蛋白质突变的结构背景预测了它们对抗生素耐药性的影响

科学领域:

• 基因组学就是基因组学.
• 结构生物学 结构生物学
• 微生物学 微生物学

背景情况:

• 结核菌菌的抗生素耐药性是全球主要的健康威胁.
• 目前识别耐药性的方法依赖于基于序列的分析,经常忽视蛋白质结构信息.
• 蛋白质中的非同义突变是抗生素耐药性的主要驱动因素.

研究的目的:

• 调查蛋白质结构上下文与突变数据的整合是否提高了Mycobacterium结核病抗生素耐药性的预测.
• 开发和验证一种基于结构的方法,用于识别产生抗性的突变.

主要方法:

• 使用晶体学和AlphaFold预测对Mycobacterium结核病蛋白质组进行精选的高保证度结构注释.
• 结合了来自超过31,000个临床隔离物的结构数据和突变数据.
• 开发了一个统计来检测3D空间中的集群非同义突变.
• 训练了一个使用蛋白质结构特征来预测耐药性转移突变的监督分类器.

主要成果:

• 赋予抗生素耐药性的突变是在3D蛋白质结构中空间聚集的.
• 确定了450多种蛋白质,显示了聚类非同义突变的信号,许多与已知的抵抗机制有关.
• 一个基于结构的分类器在分类抗性转移突变方面获得了94.6%的高F1得分.

结论:

• 蛋白质结构信息是了解和预测Mycobacterium tuberculosis抗生素耐药性的宝贵,未得到充分利用的资源.
• 结构知情方法可以显著提高识别阻力传递突变的准确性,补充传统的基于序列的方法.
• 这项研究强调了整合结构生物学和机器学习的潜力,以打击抗菌素耐药性.