A Pennsylvaniai Egyetem kutatói mesterséges intelligenciát (MI) alkalmaztak arra, hogy olyan rövid peptideket keressenek, amelyekből új antibiotikumok fejleszthetők. Az APEX nevű gépi tanulási rendszerrel a csapat 19,3 millió rövid peptidfragmentumot elemezett, amelyek 2 897 prion- és prionszerű fehérjéhez tartoztak, és emberekből, egerekből, tehenekből, csupasz turkálókból és más állatokból származtak.
A MI-elemzés 1 179 antimikrobiális peptidjelöltet azonosított, amelyeket a kutatók „prioninoknak” neveztek el. A kutatók közülük a 75 legígéretesebbet választották ki további vizsgálatra, és ezek működését in vitro tesztekben ellenőrizték 11 különböző baktériummal szemben, köztük gyógyszerrezisztens törzsekkel.
A vizsgálatok eredménye szerint a 75 közül legalább 59 peptid gátolt legalább egy baktériumot, míg 42 peptid alacsony koncentrációban is erős antimikrobiális aktivitást mutatott. A hatásmechanizmus alapján a prionokból származó peptidek főként a baktériummembránokat rongálták meg, hasonló módon, ahogy számos ismert peptid antibiotikum működik. Az eredményeket a Nature Microbiology című szaklapban közölték.
Miért érdekes ez, és miért vet fel kérdéseket?
A prionok fehérje alapú fertőző ágensek: képesek azonos fajból származó homológ fehérjéket kóros, önfenntartó térszerkezetbe kényszeríteni, ami további prionok képződéséhez vezet. Bár nem rendelkeznek genetikai örökítőanyaggal, és nem „élnek” a klasszikus értelemben, bejutva a szervezetbe súlyos, sokszor halálos betegségeket okozhatnak (például Creutzfeldt–Jakob‑szindrómát). Emellett a prionok a hagyományos sterilizálási módszerekre — például forralásra — ellenállóak, ezért a prionbetegségek gyógyítása és a fertőzések megfékezése különleges nehézséget jelent.
Ezek miatt felmerül a biológiai kockázat kérdése: bár a prionokból származó peptidek ígéretes antimikrobiális hatást mutatnak, forrásuk olyan szerkezetekhez köthető, amelyek fertőzőképesek és különleges kezelést igényelnek. A kutatók ezért azt hangsúlyozzák, hogy a prionokhoz kapcsolódó peptidek további vizsgálata és fejlesztése során különös körültekintés szükséges.
Mit jelent ez a gyógyszerkutatás számára?
A szerzők szerint az eredmények igazolják, hogy érdemes kutatni olyan peptideket, amelyek emberi fehérjékben, kihalt organizmusokban vagy más, eddig kevésbé vizsgált forrásokban találhatók. A mesterséges intelligencia alkalmazása lehetővé teszi nagyszámú peptidfragmentum gyors szűrését és priorizálását, ami jelentős előrelépés lehet az antibiotikum‑kutatásban — feltéve, hogy a biosafety kérdéseket és a prion eredetű kockázatokat megfelelően kezelik.
Az eredményeket részben ismertette az IFLScience, a teljes kutatás pedig a Nature Microbiology hasábjain jelent meg.
