AI

Nov 13, 2023

Credito: wochit

Gli scienziati del Machine Biology Group dell’Università della Pennsylvania hanno sviluppato quello che chiamano un approccio rivoluzionario alla scoperta di farmaci, che utilizza l’intelligenza artificiale per scoprire antibiotici in organismi estinti. In uno studio appena pubblicato su Cell Host and Microbe, il team ha descritto l’uso della tecnologia di “de-estinzione molecolare” per scoprire peptidi antimicrobici (AMP) nei nostri parenti più stretti ominidi, i Neanderthal e i Denisoviani. I test iniziali hanno dimostrato che i peptidi arcaici recentemente scoperti, criptati in queste proteine ​​umane estinte, mostravano attività antinfettiva contro le infezioni batteriche in diversi modelli preclinici in vivo. Il risultato potrebbe segnare l’inizio di un nuovo capitolo nella ricerca di antibiotici e altre preziose biomolecole, consentendo agli scienziati di sfruttare l’intelligenza artificiale ed esplorare sistematicamente organismi estinti da tempo per aiutarci a comprendere meglio la diversità molecolare e lo spazio delle sequenze della vita.

L’autore senior e corrispondente César de la Fuente-Nunez, PhD, e colleghi hanno riferito del loro studio in un articolo intitolato “De-extinction molecolare dei peptidi antimicrobici abilitata dall’apprendimento automatico”. Nel loro articolo, il team ha concluso: “Questi risultati suggeriscono che la prospezione di peptidi crittografati (EP) basata sull’apprendimento automatico può identificare AMP stabili e non tossici… stabiliamo la deistinzione molecolare attraverso l’estrazione del paleoproteoma come quadro per la scoperta di farmaci antibatterici”.

La de-estinzione si riferisce al processo di resurrezione di specie estinte e l’attenzione si è concentrata principalmente sulla resurrezione di interi organismi. “L’idea di reintrodurre organismi estinti in ambienti esistenti ha catturato l’immaginazione pubblica e scientifica”, hanno scritto gli autori, ma questo concetto solleva “profonde questioni etiche ed ecologiche”. Al contrario, la de-estinzione molecolare mira a resuscitare molecole estinte – acidi nucleici, proteine ​​e altri composti non più codificati dagli organismi viventi – piuttosto che gli organismi completi, come mezzo per affrontare le sfide contemporanee. "Sintetizzando solo composti isolati, la disestinzione molecolare aggira molti dei problemi etici e tecnici posti dalla disestinzione dell'intero organismo", hanno continuato i ricercatori. “Tali molecole potrebbero essere di utilità biomedica o economica rafforzando le difese contro le sfide future che assomigliano a fattori di stress provenienti da ambienti passati, compresi i cambiamenti climatici o le epidemie di malattie infettive”.

Tecnicamente, la disestinzione molecolare offre un processo più realizzabile e controllabile rispetto alla resurrezione di interi organismi. Questo approccio sfrutta le più recenti funzionalità di apprendimento automatico, biologia sintetica e chimica per scoprire, sintetizzare e testare molecole estinte in un ambiente di laboratorio. Gli scienziati hanno quindi l’opportunità di attingere allo spazio delle sequenze molecolari precedentemente inesplorato e ottenere informazioni sulla storia evolutiva e sulle potenziali funzionalità di queste molecole senza la necessità di impegnative procedure di de-estinzione.

Per il loro studio appena pubblicato, i ricercatori hanno utilizzato la strategia di de-estinzione molecolare guidata dall’intelligenza artificiale per ricercare peptidi antimicrobici – peptidi crittografati – nascosti all’interno di proteine ​​umane estinte ed esistenti. Per raggiungere questo obiettivo, hanno sfruttato il modello di apprendimento automatico panCleave, progettato per la previsione del sito di clivaggio dell’intero proteoma. "Questo strumento di apprendimento automatico (ML) open source sfrutta un classificatore del sito di scissione della pan-proteasi per eseguire la proteolisi computazionale: la digestione in silico delle proteine ​​umane in frammenti peptidici", hanno spiegato. Sorprendentemente, gli scienziati hanno scoperto che questo modello di apprendimento automatico ha sovraperformato diversi classificatori di siti di clivaggio specifici della proteasi per tre caspasi umane moderne, nonostante il suo design pan-proteasico.

Esperimenti in vitro hanno rivelato l'attività antimicrobica sia degli EP moderni (MEP) che dei frammenti proteici arcaici identificati utilizzando l'approccio di apprendimento automatico. Il team ha valutato ulteriormente i peptidi di piombo per comprenderne il meccanismo d'azione, la resistenza alla proteolisi e l'efficacia come agenti anti-infettivi in ​​due modelli murini preclinici. “L’attività antimicrobica è stata osservata in vitro per frammenti proteici moderni e arcaici identificati con panCleave. I peptidi di piombo hanno mostrato resistenza alla proteolisi e hanno mostrato una permeabilizzazione della membrana variabile”, hanno scritto.