Большинство антибиотиков действуют, вмешиваясь в критические функции, такие как репликация ДНК или построение бактериальной клеточной стенки. Однако эти механизмы представляют собой лишь часть полной картины действия антибиотиков.
В новом исследовании действия антибиотиков исследователи Массачусетского технологического института разработали новый подход машинного обучения, чтобы обнаружить дополнительный механизм, который помогает некоторым антибиотикам убивать бактерии. Этот вторичный механизм включает активацию бактериального метаболизма нуклеотидов, необходимых клеткам для репликации своей ДНК.
«В результате лекарственного стресса клетке предъявляются огромные энергетические требования. Эти энергетические потребности требуют метаболической реакции, а некоторые побочные продукты метаболизма токсичны и способствуют гибели клеток», - говорит Джеймс. Коллинз, профессор медицинской инженерии и науки Термеера в Институте медицинской инженерии и науки Массачусетского технологического института (IMES) и факультете биологической инженерии, а также старший автор исследования.
Использование этого механизма может помочь исследователям в открытии новых лекарств, которые можно использовать вместе с антибиотиками для повышения их смертоносной способности, говорят исследователи.
Джейсон Янг, научный сотрудник IMES, является ведущим автором статьи, опубликованной в номере Cell от 9 мая. Другие авторы включают Сару Райт, недавнюю стипендию MIT MEng; Меган Хэмблин, бывший научный сотрудник Института Броуда; Мигель Алькантар, аспирант Массачусетского технологического института; Эллисон Лопаткин, постдок IMES; Дуглас Макклоски и Ларс Шрубберс из Центра биоустойчивости Фонда Ново Нордиск; Сангита Сатиш и Амир Нили, недавние выпускники Бостонского университета; Бернхард Палссон, профессор биоинженерии Калифорнийского университета в Сан-Диего; и Грэм Уокер, профессор биологии Массачусетского технологического института.
Машинное обучение «белого ящика»
Коллинз и Уокер много лет изучали механизмы действия антибиотиков, и их работа показала, что лечение антибиотиками, как правило, вызывает сильный клеточный стресс, который требует от бактериальных клеток огромных энергетических затрат. В новом исследовании Коллинз и Ян решили применить подход машинного обучения, чтобы выяснить, как это происходит и каковы последствия.
Прежде чем начать компьютерное моделирование, исследователи провели сотни экспериментов с кишечной палочкой. Они лечили бактерии одним из трех антибиотиков - ампициллином, ципрофлоксацином или гентамицином, и в каждом эксперименте они также добавляли один из примерно 200 различных метаболитов, включая множество аминокислот, углеводов и нуклеотидов (строительных блоков ДНК).. Для каждой комбинации антибиотиков и метаболитов они измерили влияние на выживаемость клеток.
«Мы использовали разнообразный набор метаболических возмущений, чтобы увидеть последствия нарушения метаболизма нуклеотидов, метаболизма аминокислот и других видов метаболических подсетей», - говорит Ян.«Мы хотели фундаментально понять, какие ранее не описанные метаболические пути могут быть важны для нас, чтобы понять, как убивают антибиотики».
Многие другие исследователи использовали модели машинного обучения для анализа данных биологических экспериментов, обучая алгоритм генерировать прогнозы на основе экспериментальных данных. Однако эти модели обычно являются «черными ящиками», то есть они не раскрывают механизмы, лежащие в основе их предсказаний.
Чтобы обойти эту проблему, команда Массачусетского технологического института применила новый подход, который они называют машинным обучением «белого ящика». Вместо того, чтобы вводить свои данные непосредственно в алгоритм машинного обучения, они сначала прогнали их через компьютерную модель метаболизма кишечной палочки в масштабе генома, которая была охарактеризована в лаборатории Палссона. Это позволило им создать массив «метаболических состояний», описываемых данными. Затем они передали эти состояния алгоритму машинного обучения, который смог определить связи между различными состояниями и результатами лечения антибиотиками.
Поскольку исследователи уже знали экспериментальные условия, вызывающие каждое состояние, они смогли определить, какие метаболические пути ответственны за более высокий уровень гибели клеток.
Здесь мы демонстрируем, что если сетевое моделирование сначала интерпретирует данные, а затем алгоритм машинного обучения строит прогностическую модель для наших фенотипов летальности антибиотиков, элементы, которые выбираются этой прогностической моделью, сами напрямую сопоставить пути, которые мы смогли подтвердить экспериментально, что очень интересно», - говорит Ян.
Метаболический стресс
Эта модель привела к новому открытию того, что метаболизм нуклеотидов, особенно метаболизм пуринов, таких как аденин, играет ключевую роль в способности антибиотиков убивать бактериальные клетки. Лечение антибиотиками приводит к клеточному стрессу, из-за которого в клетках истощаются пуриновые нуклеотиды. Попытки клеток увеличить производство этих нуклеотидов, которые необходимы для копирования ДНК, повышают общий метаболизм клеток и приводят к накоплению вредных побочных продуктов метаболизма, которые могут убить клетки.
Теперь мы полагаем, что в ответ на это очень серьезное истощение пуринов клетки включают метаболизм пуринов, чтобы попытаться справиться с этим, но сам метаболизм пуринов очень затратен с точки зрения энергии, и поэтому это усиливает энергетический дисбаланс. что клетки уже обращены», - говорит Ян.
Выводы показывают, что можно усилить действие некоторых антибиотиков, вводя их вместе с другими препаратами, стимулирующими метаболическую активность. «Если мы сможем перевести клетки в более энергетически стрессовое состояние и заставить их активизировать метаболическую активность, это может стать способом усилить действие антибиотиков», - говорит Ян.
Подход к моделированию «белого ящика», используемый в этом исследовании, также может быть полезен для изучения того, как различные типы лекарств влияют на такие заболевания, как рак, диабет или нейродегенеративные заболевания, говорят исследователи. В настоящее время они используют аналогичный подход для изучения того, как туберкулез выживает при лечении антибиотиками и становится устойчивым к лекарствам.
Исследование финансировалось Агентством по уменьшению угрозы обороны, Национальными институтами здравоохранения, Фондом Ново Нордиск, Группой Пола Г. Аллена Frontiers, Институтом Броуда Массачусетского технологического института и Гарварда, а также Институтом биологического вдохновения Висса. Инженерия.