Core Concepts
深層学習モデルを用いて、細菌膜と ウイルス膜の両方を標的とする新規の二機能性抗菌ペプチドを発見した。
Abstract
本研究では、深層生成モデルと活性予測モデルを組み合わせた新しい de novo 抗菌ペプチド設計フレームワークを確立しました。生成モデルは、既知の抗菌ペプチドの特徴を学習し、新規候補ペプチドを生成します。活性予測モデルは、グラフ畳み込みネットワークを用いて、ペプチド配列の化学的・構造的特徴から最小阻害濃度(MIC)を予測します。
この統合的なアプローチにより、3つの新規の二機能性抗菌ペプチド(P001、P002、P076)を発見しました。これらのペプチドは、in vitroおよびin vivoの実験で、細菌と ウイルスの両方に対して強い阻害活性を示しました。特に、P076は多剤耐性A. baumanniiに対して極めて強い殺菌活性(MIC 0.21 μM)を示し、マウスモデルでも良好な治療効果が確認されました。一方、P002は5種類の被膜ウイルスに対して広範な中和活性を示しました。
本研究は、深層学習を用いて細菌膜とウイルス膜の両方を標的とする新規の二機能性抗菌ペプチドを発見する実現可能な手段を提供しました。これにより、薬剤耐性感染症に対する治療選択肢の拡大が期待されます。
Stats
P076のA. baumanniiに対するMICは0.21 μMであり、臨床使用されているポリミキシンBよりも優れていた。
P076はマウスモデルにおいて、感染症に対して良好な治療効果を示した。
P002は5種類の被膜ウイルスに対して広範な中和活性を示した。
Quotes
"深層学習モデルを用いて、細菌膜と ウイルス膜の両方を標的とする新規の二機能性抗菌ペプチドを発見した。"
"P076は多剤耐性A. baumanniiに対して極めて強い殺菌活性(MIC 0.21 μM)を示し、マウスモデルでも良好な治療効果が確認された。"
"P002は5種類の被膜ウイルスに対して広範な中和活性を示した。"