Plattform für maschinelles Lernen sucht in der Natur nach neuen Medikamenten

Forscher der Abteilung für Computerbiologie der Carnegie Mellon University an der School of Computer Science haben ein neues Verfahren entwickelt, das die Suche nach natürlichen Arzneimitteln zur Behandlung von Krebs, Virusinfektionen und anderen Krankheiten neu beleben könnte.

Die vom Metabolomics and Metagenomics Lab entwickelten maschinellen Lernalgorithmen gleichen die Signale der Metaboliten einer Mikrobe mit ihren genomischen Signalen ab und identifizieren, welche wahrscheinlich einem Naturstoff entsprechen. Mit diesem Wissen sind Forscher besser gerüstet, um den Naturstoff zu isolieren, um mit der Entwicklung für ein mögliches Medikament zu beginnen.

„Natürliche Produkte sind immer noch einer der erfolgreichsten Wege für die Wirkstoffforschung“, sagt Bahar Behsaz, Projektwissenschaftler im Labor und Hauptautor eines Artikels über den Prozess. „Und wir glauben, dass wir mit einem Algorithmus wie unserem noch weiter gehen können. Unser Rechenmodell ist um Größenordnungen schneller und empfindlicher.“

In einer einzigen Studie konnte das Team die Metabolomik- und Genomdaten auf etwa 200 Mikrobenstämme scannen. Der Algorithmus identifizierte nicht nur die Hunderte von Naturstoff-Medikamenten, die die Forscher erwarteten, sondern entdeckte auch vier neuartige Naturstoffe, die für die zukünftige Medikamentenentwicklung vielversprechend erscheinen. Die Arbeit des Teams wurde kürzlich in . veröffentlicht Naturkommunikation.

Der Artikel “Integrating Genomics and Metabolomics for Scalable Non-Ribosomal Peptide Discovery” skizziert die Entwicklung des Teams von NRPminer, einem Tool für künstliche Intelligenz, das bei der Entdeckung nicht-ribosomaler Peptide (NRPs) helfen soll. NRPs sind ein wichtiger Naturstoff und werden zur Herstellung vieler Antibiotika, Krebsmedikamente und anderer klinisch verwendeter Medikamente verwendet. Sie sind jedoch schwer zu erkennen und noch schwieriger als potenziell nützlich zu identifizieren.

„Das Einzigartige an unserem Ansatz ist, dass unsere Technologie sehr empfindlich ist. Sie kann Moleküle mit einer Menge von Nanogrammen nachweisen“, sagte Hosein Mohimani, Assistenzprofessor und Leiter des Labors. “Wir können Dinge entdecken, die unter dem Gras verborgen sind.”

Lesen Sie auch  Wann ist es am besten, mir Blumen zu schicken? Jeder Tag, der mit einem 'y' endet, reicht aus | Gesundheit & Wohlbefinden

Die meisten der entdeckten und weit verbreiteten antibiotischen, antimykotischen und vielen Antitumor-Medikamente stammen aus Naturprodukten.

Penicillin gehört zu den am häufigsten verwendeten und bekanntesten Arzneimitteln, die aus Naturstoffen gewonnen werden. Es wurde zum Teil durch Glück entdeckt, ebenso wie viele der aus Naturstoffen hergestellten Medikamente. Aber dieses Glück zu reproduzieren ist im Labor und im Maßstab schwierig. Der Versuch, natürliche Produkte aufzudecken, ist auch zeit- und arbeitsintensiv und kostet oft Jahre und Millionen von Dollar. Große Pharmakonzerne haben die Suche nach neuen Naturprodukten in den letzten Jahrzehnten größtenteils aufgegeben.

Durch die Anwendung von maschinellen Lernalgorithmen auf das Studium der Genomik haben Forscher jedoch neue Möglichkeiten geschaffen, um Naturstoffe zu identifizieren und zu isolieren, die von Vorteil sein könnten.

“Unsere Hoffnung ist, dass wir dies vorantreiben und andere natürliche Arzneimittelkandidaten entdecken und diese dann in eine Phase entwickeln können, die für Pharmaunternehmen attraktiv wäre”, sagte Mohimani. “Bahar Behsaz und ich erweitern unsere Entdeckungsmethoden auf verschiedene Klassen von Naturstoffen in einem für die Kommerzialisierung geeigneten Maßstab.”

Das Team untersucht bereits die vier neuen Naturstoffe, die während ihrer Studie entdeckt wurden. Die Produkte werden von einem Team unter der Leitung von Helga Bode, Leiterin des Instituts für Molekulare Biowissenschaften der Goethe-Universität in Deutschland, analysiert, und zwei haben potenzielle Antimalariaeigenschaften.

Diese Studie wurde in Zusammenarbeit mit Forschern der University of California San Diego durchgeführt; Universität Sankt Petersburg; das Max-Planck-Institut; Goethe-Universität; die Universität von Wisconsin, Madison; und das Jackson-Labor.

Geschichte Quelle:

Materialien zur Verfügung gestellt von Carnegie Mellon Universität. Original geschrieben von Aaron Aupperlee. Hinweis: Der Inhalt kann hinsichtlich Stil und Länge bearbeitet werden.

.

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.