Mit machine-learning zu finden, neue Antibiotika

Trotz der wachsenden Besorgnis über die Antibiotika-Resistenz, die Entdeckung neuer Antibiotika hat sich verlangsamt, als neue Moleküle, die zunehmend schwieriger zu identifizieren. Aber in einem paper, publishing-20. Februar in der Zeitschrift Cell, Forscher zeigen, eine Methode zu entdecken, neue Antibiotika schnell und effizient durch maschinelles lernen.

James Collins, ein synthetischer Biologe am MIT, und sein team trainiert ein tiefes neuronales Netz zur Erkennung von möglichen Antibiotika-Moleküle mit verbindungen bekannt, zu unterdrücken E. coli-Wachstum; im Netzwerk ist, dann verwendet diese Daten, um zu prüfen, andere Moleküle in der bestehenden chemischen Bibliotheken und Vorhersagen, die Wahrscheinlichkeit, dass es zu unterdrücken das Wachstum von Bakterien. Die Forscher fanden heraus, dass fast 50% der verbindungen, die Sie priorisiert zu testen, haben gezeigt, einige Wirksamkeit in vitro in der Einschränkung der E. coli-proliferation. Eine Verbindung, die in bestimmten, halicin, ist strukturell unterschiedlich von konventionellen Antibiotika-Moleküle und verwendet einen Mechanismus, der selten in der klinischen Antibiotika zur Bekämpfung einer Vielzahl von menschlichen Krankheitserregern in den Mäusen, einschließlich Clostridioides difficile und Acinetobacter baumannii.