Acinetobacter baumannii è un patogeno nosocomiale Gram-negativo che spesso mostra multiresistenza ai farmaci.
La scoperta di nuovi antibiotici contro A. baumannii si è dimostrata impegnativa attraverso gli approcci di screening convenzionali.
Fortunatamente, i metodi di apprendimento automatico consentono la rapida esplorazione dello spazio chimico, aumentando la probabilità di scoprire nuove molecole antibatteriche.
I ricercatori di Boston hanno esaminato ~ 7.500 molecole per quelle che hanno inibito la crescita di A. baumannii in vitro. Hanno quindi addestrato una rete neurale con questo set di dati sull'inibizione della crescita ed eseguito previsioni in silico per molecole strutturalmente nuove con attività contro A. baumannii. L'algoritmo ha elaborato i dati in un paio d'ore!
Attraverso questo approccio, hannno scoperto l'abaucina, un composto antibatterico con attività a spettro ristretto contro A. baumannii.
Ulteriori indagini hanno rivelato che l'abaucina perturba il traffico di lipoproteine attraverso un meccanismo che coinvolge LolE, una protein di membrana. Inoltre, l'abaucina potrebbe controllare un'infezione da A. baumannii in un modello di ferita di topo.
Questo lavoro evidenzia l'utilità dell'intelligenza artificiale nella scoperta di antibiotici e descrive un vantaggio promettente con attività mirata contro un patogeno Gram-negativo impegnativo, identificato dall'Organizzazione Mondiale della Sanità come uno dei batteri resistenti più pericolosi al mondo.
Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumanni