深度学习复活古老的肽以对抗抗生素耐药性

在最近发表在《自然生物医学工程》杂志上的一项研究中，一组研究人员展示了使用深度学习从灭绝的生物体中复活抗生素肽，为抗生素耐药性和其他生物医学挑战提供了新的解决方案。

使用深度学习从古代蛋白质组中去除抗生素的分子灭绝。 所有可用的灭绝生物的蛋白质组都是通过我们的深度学习算法APEX挖掘的。将已灭绝生物体蛋白质中8至50个氨基酸残基的氨基酸序列输入到多任务深度学习模型中，该模型使用公共和内部肽数据进行训练，以评估潜在的抗菌活性。然后根据预测的抗菌活性选择排名最高的肽，并在体外和动物模型中针对临床相关病原体进行彻底表征。还测定了这些肽的作用机制、理化特征和协同作用。日期报告了所研究生物的大致灭绝日期或时期。图中所示的蛋白质和肽结构是使用 PyMOL Molecular Graphics System， version 2.1 Schrödinger， LLC 创建的。 研究：通过分子去灭绝发现深度学习的抗生素。

背景

全球每年约有127万人死于抗微生物药物耐药性感染，预计到2050年每年将有1000万人死亡，因此需要采取紧急措施来对抗抗生素耐药性。此外，到 2030 年，由于治疗这些感染的高昂费用，约有 2400 万人可能面临极端贫困。分子去灭绝涉及复活灭绝的分子，以应对抗生素耐药性等当代挑战。这种方法揭示了新的序列空间，扩展了我们对分子多样性和潜在治疗设计的理解。最近的计算和人工智能方法加速了抗生素的发现，包括通过蛋白质组挖掘。需要进一步的研究来充分探索复活抗生素肽的治疗潜力和安全性，并将其开发成对抗抗生素耐药性感染的有效治疗方法。

关于这项研究

在本研究中，研究人员从美国国家生物技术信息中心（NCBI）分类浏览器中收集了已灭绝生物的蛋白质组，从208个已灭绝物种中检索了12,860个蛋白质序列。对于现代人类蛋白质组，他们从UniProt获得了20,388个经过审查的智人蛋白质。使用内部肽数据集，其中包含来自 988 种肽针对 34 种细菌菌株的 14,738 次抗菌活性测量值，用于训练和评估抗生素肽去灭绝 （APEX） 模型，并由来自抗菌活性和肽结构数据库 （DBAASP） 的公开可用的抗菌肽 （AMP） 序列进行增强。

APEX 模型架构采用递归神经网络 （RNN），具有用于处理肽序列和提取特征的注意力层。全连接神经网络 （FCNN） 预测抗菌活性并对 AMP/非 AMP 标记进行分类。训练使用 Adam 优化器进行小批量优化。通过网格搜索和五重交叉验证 （CV） 对超参数进行调整，集成学习对前 8 个 APEX 模型的预测进行平均。

研究人员筛选了已灭绝生物体的加密肽 （EP） 序列的抗菌活性、选择性和多样性，产生了 3,784 个独特的候选 EP。他们合成并验证了69种肽。抗菌测定、膜通透性和细胞质膜去极化测定评估肽活性，而使用 3-（4,5-二甲基噻唑-2-基）-2,5-二苯基溴化四唑 （MTT） 测定评估细胞毒性。在人血清中测试了对蛋白水解降解的抗性，并通过圆二向色性分析了二级结构。

皮肤脓肿和大腿感染小鼠模型在体内疗效测试。使用单因素方差分析（ANOVA）和GraphPad Prism和Python进行统计分析。

研究结果

训练数据集包括 988 个内部肽以及来自 DBAASP 的 5,093 个抗菌肽和 5,500 个非抗菌肽。内部数据集包含来自 34 种细菌菌株的 14,738 个抗菌活性值。数据集分为CV集和独立集。使用五倍CV对超参数进行调整，独立集评估最终预测性能。

在大多数病原体特异性最低抑制浓度上，APEX 的表现优于基线机器学习模型（弹性网络、树外回归、线性支持向量回归、随机森林和梯度提升决策树）

SLAS EU - Highlights from 2022 eBook Check out the key interviews from SLAS Europe 2023Download the latest edition

（MIC）预测。集成学习方法，对前 8 个 APEX 模型的预测进行平均，进一步提高了性能。

为了将APEX的预测能力与评分函数进行比较，研究人员测试了评分函数预测的49种肽和APEX预测的69种来自灭绝生物的肽。在 69 种 APEX 预测肽中，21 种来源于分泌蛋白，48 种来源于非分泌蛋白。合成这些肽并实验测试了对11种细菌病原体的抗菌活性，结果显示，鉴定具有抗菌活性的肽的命中率为59%，显著高于评分函数的24%命中率。

研究人员还评估了这些肽的二级结构，发现APEX鉴定的肽主要形成α螺旋结构，增强了它们的膜相互作用和抗菌效果。通过膜去极化和透化试验研究了作用机制，表明APEX预测的肽有效地使细菌膜去极化。

在皮肤脓肿和大腿感染小鼠模型中的体内试验表明，包括 AEP（古 EP）和 MEP（现代 EP）在内的几种肽表现出显着的抗感染功效。值得注意的是，elephasin-2、hydrodamin-1、megalocerin-1、mammuthusin-2 和 mylodonin-2 等肽可将细菌载量降低 2-5 个数量级，与广泛使用的抗生素多粘菌素 B 相当。

结论

总而言之，本研究强调了深度学习在预测肽序列抗菌活性方面的成功应用，特别是通过APEX模型的开发和使用。APEX 在内部和公开可用的数据集上进行训练，利用多任务学习架构来预测肽的抗菌特性。该模型在预测物种特异性抗菌活性方面优于传统的机器学习方法，显示出强大的预测能力。这些发现强调了分子去灭绝在发现新的治疗分子和解决抗生素耐药性方面的潜力。