使用深度学习发现自然启发的抗微生物

科学领域:

• 微生物学和生物信息学
• 药物发现 药物发现 药物发现
• 合成化学 合成化学

背景情况:

• 非核糖体 (NRP) 对于新型抗生素开发至关重要.
• 采矿静音微生物NRPS基因集群有助于发现生物活性.
• 生物信息学和深度学习方法加速了自然产品的发现.

研究的目的:

• 有效地发现和评估来自细菌NRPS基因集群的新型抗菌.
• 利用深度学习来识别有前途的基架和优化化合物.
• 探索新发现的抗微生物的治疗潜力.

主要方法:

• 对216,408种细菌基因组进行基因挖掘,以确定NRPS基因集群.
• 识别集群的重复,以获得独特的基架.
• 基于深度学习的评分用于候选人选择,随后进行固相合成和抗菌评估.
• 以深度学习算法为指导的类的氨基酸优化.

主要成果:

• 确定了335,024个NRPS基因集群,产生了328个独特的基架.
• 合成了五种抗微生物候选物 (P1-P5);P2显示强烈活性 (MIC50: 1-2μM).
• 优化了P2到P2.2,显示出显著增强的抗菌活性,膜破坏,以及与常规抗生素的协同效应.

结论:

• 深度学习有效地加速了从静默的生物合成基因集群中发现自然启发的抗微生物的发现.
• 优化的P2.2由于增强的活性,降低的毒性和协同性能,显示出有前途的治疗潜力.
• 这项研究突出了从微生物基因组数据中识别新型抗生素的有效策略.