Alat pembelajaran mesin berangkat untuk menemukan peptida antimikroba baru | Penelitian

Alat pembelajaran mesin berangkat untuk menemukan peptida antimikroba baru |  Penelitian post thumbnail image

Diskon besar Keluaran SGP 2020 – 2021.

Dengan menggabungkan pembelajaran mesin, simulasi dan eksperimen dinamika molekuler, dimungkinkan untuk merancang peptida antimikroba dari awal.1 Pendekatan oleh para peneliti di IBM merupakan kemajuan penting dalam bidang di mana datanya langka dan desain trial-and-error mahal dan lambat.

Peptida antimikroba – molekul kecil yang terdiri dari 12 hingga 50 asam amino – merupakan kandidat obat yang menjanjikan untuk mengatasi resistensi antibiotik. ‘Ko-evolusi peptida antimikroba dan filum bakteri selama jutaan tahun menunjukkan bahwa pengembangan resistensi terhadap peptida antimikroba tidak mungkin, tetapi itu harus diambil dengan hati-hati,’ komentar HÃ¥vard Jenssen dari Roskilde University di Denmark, yang tidak terlibat dalam penelitian ini. .

Alat kecerdasan buatan (AI) sangat membantu dalam menemukan obat baru. Payel Das dari IBM Thomas J Watson Research Center di AS mengatakan bahwa metode seperti itu secara luas dapat dibagi menjadi dua kelas. ‘Desain ke depan melibatkan penyaringan calon peptida menggunakan model urutan-aktivitas atau struktur-aktivitas, sedangkan pendekatan invers mempertimbangkan desain molekul yang ditargetkan dan de novo.’ Kerangka kerja AI IBM, yang diformulasikan untuk masalah desain terbalik, mengungguli strategi de novo lainnya hampir 10%, tambahnya.

‘Dalam 48 hari, pendekatan ini memungkinkan kami untuk mengidentifikasi, mensintesis, dan secara eksperimental menguji 20 kandidat peptida antimikroba baru yang dihasilkan AI, dua di antaranya menunjukkan potensi tinggi melawan beragam patogen Gram-positif dan Gram-negatif, termasuk resisten multidrug. Klebsiella pneumoniae, serta kecenderungan rendah untuk menginduksi resistensi obat Escherichia coli, ‘jelas Das.

Tim pertama kali menggunakan sistem pembelajaran mesin yang disebut autoencoder generatif dalam untuk menangkap informasi tentang urutan peptida yang berbeda dan kemudian menerapkan pengambilan sampel ruang atribut laten terkontrol, metode komputasi baru untuk menghasilkan molekul peptida dengan properti khusus. Ini menciptakan kumpulan 90.000 kemungkinan urutan. ‘Kami selanjutnya menyaring molekul-molekul itu menggunakan pengklasifikasi pembelajaran mendalam untuk atribut kunci tambahan seperti toksisitas dan aktivitas spektrum luas,’ kata Das. Para peneliti kemudian melakukan simulasi pengikatan peptida-membran pada kandidat yang telah disaring sebelumnya dan akhirnya memilih 20 peptida, yang diuji dalam percobaan laboratorium dan pada tikus. Studi mereka menunjukkan bahwa peptida baru bekerja dengan mengganggu membran patogen.

‘Para penulis menciptakan cara yang menarik untuk menghasilkan senyawa timbal baru, tetapi mereka bukan senyawa terbaik yang pernah dibuat,’ kata Robert Hancock dari Universitas British Columbia di Kanada, yang menemukan peptida lain dengan aktivitas antimikroba pada tahun 2009.2 Jenssen berpartisipasi dalam studi itu juga dan setuju. ‘Urutan yang diidentifikasi adalah novel dan mencakup jalan baru dari ruang kimia klasik, tetapi untuk menandainya sebagai menarik dari sudut pandang pengembangan obat, kegiatan tersebut perlu dioptimalkan.’

Das menunjukkan bahwa alat IBM mencari peptida baru dari awal dan tidak bergantung pada fitur masukan yang direkayasa. ‘Garis pekerjaan sebelumnya ini bergantung pada masalah desain ke depan, yaitu penyaringan pustaka peptida yang telah ditentukan sebelumnya yang dirancang menggunakan urutan antimikroba yang ada,’ katanya.

Hancock setuju bahwa hal ini membuat pendekatan baru menjadi menantang. “Masalah yang mereka coba pecahkan jauh lebih kompleks karena kami mempersempit ke sejumlah kecil asam amino sedangkan mereka hanya mengambil apa pun yang muncul di alam,” katanya. ‘Itu bisa mewakili kemajuan yang signifikan, tetapi keluaran pada tahap ini tidak optimal.’ Hancock menambahkan bahwa strategi tersebut menemukan beberapa urutan yang baik untuk memulai, jadi dia pikir itu dapat dikombinasikan dengan metode lain untuk meningkatkan petunjuk tersebut dan menghasilkan molekul yang benar-benar bagus.

Tags:

Related Post