杀死动力学,低抗性潜力,并有效抑制/减少菌体和生物膜的形成.
• ML-AMP2表现出卓越的性能,增强细胞膜透性,诱导ROS积累,并促进候群病小鼠模型的恢复.

结论:

• ML-AMP,特别是ML-AMP2,对*Candida albicans*有效,包括耐药菌株.
• ML-AMP2在治疗耐药性角膜炎症方面显示出显著的治疗前景.
• 这些发现支持ML-AMP2作为新型抗真菌药物开发的可行候选者.