You are currently viewing یادگیری ماشینی کاندیداهای امیدبخش داروهای ضد باکتری مبتنی بر روتنیوم را شناسایی می کند |  پژوهش

یادگیری ماشینی کاندیداهای امیدبخش داروهای ضد باکتری مبتنی بر روتنیوم را شناسایی می کند | پژوهش


یک مدل یادگیری ماشینی ایجاد شده است که می تواند نامزدهای آنتی بیوتیک های مبتنی بر روتنیوم را شناسایی کند. این الگوریتم با مجموعه آموزشی کوچکی از تنها 288 ترکیب آلی فلزی ضد باکتری، میلیون‌ها ساختار را اسکن کرد و فعال‌ترین آنها را در برابر باکتری‌های مقاوم انتخاب کرد. امیدوارکننده ترین کاندیداها مورد آزمایش قرار گرفتند و تقریباً شش برابر بیشتر از مجموعه آموزشی فعالیت آنتی بیوتیکی نشان دادند.

نویسنده اصلی می‌گوید: آنتی‌بیوتیک‌ها به سنگ بنای اکثر پزشکی مدرن تبدیل شده‌اند، زیرا بسیاری از درمان‌های بیمارستانی به آنتی‌بیوتیک‌ها به عنوان معیاری برای کنترل عفونت متکی هستند. آنجلو فری از دانشگاه برن سوئیس با این حال، افزایش مقاومت باکتریایی به این داروها به یک مشکل جدی تبدیل شده است. به تازگی، محققان پتانسیل ضد میکروبی های مبتنی بر فلز را تشخیص داده اند – شامل روتنیوم مجتمع ها در مقایسه با مواد شیمیایی سنتی آلی مبتنی بر کربن، ترکیبات فلزی 10 برابر بیشتر در برابر باکتری ها فعال هستند. و لزوما برای انسان سمی تر نیستندفرای توضیح می دهد. او می افزاید: «آنها دسته عظیمی از ترکیبات را نشان می دهند که برای استفاده از آن در پزشکی تا حد زیادی ناشناخته باقی می مانند. ترکیبات روتنیوم نیز به راحتی سنتز می شوند و تحقیقات آنها را به عنوان کاندیدهای دارویی آسان تر می کند.

فرای می گوید که تیم ابتدا از یک رویکرد شیمی ترکیبی که توسط یکی از نویسندگان همکار توسعه داده شده است استفاده کرد وی هان آنگ برای ایجاد یک کتابخانه از 288 ترکیب روتنیم که سپس در برابر مقاومت متی سیلین مورد آزمایش قرار گرفتند استافیلوکوکوس اورئوس (MRSA). او می افزاید: «ما دریافتیم که مقدار قابل توجهی (9.4 درصد) فعال بود و … از این داده ها برای آموزش مدل های یادگیری ماشینی برای پیش بینی فعالیت در برابر MRSA استفاده کرد. پس از این مراحل اولیه، محققان یک کتابخانه مجازی از 77 میلیون مجتمع روتنیم ساختند. سپس الگوریتم دو میلیون ساختار فعال بالقوه را شناسایی کرد. برای آزمایش پیش‌بینی‌ها، تیم نمونه کوچک‌تری از 54 ساختار را جمع‌آوری کرد و آنها را در آزمایشگاه در برابر MRSA آزمایش کرد. فرای می‌گوید: «53.7 درصد از این ترکیبات فعال بودند که نشان‌دهنده نرخ ضربه 5.7 برابر بیشتر از غربالگری اولیه است».

معادله شیمیایی نشان می دهد که یک آرن روتنیم با پیکولین آلدئید و یک مشتق آنیلین واکنش می دهد و یک کمپلکس RAS را تشکیل می دهد.

توضیح می‌دهد: «ترکیبات آلی فلزی اغلب مکانیسم‌های اثر متفاوتی در مقایسه با آنتی‌بیوتیک‌های آلی سنتی دارند که می‌تواند در غلبه بر مکانیسم‌های مقاومت موجود مفید باشد». کنسپیون جیمنو، کارشناس متالورژی در موسسه سنتز شیمیایی و کاتالیز همگن در ساراگوزا، اسپانیا. جیمنو می‌افزاید: از ویژگی‌های جالب کمپلکس‌های روتنیم می‌توان به “زیست سازگاری و سمیت بسیار کم در مقایسه با سایر مجتمع‌های فلزی” اشاره کرد. کمپلکس‌های روتنیم در حال حاضر در آزمایش‌های بالینی برای سرطان در حال بررسی هستند.

نیلز متزلر-نولتهمتخصص شیمی بیوان آلی در دانشگاه روهر در بوخوم، آلمان، تطبیق پذیری این روش را تحسین می کند. او توضیح می دهد: «بر اساس کار قبلی در شیمی ترکیبی توسط گروه Ang… یک واکنش ساده یک گلدانی بیش از 250 ترکیب با اشکال و خواص سه بعدی بسیار متفاوت را به دست می دهد. وقتی فضای سه بعدی را که با این ترکیبات نقشه برداری شده است، کاملاً بی نظیر است.» این یک جنبه جذاب از کمپلکس های آلی فلزی است – «ترکیبات با ساختارهای کاملاً جدید و خواص شیمیایی [could offer] متزلر-نولت می گوید آنتی بیوتیک هایی با روش های جدید و بی سابقه ای از عملکرد.

اگرچه روتنیوم نسبتاً گران و کمیاب است، سنتز آن فقط بین یک تا سه مرحله است که در مقایسه با داروهای موجود تجاری بسیار مقرون به صرفه است. متزلر-نولته خاطرنشان می‌کند: «به‌علاوه، هزینه کشف و توسعه دارو توسط هزینه سنتز تعیین نمی‌شود، بلکه هزینه‌های هنگفت آزمایش‌های بالینی است».

گیمنو می‌گوید: «مطالعات بعدی شامل یک سری اعتبارسنجی تجربی و محاسباتی برای تأیید و اصلاح پیش‌بینی‌ها، سپس سنتز، خصوصیات، سنجش‌های زیستی، طراحی تکراری و موارد دیگر خواهد بود». شاید مهم‌تر از همه، شبیه‌سازی‌های مولکولی به درک نحوه عملکرد آنتی‌بیوتیکی غیرعادی این مجتمع‌های فلزی و همچنین هرگونه مقاومت مشاهده‌شده کمک کند. فری می‌گوید: «برخی از مطالعات نشان داده‌اند که مقاومت بسیار کمی در برابر ترکیبات فلزی وجود ندارد، اما من فکر می‌کنم که دست کم گرفتن باکتری‌ها احمقانه است.» “هدف اول ما تولید داده های بیشتر و کتابخانه های بزرگتر است… برای پوشش بیشتر جدول تناوبی و … برای پیش بینی ویژگی های خاص تر، مانند درجه فعالیت و سمیت.”



Source link