{{{sourceTextContent.title}}}

Nuovi aiuti di metodo identificare gli antibiotici nei gruppi di dati di spettrometria di massa

{{{sourceTextContent.subTitle}}}

Un gruppo internazionale degli informatici per la prima volta ha messo a punto un metodo per trovare gli antibiotici nascosti nei gruppi di dati enormi ma ancora inesplorati di spettrometria di massa. Hanno dettagliato il loro nuovo metodo, chiamato DEREPLICATOR, nell'emissione del 31 ottobre di biologia chimica della natura.

{{{sourceTextContent.description}}}

Ogni anno più di 2 milione di persone sviluppano la resistenza a antibiotici negli Stati Uniti ed i ricercatori sperano che il loro lavoro contribuisca ad identificare i nuovi antibiotici efficacemente per trattare le malattie.

«Questo è la prima volta che stiamo usando Big Data per esaminare la chimica microbica e per caratterizzare gli antibiotici ed altri candidati della droga,» ha detto Hosein Mohimani, un informatico all'università di California San Diego ed autore della carta il primo. «Sebbene i ricercatori di proteomics stiano usando ordinariamente i gruppi di dati spettrali enormi per trovare i peptidi importanti, tutti gli strumenti tradizionali di proteomics si guastano quando si tratta di nuova scoperta della droga. »

Gli algoritmi i ricercatori hanno elaborato i dati di spettrometria di massa di strofinamento per scoprire i cosiddetti prodotti naturali peptidici (PNPs)--composti bioactive ampiamente usati che includono molti antibiotici.

La spettrometria di massa permette che i ricercatori identifichino la struttura chimica di una sostanza per la separazione dei suoi ioni secondo la loro massa e tassa. Eseguendo i dati di spettrometria di massa contro una base di dati delle strutture chimiche degli antibiotici conosciuti, i ricercatori potevano individuare i composti conosciuti in sostanze che non erano state analizzate mai già.

Ciò è la prima volta che questo genere di analisi di Big Data era possibile. I ricercatori potevano ottenere intorno all'emissione ben nota dei falsi positivi usando l'analisi statistica per determinare il significato di ogni partita fra gli spettri e la base di dati degli antibiotici. «Abbiamo ottenuto l'idea da fisica delle particelle,» Mohimani ha detto. I ricercatori hanno usato un approccio statistico chiamato la catena di Markov Monte Carlo per computare la probabilità degli eventi rari e per gettare i falsi positivi fuori.

I ricercatori inoltre potevano scoprire le nuove varianti degli antibiotici conosciuti. Hanno fatto che in primo luogo predicendo il modello di frammentazione di una struttura chimica mediante usando la competenza e l'apprendimento automatico chimici. Hanno comparato queste previsioni ai dati sperimentali ed ai modelli cercati. Questo problema somiglia ad indovinare il significato di una frase in una lingua straniera riconoscendo alcune delle parole.

Una rete globale per i dati di spettrometria di massa

I ricercatori hanno fatto recentemente le innovazioni nella scoperta degli antibiotici, ma PNPs è rimanere difficile da trovare. Quello è perché sono più complessi della maggior parte dei peptidi e sono costruiti dalle centinaia di aminoacidi non standard, piuttosto che i 20 standard. Di conseguenza, gli strumenti standard dell'identificazione del peptide, quale SEQUEST (il cavallo di lavoro del proteomics moderno) non funzionano per identificare PNPs.

Il lancio recente della rete molecolare naturale globale del sociale del prodotto (GNPS) nel 2015 ha riunito sopra cento laboratori che già hanno generato una quantità senza precedenti di spettri di massa compreso gli antibiotici. Ma per andare dalla scoperta di PNP in una regolazione accademica ad una tecnologia di alto-capacità di lavorazione, i nuovi algoritmi per la scoperta degli antibiotici sono necessari. Effettivamente, sebbene gli spettri nella rete molecolare di GNPS rappresentino una miniera d'oro per le scoperte future, la loro interpretazione rimane un impasse. La rete è stata sviluppata da Nuno Bandeira, da un professore dell'informatica a Jacobs School del co-author Pieter Dorrestein di studio e di ingegneria, da un professore nel UC San Diego School di medicina e della scuola di Skaggs della farmacia e delle scienze farmaceutiche.

Individuazione dei peptidi complessi

I ricercatori degli antibiotici usano le strategie di dereplication che identificano PNPs conosciuto e scoprono le loro varianti ancora sconosciute paragonando miliardi di spettri ad una base di dati di tutto il PNPs conosciuto. DEREPLICATOR promette di trasformarsi in un equivalente di SEQUEST per la scoperta degli antibiotici e, similmente a SEQUEST, permette all'identificazione di alto-capacità di lavorazione PNP. Anche nella prima applicazione, ha identificato un ordine di grandezza più PNPs che tutti gli sforzi precedenti di dereplication.

Lo studio è stato permesso dalla competenza di bioinformatica nel gruppo di ricerca del professor Pavel Pevzner, nel dipartimento dell'informatica e dell'ingegneria a Uc San Diego che ha messo a punto i metodi possibili per ordinare i batteri e i metagenomes. Ora stanno adattando questi metodi per scoprire i metaboliti che producono. In collaborazione con Anton Korobeynikov e Alexander Shlemov all'università di Stato di San Pietroburgo, i ricercatori stanno progettando di accelerare il metodo e di applicarlo per la scoperta degli antibiotici novelli dai metagenomes.