고대 생물학적 분자의 '부활', AI로 항생제 내성 해결, 푸단대학교와 펜실베니아대학교 공동연구팀이 발표한 두 편의 논문이 Cell 및 Nature 하위 저널에 게재됨

ㅋㅋㅋ 항생제 내성을 극복하려면 필요합니다.

펜실베이니아 대학교 대통령 조교수인 세사르 데 라 푸엔테는 "기분이 좋아지더라도 항생제 치료를 꼭 완수하세요. 이것은 많은 사람들이 들어봤지만 종종 무시하는 의학적 주문입니다."라고 말했습니다.

그는 이 진술이 매우 중요하며 이를 준수하지 않으면 항생제 사용의 효과에 영향을 미칠 수 있다고 설명했습니다. "최근 수십 년 동안 이로 인해 약물 내성 박테리아가 증가했으며, 이로 인해 매년 약 495만 명이 사망하고 심지어 일반적인 감염이 치명적일 수도 있는 세계적인 건강 위기가 커지고 있습니다."

De la Fuente와 Fudan University 및 펜실베이니아 대학교(University of Pennsylvania)에서는 학제간 연구 팀이 항생제 내성 문제를 해결하기 위해 노력해 왔습니다.

최근 연구에서 그들은 새로운 항생제 약물 후보를 발견하기 위해 광대하고 아직 개발되지 않은 생물학적 데이터(1,000만 개가 넘는 현대 및 멸종 생물의 분자)를 채굴하는 인공 지능 도구를 개발했습니다.

이 연구의 제목은 "

분자 소멸을 통한 딥러닝 기반 항생제 발견

"이며 2024년 6월 11일 "

Nature Biomedical Engineering

"에 게재되었습니다.

논문 링크: https://www.nature.com/articles/s41551-024-01201-x

"전통적인 방법으로는 감염 치료를 위한 새로운 전임상 약물 후보를 개발하는 데 약 6년이 걸립니다. . 이 과정은 매우 힘들고 비용이 많이 듭니다.”라고 De la Fuente는 말했습니다.

"우리의 딥 러닝 접근 방식은 단 몇 시간 만에 수천 개의 약물 후보를 식별했기 때문에 시간과 비용을 크게 줄일 수 있으며, 그 중 다수는 동물 모델에서 전임상 잠재력을 가지고 있습니다. 테스트가 수행되어 새로운 시대의 시작을 알렸습니다. 최신 연구 결과는 De la Fuente가 2019년 Penn에 도착한 이후 연구해 온 방법을 기반으로 합니다. 팀은 근본적인 질문을 던졌습니다. 기계를 사용하여 세계의 생물학적 정보를 채굴하여 항생제 발견을 가속화할 수 있습니까?

이 아이디어는 생물학이 가장 기본적인 수준에서 인공 지능을 사용하여 이론적으로 탐색하여 새로운 유용한 분자를 찾을 수 있는 정보의 원천이라는 개념에 기반을 두고 있다고 설명합니다.

팀은 먼저 간단한 알고리즘을 적용하여 개별 단백질을 채굴하여 아미노산 서열 내에 숨겨진 작은 항생제 분자를 찾았습니다. 컴퓨팅 성능이 향상됨에 따라 De la Fuente는 개별 단백질 채굴에서 전체 프로테옴 채굴까지 확장할 수 있다는 것을 깨달았습니다.

그는 그들이 "전체 프로테옴, 즉 유기체의 게놈에 암호화된 모든 단백질을 채굴할 수 있었다고 말했습니다. 이를 통해 우리는 인간 프로테옴에서 수천 개의 새로운 항균 분자를 발견했고 나중에는 네안데르탈인과 수천 개의 새로운 항균 분자가 발견되었습니다. 데니소바인과 같은 고대 유인원의 프로테옴에서 발견되었습니다.

"그런 다음 우리는 과학에 알려진 모든 멸종 유기체를 발굴하는 데 도전했습니다."라고 그는 말했습니다.

"분자 부활" 기술

De la Fuente 팀은 잠재적인 치료 효과를 지닌 멸종된 고대 분자를 부활시키는 소위 "분자 부활" 기술을 개발하여 고대 유기체 분자의 게놈에서 치료법을 발견했습니다. 그들은 그들이 발견한 많은 분자가 진화 전반에 걸쳐 숙주 면역에 역할을 했을 것이라고 추측합니다.

이 연구의 제목은 "기계 학습을 통한 글로벌 미생물 군집의 항균 펩타이드 발견"이며 2024년 6월 5일 "

Cell

"에 게재되었습니다.

논문 링크: https://doi.org/10.1016/j.cell.2024.05.013

이번 "

Cell

" 연구에서 연구자들은 머신러닝 기반의 항균 예측 방법을 제안했습니다. 글로벌 미생물군집의 펩타이드(AMP)를 연구하고 환경 및 숙주 관련 서식지에서 얻은 63,410개의 메타게놈과 87,920개의 원핵생물 게놈으로 구성된 대규모 데이터 세트를 활용하여 기존 데이터베이스와 일치하는 항목이 거의 없는 863,498개의 비포괄적 중복 펩타이드 카탈로그 모음인 AMPSphere를 만들었습니다. AMPSphere는 AMP 생산이 서식지에 따라 다르다는 것을 관찰하는 연구자들을 통해 더 긴 서열의 복제 또는 유전자 절단을 포함하여 펩타이드의 진화적 기원에 대한 통찰력을 제공합니다.

예측을 테스트하기 위해 연구원들은 100개의 AMP를 합성하고 임상적으로 관련된 약물 내성 병원체와 인간 장내 공생 박테리아에 대한 효과를 시험관 내 및 생체 내에서 테스트했습니다.

총 79개의 펩타이드가 활성화되어 있으며, 그 중 63개는 병원체를 표적으로 합니다. 이러한 활성 AMP는 박테리아 막을 파괴하여 항균 활성을 나타냅니다. 전체적으로 이 접근법은 항생제 발견을 위한 공개 소스인 거의 100만 개의 원핵생물 AMP 서열을 식별했습니다.

항생제 펩타이드 소멸

그림: 딥 러닝을 사용하여 고대 프로테옴에서 항생제의 분자 제거. (출처: 논문)

Nature Biomedical Engineering의 연구에서 연구자들은 딥 러닝을 사용하여 모든 멸종 유기체의 프로테옴을 채굴하여 항생제 펩타이드를 발견할 수 있음을 보여주었습니다.

De la Fuente 팀은 항균 활성을 예측하기 위해 APEX(Antibiotic Peptide De-Extinction)라고 하는 펩타이드 서열 인코더와 신경망으로 구성된 딥 러닝 모델 조합을 훈련하고 이를 사용하여 10,311,899개의 펩타이드를 채굴했습니다.

De la Fuente 연구실의 박사후 연구원인 Marcelo Der Torossian Torres는 팀이 APEX를 구축할 때 먼저 "학습을 위해 문헌에서는 누락된 고도로 표준화된 데이터 세트를 생성했습니다... 이는 놀라운 일이었습니다. 데이터 세트가 너무 많기 때문에 연구자들은 모든 샘플이 매우 체계적이고 일관된 방식으로 수집된다고 가정하고 여러 데이터 세트를 사용할 것이지만 항상 그런 것은 아닙니다."

APEX도 이를 활용한다고 그는 말했습니다. "아마도 동종 최대 규모의 데이터 세트"가 실험의 대조군으로 사용되었습니다. 이를 통해 연구자들은 모델이 기존 지식과 비교하여 어떻게 작동하는지 확인하고 APEX에서 발견한 항생제 서열의 고유성과 타당성을 검증할 수 있습니다.

"인공지능은 생물학과 같이 복잡하고 복잡한 분야에서 고품질의 데이터 세트만이 성공할 수 있습니다." De la Fuente는 "우리는 수년 전에 이것을 깨달았고 훈련에 사용할 수 있는 데이터를 만들기 위해 열심히 노력해 왔습니다." De la Fuente 연구실의 박사후 연구원인 Fangping Wan은 "APEX는 순환 신경망과 주의 네트워크의 조합을 사용하여 두 가지 주요 작업, 즉 항균 특성이 있는 단백질인 암호화된 펩타이드를 식별합니다"라고 말했습니다. .

"순환 신경망은 입력된 독립적이고 정렬된 데이터를 처리할 수 있기 때문에 단백질과 같은 서열을 처리하는 데 매우 능숙합니다." Wan은 "그리고 주의 네트워크는 단백질 구조의 특정 부분을 찾는 네트워크의 능력을 향상시킬 수 있습니다."라고 말했습니다. "

모델은 광범위한 항균 활성을 갖는 37,176개의 시퀀스를 예측했으며, 그 중 11,035개는 현존하는 유기체에서 발견되지 않았습니다.

합성 및 응용 검증

또한 69개의 펩타이드를 합성하여 세균성 병원체에 대한 활성을 실험적으로 확인했습니다. 대부분의 펩타이드는 외부 막을 표적으로 삼는 경향이 있는 알려진 항균 펩타이드와 달리 세포질 막을 탈분극시켜 박테리아를 죽입니다.

일부 납 화합물(매머드의 mammothin-2, 곧은 엄니 코끼리의 pixicon-2, 고대 해우의 하이드로다민-1, 거대 나무늘보의 카르노신-2 및 멸종된 거인의 매크로세로신-1 포함)에 주목할 가치가 있습니다. elk)는 피부 농양이나 허벅지 감염이 있는 쥐에서 항감염 활성을 나타냈습니다.

이는 이러한 약물 후보가 잠재적인 임상 시험과 최종 치료 용도에 더 가까워지도록 하는 중요한 단계입니다.

또한, 대부분의 고대 펩타이드는 박테리아 세포막을 탈분극시키는 새로운 작용 메커니즘을 가지고 있습니다. 이러한 독특한 표적화 접근법은 감염병 통제를 위한 새로운 모델을 제시합니다.

전반적으로 지난 5년 동안 De la Fuente 연구소에서 수행한 컴퓨터 작업은 새로운 항생제를 발견하는 능력을 크게 가속화했습니다. 기존 방법을 사용하면 수년간의 노력이 필요했던 작업을 이제 AI를 사용하면 단 몇 시간 만에 완료할 수 있습니다.

관련 보도:

https://phys.org/news/2024-06-ai-antibiotic-resistance.html

위 내용은 고대 생물학적 분자의 '부활', AI로 항생제 내성 해결, 푸단대학교와 펜실베니아대학교 공동연구팀이 발표한 두 편의 논문이 Cell 및 Nature 하위 저널에 게재됨의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!