当前位置: 首页 > news >正文

纯数据挖掘也能发Microbiome?

抗生素滥用导致多重耐药微生物在全球蔓延,但新型抗生素的研发进展缓慢,亟需找到替代抗生素的新型防御策略。抗菌肽(AMPs)作为天然防御分子,具有低耐药潜力和广谱活性。德国小蠊(Blattella germanica)生活方式较为复杂,作为携带多种病原体的昆虫,其肠道微生物组为挖掘新型AMPs提供了独特资源。

2024年Microbiome一篇文章通过跨学科策略揭示了昆虫共生微生物中AMPs的医学潜力,为抗感染药物开发提供了新方向。

图片

 期刊:Microbiome

 影响因子:15.1

 发表时间:2024

1、研究背景

AMP是一类进化形成的大分子,通过破坏细菌细胞膜实现抗菌作用,但AMPs本身临床应用较为困难,需要评估其在体内稳定性及潜在的毒性影响。哺乳动物或昆虫在进化的过程中,肠道微生物群落可能会编码高度选择性的AMP来对抗病原微生物,而不会对宿主造成细胞毒性。

2、研究背景

研究设计开发了深度学习工具“AMPIdentifier”,并基于该工具分析了B. germanica的6个生长阶段的12个样本的肠道微生物组数据,从结果中筛选抗菌肽进行体外实验验证。

图片

3、主要结果

(1)来自蟑螂肠道微生物群的潜在AMP

研究基于深度人工学习策略开发的AMPidentifier工具,对德国小蠊肠道微生物进行AMP预测,共获得565,655个潜在肽,其中79种肽被预测为潜在抗菌肽。最终筛选了5种肽用于进一步实验验证。

图片

1.软件预测及AMP筛选

(2)潜在抗菌活性AMP的体外验证

针对上一步获得的5个AMP进行体外验证,发现其中AMP1具有广谱抗菌活性,对枯草杆菌23 857、金黄色葡萄球菌6538和大肠杆菌25404有显著效果。此外AMP1具有低毒性,在100uM的浓度下,哺乳动物C2C12细胞的平均存活率为87.0±8.4%。

图片

图2 体外验证AMP抗菌效果及细胞毒性

(3)AMP1的抗菌机制

研究结合共聚焦显微镜观察AMP1的抗菌机制,发现AMP1可以在1分钟内迅速渗透到细胞中,并随着时间的推移在细胞内逐渐积累。结合扫描电镜发现AMP1可能具有抑制细胞壁合成的细胞内靶点,此外还会导致膜去极化。同时还发现AMP1携带两个Trp残基,这一基团可能与AMP1稳定性和抗菌效力有关。

图片

图3  AMP1的作用机制

(4)动物实验验证

动物模型中,AMP1显著促进金黄色葡萄球菌感染伤口的愈合,疗效媲美万古霉素。这一点和以往研究相同,AMP在体内能够利用免疫调节和组织再生功能,抗菌效果比体外更好。

图片

图4  动物模型抗菌效果

3、研究总结

本研究开发并展示了通过软件从微生物组数据中挖掘新型AMPs的可能性,为抗菌药物研发带来了新的方向。但挖掘出的AMP作用机制、稳定性及分子靶点仍需要进一步探讨及优化,探索其在更复杂动物模型中的应用。

利用现有的肠道和环境宏基因组数据进行AMP挖掘,可以抗菌药物研发带来了新的方向。凌恩生物新推出基于宏基因组的AMP分析,根据 Cell 论文(doi:10.1016/j.cell.2024.05.013)的方法,进行AMPs 的鉴定并分析AMP在宏样本中的分布、丰度。感兴趣的老师快来联xi吧~

参考文献

Chen, S., Qi, H., Zhu, X. et al. Screening and identification of antimicrobial peptides from the gut microbiome of cockroach Blattella germanica. Microbiome 12, 272 (2024). https://doi.org/10.1186/s40168-024-01985-9

相关文章:

  • 基于大数据的个性化购房推荐系统设计与实现(源码+定制+开发)面向房产电商的智能购房推荐与数据可视化系统 基于Spark与Hive的房源数据挖掘与推荐系统设计
  • MCP入门实战(极简案例)
  • OPC Client第6讲(wxwidgets):Logger.h日志记录文件(单例模式);登录后的主界面
  • 基于python脚本进行Maxwell自动化仿真
  • 零基础开始的网工之路第十六天------Linux日志管理
  • 【AI论文】论文转海报:迈向从科学论文到多模态海报的自动化生成
  • 详解GPU
  • DAY 14 SHAP库的绘制
  • DrissionPage ChromiumPage模式:浏览器自动化的高效利器
  • 【MySQL】联合查询(下)
  • 小白畅通Linux之旅-----Linux安全管理
  • 位集合(STL bitset)简介
  • 论文略读: STREAMLINING REDUNDANT LAYERS TO COMPRESS LARGE LANGUAGE MODELS
  • 霹雳吧啦Wz_深度学习-图像分类篇章_1.1 卷积神经网络基础_笔记
  • Ubuntu 和 Linux 命令行是高度通用的
  • MySql(六)
  • 【大模型02】Deepseek使用和prompt工程
  • Python 基于卷积神经网络手写数字识别
  • 基于ELK的分布式日志实时分析与可视化系统设计
  • PHP序列化和反序列化
  • 自己电脑做网站访问速度/做个电商平台要多少钱
  • 太原网站公司/找谁做百度关键词排名
  • 网站建设与设计方案/网店运营推广实训
  • 网站等保测评怎么做/网络营销图片
  • 哈尔滨建设局网站首页/长尾关键词爱站网
  • 邢台市人民医院官网/唐山seo