Un flujo de trabajo para el desarrollo de novo de AMP mediante aprendizaje profundo y biosíntesis libre de células. Autocodificadores diferenciales generativos (VAE) para el diseño de novo de AMP después del entrenamiento en secuencias de AMP conocidas. b Redes neuronales predictivas convolucionales o recurrentes como regresores para la predicción de MIC después del entrenamiento en AMP conocidos y sus MIC. c Se utilizan modelos generativos y predictivos entrenados para el muestreo del espacio latente (diseño de novo de AMP) y la preferencia de AMP (predicción de su MIC), respectivamente. d Tubería experimental para la biosíntesis rápida sin células de AMP diseñada a partir de fragmentos de ADN sintéticos y ensayo directo de AMP producidos en una mezcla sin células después de ensayos de crecimiento continuo durante la noche para cultivos bacterianos. Creado con BioRender.com. Crédito: Comunicaciones de la naturaleza (2023) DOI: 10.1038/s41467-023-42434-9
La creciente resistencia de las bacterias a los antibióticos plantea una amenaza para la salud mundial. Ahora, investigadores del Instituto Max Planck de Microbiología Terrestre en Marburg, Alemania, han combinado biología sintética e inteligencia artificial (IA) para desarrollar un método más eficiente para descubrir y crear nuevos péptidos antimicrobianos. Su artículo fue publicado en la revista Comunicaciones de la naturaleza.
Los péptidos bioactivos juegan un papel importante en la salud y la medicina. Actualmente se utilizan más de 80 fármacos basados en péptidos, todos ellos aislados de fuentes naturales. Sin embargo, se estima que la resistencia a los antibióticos causa más de 1 millón de muertes cada año en todo el mundo. Se espera que esta cifra aumente a 10 millones para 2050, lo que creará una necesidad urgente de enfoques innovadores para acelerar el desarrollo de nuevos antimicrobianos. Aún queda por descubrir un número estimado de entre 2.010 y 2.030 péptidos diferentes, potencialmente sin explotar en el espacio natural.
Una tubería para nuevos péptidos bioactivos
En colaboración con varios laboratorios del Instituto Max Planck de Microbiología Terrestre, la Universidad de Marburg, el Instituto Max Planck de Biofísica, el Instituto Bundeswehr de Microbiología, el Instituto Eilung y el INRAe Francia, un equipo de científicos del Instituto Max Planck, Tobias Erb, desarrolló una nueva línea para el desarrollo de péptidos bioactivos.
«En el aprendizaje profundo, las redes neuronales (algoritmos inspirados en el cerebro humano) aprenden de grandes cantidades de datos. Este tipo de aprendizaje automático es muy prometedor para el descubrimiento de péptidos y el diseño de novo. Sin embargo, suele ir seguido de la síntesis química de péptidos. Para la validación experimental, esto es difícil y requiere mucho tiempo, y químicamente limita severamente la cantidad de péptidos que se pueden sintetizar», explica Amir Pandey, autor principal del estudio.
Para superar estas limitaciones, el equipo de investigación estableció un sistema de síntesis de proteínas sin células para la producción rápida y rentable de péptidos antimicrobianos directamente a partir de plantillas de ADN. El nuevo protocolo proporciona un método rápido, de bajo costo y de alto rendimiento para la detección de péptidos antimicrobianos.
El equipo primero utilizó el aprendizaje profundo generativo para diseñar miles de péptidos antimicrobianos de novo y luego utilizó el aprendizaje profundo predictivo para reducirlos a 500 candidatos. De estos, el cribado con una tubería libre de células identificó 30 péptidos funcionales, que los investigadores caracterizaron además mediante simulaciones de dinámica molecular, actividad antimicrobiana y toxicidad.
Actividad de amplio espectro contra patógenos.
En particular, seis de los péptidos de novo exhibieron actividad de amplio espectro contra patógenos resistentes a múltiples fármacos y no desarrollaron resistencia bacteriana. «Nos hemos beneficiado enormemente de la combinación de biología sintética libre de células, inteligencia artificial y metodología de alto rendimiento. Al aumentar el número de candidatos que pueden probarse clínicamente en menos de 24 horas, hemos aumentado las posibilidades de descubrir péptidos antimicrobianos activos «, dice Pandey.
«Por lo tanto, nuestra línea de síntesis de proteínas libres de células no sólo complementa los avances recientes en el diseño computacional. También tiene el potencial de explorar de manera más rápida y rentable la relación entre el diseño y la función de los péptidos bioactivos».
Tobias Erb, «Este nuevo enfoque en la interfaz de la biología sintética y el aprendizaje automático será de interés para los científicos que trabajan en los campos de la biomedicina y los péptidos bioactivos».
Los próximos pasos incluyen mejorar aún más el rendimiento de la producción de péptidos, así como aplicar métodos de IA y biología sintética para diseñar nuevos péptidos antimicrobianos que sean más estables y menos tóxicos o que agreguen un modo de acción específico. Los investigadores planean aplicar modelos generativos profundos mejorados, donde la máquina aprende representaciones moleculares de los rasgos deseados, lo que podría mejorar la tasa de éxito en la identificación de candidatos activos.
Más información:
Amir Pandey et al., La biosíntesis libre de células combinada con el aprendizaje profundo acelera el desarrollo de novo de péptidos antimicrobianos, Comunicaciones de la naturaleza (2023) DOI: 10.1038/s41467-023-42434-9
Proporcionado por la Sociedad Max Planck
referencia: Nuevo método combina biología sintética con IA en el descubrimiento sin células de nuevos antibióticos (20 de noviembre de 2023) Consultado el 20 de noviembre de 2023 en https://phys.org/news/2023-11-method-combines-synthetic-biology-ai .html
Este documento está sujeto a derechos de autor. Ninguna parte puede reproducirse sin permiso por escrito, excepto en cualquier trato justo con fines de estudio o investigación privados. El contenido se proporciona únicamente con fines informativos.