机器学习工具集寻找新的抗菌肽

通过结合机器学习,分子动力学模拟和实验已经可能从头开始设计抗菌肽。¹的方法,IBM的研究人员是一个重要的进步领域数据稀缺和反复试验设计是昂贵的和缓慢。

抗菌肽- 12到50个氨基酸组成的小分子——是有前途的药物候选解决抗生素耐药性。抗菌肽和细菌类群的进化了数百万年表明,抗性发展对抗菌肽是不可能的,但这应该谨慎对待,”评论哈佛Jenssen鲁开德大学在丹麦,他并没有参与这项研究。

人工智能(AI)工具有助于发现新的药物。Payel Das从IBM托马斯J沃森研究中心在美国说,这种方法可以大致分为两类。提出设计涉及使用序列活动或结构活性模型肽的筛选候选人,而逆方法考虑针对性和新创的分子设计。IBM的AI框架,制定反设计问题,优于其他新创策略近10%,她补充道。

在48天,这种方法使我们能够识别、合成和实验测试20小说AI-generated抗菌肽的候选人,其中两个显示高效能对各种革兰氏阳性和革兰氏阴性病菌,包括耐多药肺炎克雷伯菌,以及较低的诱导耐药倾向大肠杆菌,”达斯解释说。

团队第一次使用机器学习系统称为深生成autoencoder捕捉信息不同的肽序列,然后应用控制潜在属性空间采样,生成肽分子的一种新的计算方法与自定义属性。这创建了一个池的90000种可能的序列。我们进一步筛选这些分子使用深度学习分类器进行额外的关键属性,如毒性和广谱的活动,”达斯说。然后研究人员筛选出来的候选人peptide-membrane绑定进行模拟,最后选择20肽,在实验室实验和小鼠进行测试。他们的研究表明,新的肽膜破坏病原体。

的作者创造了一种令人兴奋的方式产生新的铅化合物,但他们不是最好的化合物所,”说罗伯特·汉考克来自加拿大英属哥伦比亚大学的,他于2009年发现了其他与抗菌活性肽。²Jenssen参与这项研究也同意了。识别序列是小说和古典化学空间的一条新途径,但将它们标记为有趣的从药物开发的角度来看,需要优化的活动。”

达斯指出,IBM的工具从头开始寻找新的肽和不依赖于工程输入功能。betway必威游戏下载大全这条线的工作依赖于早些时候提出设计问题,也就是说,筛选预定义的库设计使用现有的抗菌肽序列,”她说。

汉考克同意,这使得新方法具有挑战性。“他们试图解决的问题是复杂得多,因为我们缩小至中等数量的氨基酸,而他们只是把任何出现在自然界中,”他说。这可能代表一个重大进步,但在这个阶段的输出并不是最佳的。汉考克补充说,战略并找到一些不错的序列,所以他认为它可以结合其他方法来改善这些领导和想出很好的分子。