AMPlify: модель глубокого обучения с механизмом внимания для выявления новых антимикробных пептидов, эффективных против приоритетных патогенов ВОЗ

Введение: Устойчивость к антибиотикам представляет собой растущую глобальную угрозу для здоровья населения и побуждает исследователей искать альтернативы традиционным антибиотикам. Антимикробные пептиды вновь привлекают внимание как перспективные терапевтические средства, а компьютерные методы поиска новых антимикробных пептидов становятся всё более востребованными. Такие методы позволяют анализировать большие массивы кандидатных последовательностей и снижать затраты на лабораторный скрининг.

Результаты: Мы представили AMPlify — модель глубокого обучения с механизмом внимания для прогнозирования антимикробных пептидов, и продемонстрировали её применимость для приоритизации пептидных последовательностей, полученных из генома лягушки-быка Rana [Lithobates] catesbeiana. Биологическую активность предсказанных пептидов оценивали на панели видов бактерий, включая представителей списка приоритетных патогенов Всемирной организации здравоохранения. Четыре новых антимикробных пептида проявляли активность против нескольких видов бактерий, включая мультирезистентный изолят кишечной палочки Escherichia coli, продуцирующий карбапенемазу.

Выводы: Мы продемонстрировали применимость инструментов на основе глубокого обучения, таких как AMPlify, в борьбе с устойчивостью к антибиотикам. Ожидается, что такие инструменты будут играть значимую роль в выявлении новых кандидатов для создания пептидных альтернатив классическим антибиотикам.