在基于ML的计算策略中发现了由小麦衍生的抗皮质

科学领域:

• 生物化学 生物化学
• 计算生物学 计算生物学
• 口腔健康 口腔健康

背景情况:

• 牙损是全球主要的健康问题.
• 突变性链球菌 (Streptococcus mutans) 是主要致病原体之一.
• 开发新的,安全和有效的抗虫剂至关重要.

研究的目的:

• 采用机器学习策略来识别具有抗脏性质的小麦衍生.
• 从小麦来源选和优先考虑潜在的抗虫.
• 为了验证一个主要候选的疗效和安全性.

主要方法:

• 利用机器学习算法 (随机森林,XGBoost) 和特征描述器来构建一个选道模型.
• 鉴定并合成一种来自小麦的,AP-2 (FPVTWRWWKWW).
• 对抗菌活性 (MIC,膜破坏,生物膜抑制),血液溶解和唾液稳定性进行了体外试验.
• 在老鼠身上进行了体内研究,以评估抗虫的有效性和安全性 (器官毒性,口腔微生物群).

主要成果:

• 选道模型成功优先考虑了小麦衍生的酸AP-2.
• 通过膜破坏,AP-2表现出强大的抗菌活性对抗突变性菌株 (MIC = 4 μM).
• AP-2显著抑制了S. mutans生物膜的形成,并显示出低血解和良好的唾液稳定性.
• 在体内研究证实了AP-2在预防老鼠早期的有效性,没有毒性或微生物群破坏.

结论:

• 机器学习是从小麦等食物来源发现新型抗虫的可行策略.
• 小麦衍生AP-2是一种强效,安全,稳定的抗虫剂.
• AP-2显示出在虫预防中临床翻译的显著潜力.