Новый метод объединяет синтетическую биологию и ИИ в поиске новых антибиотиков без использования клеток
Растущая устойчивость бактерий к антибиотикам представляет собой возрастающий глобальный риск для здоровья. Исследователи из Института наземной микробиологии Макса Планка в Марбурге (Германия) объединили синтетическую биологию и искусственный интеллект (ИИ), чтобы разработать более эффективный подход к поиску и созданию новых антимикробных пептидов, эффективных против широкого спектра бактерий. Их статья опубликована в журнале Nature Communications.
Биоактивные пептиды играют ключевую роль в здравоохранении и медицине. В настоящее время используется более 80 препаратов на основе пептидов, все они выделены из природных источников. Однако устойчивость к антибиотикам, по оценкам, ежегодно вызывает более 1 миллиона смертей во всем мире. Ожидается, что к 2050 году это число вырастет до 10 миллионов, что создает острую необходимость в новых методах ускорения разработки антимикробных препаратов. Неиспользованный потенциал лежит в ненатуральном пространстве, где, по оценкам, еще предстоит исследовать от 2,010 до 2,030 различных пептидов.
Конвейер для новых биоактивных пептидов
В сотрудничестве с несколькими лабораториями Института наземной микробиологии Макса Планка, Марбургского университета, Института биофизики Макса Планка, Института микробиологии Бундесвера, института iLung и INRAe France команда ученых под руководством Тобиаса Эрба создала новый конвейер для разработки биоактивных пептидов.
«При глубоком обучении нейронная сеть — алгоритмы, вдохновленные человеческим мозгом — учится на больших объемах данных. Этот тип машинного обучения открывает большие перспективы для открытия и de novo дизайна пептидов. Однако за ним обычно следует химический синтез пептидов для экспериментальной проверки, что довольно сложно и требует много времени, что сильно ограничивает количество пептидов, которые можно синтезировать химически», — объясняет Амир Панди, ведущий автор исследования.
Чтобы преодолеть эти ограничения, исследовательская группа создала конвейер бесклеточного синтеза белка для быстрого и экономичного производства антимикробных пептидов непосредственно из ДНК-матриц. Новый протокол обеспечивает быстрый, недорогой, высокопроизводительный метод скрининга антимикробных пептидов.
Команда сначала использовала генеративное глубокое обучение для de novo дизайна тысяч антимикробных пептидов, а затем прогностическое глубокое обучение, чтобы сузить их до 500 кандидатов. Среди них скрининг с помощью бесклеточного конвейера выявил 30 функциональных пептидов, которые исследователи далее охарактеризовали с помощью молекулярно-динамического моделирования, антимикробной активности и токсичности.
Широкий спектр активности против патогенов
Примечательно, что шесть de novo пептидов продемонстрировали широкий спектр активности против мультирезистентных патогенов и не вызывали развития устойчивости у бактерий. «Мы получили большую пользу от этого сочетания бесклеточной синтетической биологии, искусственного интеллекта и высокопроизводительного подхода. Увеличив количество кандидатов, которые можно экспериментально проверить менее чем за 24 часа, мы повысили шансы найти активные антимикробные пептиды», — говорит Панди.
«Таким образом, наш конвейер бесклеточного синтеза белка не только дополняет последние достижения в области компьютерного дизайна. Он также имеет потенциал для более быстрого и экономичного изучения взаимосвязи между дизайном и функцией биоактивных пептидов».
Тобиас Эрб добавляет: «Этот новый метод на стыке синтетической биологии и машинного обучения будет интересен ученым, работающим в областях биомедицины и биоактивных пептидов».
Следующие шаги включают дальнейшее повышение выхода производства пептидов, а также использование подходов ИИ и синтетической биологии для создания новых антимикробных пептидов, которые будут более стабильными и менее токсичными, или будут иметь специфический механизм действия. Исследователи также планируют применять расширенные модели глубокой генерации, где машина изучает молекулярные представления для желаемых свойств, что повысит успешность выявления активных кандидатов.