Wir haben Proteome ausgestorbener Organismen aus dem NCBI-Taxonomie-Browser gesammelt und insgesamt 208 ausgestorbene Arten und 12.860 Proteine (5.190 nicht redundante Sequenzen) erhalten. Zusätzlich wurden 20.388 Homo sapiens-Proteine von UniProt heruntergeladen. Ein Inhouse-Peptiddatensatz wurde verwendet, um das APEX zu trainieren und zu bewerten. Das Peptidtraining wurde durch öffentlich verfügbare AMP-Sequenzen ergänzt. Durch physikochemische Analysen wurden 12 Merkmale untersucht. Proteine ausgestorbener Organismen wurden als geheime Proteine klassifiziert, und Peptidsequenzen wurden mithilfe eines speziellen Encoders kodiert. Die physikalische und chemische Ähnlichkeit zwischen Peptidsequenzen wurde mithilfe des Smith-Waterman-Algorithmus berechnet. Der APEX-Encoder und verschiedene ML-Modelle wurden zur Vorhersage der antimikrobiellen Aktivität eingesetzt. Anschließend wurden 69 Peptide ausgewählt, synthetisiert und experimentell validiert. In-vitro-Antimikrobielle Aktivität, Zellpenetrationstests, Resistenztests und zelluläre Toxizitätstests wurden durchgeführt. Mäusemodelle zur Abszessinfektion und Oberschenkelinfektion wurden genutzt, um die Wirkung der Peptide zu untersuchen. Um Peptidresistenztests gegen Proteolyse durchzuführen, wurden die Peptide im menschlichen Serum inkubiert und mit Flüssigkeitschromatographie-Massenspektrometrie analysiert. Ergebnisse wurden durch zelluläre und tierische Experimente validiert und statistisch ausgewertet. Die Selektivitätsrate der Peptide und synergistische Wechselwirkungen zwischen therapeutischen Molekülen wurden untersucht. Ein umfangreicher Datensatz, darunter physikochemische Eigenschaften von Peptiden, in-vitro-Testergebnisse und in-vivo-Ergebnisse aus Tiermodellen, wurde aufbereitet und analysiert, um potenzielle Antibiotika aus EPs zu identifizieren.
Tiefenlerngestützte Antibiotikasuche durch molekulare Wiederbelebung – Natur Biomedizinische Technik
