Существует приблизительно 1 100 известных противомикробных пептидов (AMP) с различными последовательностями, которые могут проникать через микробные мембраны. Чтобы помочь открыть «схему» природных последовательностей AMP, исследователи из Университета Иллинойса в Урбана-Шампейн и Калифорнийского университета в Лос-Анджелесе разработали новый подход к машинному обучению для обнаружения и разработки альфа-спиральных мембранно-активных пептидов на основе их физико-химические свойства.
«В этой работе мы обучили классификатор машинного обучения, известный как машина опорных векторов, распознавать мембранную активность и экспериментально откалибровали метрику распознавания с помощью синтеза и характеристики пептидов», - объяснил Эндрю Фергюсон, доцент материаловедение и инженерия в Иллинойсе.«Мы используем машинное обучение не только для обнаружения новых мембраноактивных пептидов, но и для выявления мембранной активности в известных пептидах с ранее определенными функциями, что позволяет нам обнаруживать мембранную активность в разнообразных и неожиданных семействах пептидов.
«Поскольку доставка груза в клетку важна для многих приложений, мы ожидаем, что этот инструмент может иметь широкое биомедицинское применение, включая иммунотерапию и мембраноактивные противомикробные пептиды широкого спектра действия для борьбы с растущим числом случаев лекарственной устойчивости, разработка катионных пептидов, проникающих в клетки, для трансфекции нуклеиновых кислот в клетки, а также для нацеливания и проникновения противоопухолевых терапевтических средств в опухоли», - добавил Фергюсон, старший исследователь проекта.
В этой совместной работе исследователи из Иллинойса разработали вычислительные инновации, а экспериментальная проверка прогнозов была проведена в Калифорнийском университете в Лос-Анджелесе. Результаты, которые подчеркивают разницу между эффективностью противомикробного препарата и его узнаваемостью как таковой, удивительны.
«АМП не имеют общей структуры ядра, но имеют тенденцию быть короткими, катионными и амфифильными», - сказал Фергюсон. «Обучая наш классификатор машинного обучения на обучающем наборе, включающем пептиды с известной противомикробной активностью (попадания) и пептиды-приманки без активности (промахи), классификатор изучил физические и химические свойства пептида, которые обеспечивают хорошую мембранную активность. Мы ожидали что классификатор научился различать «антимикробность» конкретной пептидной последовательности, но путем экспериментальной проверки его предсказаний мы обнаружили, что на самом деле он научился гораздо более общему и физическому правилу различать пептиды на основе мембранной активности. классификатор изучил мембранную активность как основную физическую детерминанту противомикробной активности в рамках обучающего набора и позволяет нам использовать наш классификатор для обнаружения мембраноактивных пептидов в других различных классах пептидов».
Используя SVM в качестве эффективного инструмента обнаружения мембранной активности, мы провели управляемый поиск в пространстве последовательностей пептидов, чтобы обнаружить новые мембраноактивные пептиды, которые природе было бы трудно развить путем простой мутации из существующей альфа-спиральной мембраны. активные пептиды., - заявил Эрнест Ю. Ли, первый автор статьи «Картирование мембранной активности в пространстве неоткрытых пептидных последовательностей с использованием машинного обучения», опубликованной в Proceedings of the National Academy of Sciences.
Появляется разнообразная таксономия последовательностей, которые, как ожидается, будут не только такими же мембраноактивными, как известные антимикробные пептиды, но также будут иметь широкий спектр предполагаемых первичных функций, помимо антимикробной активности, включая нейропептиды, вирусные слитые белки, топогенные пептиды и амилоиды», - сказал Джерард Вонг, профессор биоинженерии Калифорнийского университета в Лос-Анджелесе и старший научный сотрудник, участвовавший в исследовании. «Если бы их первичные функции не были обнаружены, эти пептиды можно было бы классифицировать как АМП. Мембранная активность не только не совпадает с антимикробной активностью, но и удивительно характерна для многих классов природных пептидов в качестве одного из компонентов мультиплексной функциональности».