Gli agenti patogeni sono assolutamente adattabili e la loro capacità di proteggersi dagli antibiotici rappresenta sempre più una preoccupazione per la salute pubblica. Un gruppo di ricerca guidato dal Los Alamos National Laboratory ha utilizzato l’apprendimento automatico, un’applicazione dell’intelligenza artificiale, per identificare proprietà molecolari che potrebbero guidare la scoperta di nuovi tipi di antibiotici, soprattutto tra i patogeni ritenuti critici dall’Organizzazione Mondiale della Sanità a causa del loro alto contenuto batterico. resistenza.
I risultati sono pubblicati sulla rivista Communications Chemistry .
"Alcuni agenti patogeni hanno proprietà che li rendono molto efficaci nel resistere agli antibiotici", ha affermato Gnana Gnanakaran, scienziata di Los Alamos. "La scoperta di composti specifici in grado di permeare e inibire alcuni agenti patogeni è una sfida come un ago nel pagliaio a causa della vasta eterogeneità e profondità dello spazio chimico e della complessità delle interazioni molecolari attraverso le membrane batteriche. L'approccio che adottiamo è in grado di sondare i profili batterio-specifici a livello molecolare necessari che possono essere utilizzati per sviluppare con successo farmaci."
I batteri Gram-negativi hanno una membrana esterna meno permeabile all'attacco dei composti, come quelli che compongono gli antibiotici, e i batteri possono anche espellere i composti che riescono a penetrare all'interno, riducendo l'efficacia di un antibiotico.
I modelli basati sui dati hanno il potenziale per identificare proprietà molecolari che potrebbero superare tali difese batteriche, ma calcoli accurati per effettuare tali determinazioni sono impegnativi e utilizzano estese risorse informatiche. I composti chimicamente diversi possono contenere molte proprietà rilevanti; lo studio basato sull'apprendimento automatico ha ridotto lo spettro rilevante di tali proprietà e stabilito regole empiriche che avrebbero previsto la capacità del composto di permeare la membrana esterna dei batteri.
Concentrandosi specificamente sui batteri gram-negativi Pseudomonas aeruginosa, il gruppo di ricerca ha sviluppato un modello di apprendimento automatico per identificare i descrittori rilevanti associati ai composti e prevedere il successo di tali composti nel permeare le membrane esterne dei batteri ed evitarne l'espulsione. Il team si è affidato alle capacità di calcolo ad alte prestazioni di Los Alamos per estrarre le proprietà molecolari della permeazione da simulazioni che prendevano in considerazione 1.260 composti chimicamente diversi mentre attraversavano la membrana batterica.
La loro analisi getta nuova luce sulle proprietà chiave di cui i candidati farmaci hanno bisogno per permeare efficacemente Pseudomonas aeruginosa e apre le porte a studi simili basati sui dati in altri patogeni gram-negativi.
"Le tecniche di apprendimento automatico che abbiamo impiegato in questa analisi indicano un approccio promettente per studi simili basati sui dati in altre membrane biologiche, inclusa la barriera emato-encefalica", ha affermato Gnanakaran.
Ulteriori informazioni: Pedro D. Manrique et al, Previsione della permeazione di composti attraverso la membrana esterna di P. aeruginosa utilizzando descrittori molecolari, Chimica delle comunicazioni (2024). DOI:10.1038/s42004-024-01161-y
Informazioni sul giornale: Chimica delle comunicazioni
Fornito dal Los Alamos National Laboratory
