Машинное обучение помогло найти в природе 860 тысяч потенциальных пептидных антибиотиков

В эксперименте 63 из 100 образцов оказались активны против устойчивых патогенов

Австралийские, американские, ирландские, испанские, китайские и немецкие исследователи применили алгоритмы машинного обучения для анализа имеющихся геномных и метагеномных баз данных с целью предсказать и каталогизировать возможные антимикробные пептиды. Это короткие последовательности (10–100 аминокислотных остатков), которые каким-либо образом (чаще всего разрушая микробную стенку) подавляют рост определенных бактерий. Луис Педро Коэльо (Luis Pedro Coelho) из Квинслендского технологического университета с коллегами из пяти стран проанализировал с помощью машинного обучения датасет из 63410 метагеномов и 87920 геномов прокариот (как свободноживущих, так и связанных с многоклеточными организмами-хозяевами). В итоге они составили каталог AMPSphere, в который вошли 863498 неизбыточно повторяющихся потенциальных антимикробных пептидов, и большинства из них в имеющихся базах данных нет. Отчет о работе опубликован в журнале Cell.

В качестве подтверждения концепции исследователи синтезировали и испытали in vitro и in vivo 100 предсказанных пептидов, потенциально активных в отношении клинически значимых патогенов, а также комменсалов человеческой кишечной микробиоты. Из них 79 показали антимикробную активность, причем 63 действовали прицельно на высокопатогенные антибиотикоустойчивые бактерии ESKAPEE. В экспериментах на мышах с абсцессом кожи их действие напоминало эффект применяемого в клинической практике пептидного антибиотика полимиксина B.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Ходьба с разной длиной шага увеличила метаболические затраты

Это может быть важно у пожилых людей с неврологическими заболеваниями