Entdeckung antimikrobieller Peptide im globalen Mikrobiom mithilfe von maschinellem Lernen

Heute stellen wir Ihnen einen bedeutenden Forschungsartikel vor, der in der Fachzeitschrift Cell veröffentlicht wurde. In dieser Studie wurde ein maschinelles Lernverfahren eingesetzt, um fast eine Million neuartige antimikrobielle Peptide (AMPs) aus dem globalen Mikrobiom vorherzusagen. Dieses umfasst 63.410 Metagenome und 87.920 hochwertige prokaryotische Genome. Die Forscher erstellten die umfassende, frei zugängliche Ressource AMPSphere mit 863.498 nicht-redundanten AMP-Kandidaten (c_AMPs). Das Team synthetisierte 100 vorhergesagte Peptide zur experimentellen Validierung und fand heraus, dass 79 davon in vitro antibakterielle Aktivität zeigten und 63 ESKAPEE-Pathogene effektiv bekämpften. Weitere Untersuchungen mittels Strukturbiologie, Biochemie und Mausinfektionsmodellen bestätigten, dass diese Peptide durch die Zerstörung bakterieller Membranen wirken. Bemerkenswerterweise zeigten einige Leitstrukturen in vivo eine mit klinischen Antibiotika vergleichbare antiinfektiöse Wirksamkeit. Diese Arbeit enthüllt nicht nur die enorme Vielfalt der AMPs im Mikrobiom und liefert damit eine neuartige Molekülbibliothek zur Bekämpfung von Antibiotikaresistenzen, sondern demonstriert auch eindrucksvoll das enorme Potenzial der künstlichen Intelligenz bei der Beschleunigung der Entwicklung antimikrobieller Medikamente.

01 Forschungshintergrund

Antibiotikaresistenz hat sich zu einer globalen Gesundheitskrise entwickelt und trug 2019 direkt zu etwa 1,27 Millionen Todesfällen bei. Besonders gravierend ist das Problem für gramnegative Bakterien. Antimikrobielle Peptide (AMPs), eine Klasse kurzer Peptide, die in der Natur weit verbreitet sind, gelten aufgrund ihrer einzigartigen Membranbindungsmechanismen und ihrer geringen Neigung zur Resistenzinduktion als vielversprechende Kandidaten für Antibiotika der nächsten Generation. Traditionelle Methoden zur AMP-Entdeckung, wie kulturbasierte Screenings oder rationales Design, sind jedoch ineffizient. Bekannte AMPs stammen hauptsächlich aus Modellorganismen und repräsentieren nur einen kleinen Teil der mikrobiellen Diversität. Obwohl neuere Studien Metagenomik zur Identifizierung von AMPs in spezifischen Nischen wie dem menschlichen Darm eingesetzt haben, bleibt ihr Anwendungsbereich begrenzt. Da kleine offene Leserahmen (smORFs) bei der Genomannotation oft übersehen werden, bleibt der Großteil der AMP-Ressourcen in Mikrobiomen unerschlossen. Ziel dieser Studie ist es, den verborgenen Schatz an AMPs im globalen Mikrobiom (einschließlich Umwelt-, Pflanzen-, Tier- und mit dem Menschen assoziierter Lebensräume) systematisch zu erforschen, indem maschinelles Lernen mit groß angelegten metagenomischen Daten integriert wird, um strukturell neuartige und hochaktive antimikrobielle Leitstrukturen zu entdecken.

02 Innovative Highlights

Methodische Innovation: Erste groß angelegte Anwendung von maschinellem Lernen zur AMP-Vorhersage im gesamten globalen Mikrobiom.

Das Forschungsteam nutzte sein selbstentwickeltes Machine-Learning-Tool Macrel (ein auf Random Forests basierender Algorithmus mit Fokus auf Vorhersagegenauigkeit statt Trefferquote), um über 4,5 Milliarden vorhergesagte smORFs effizient zu screenen. Im Gegensatz zu früheren Studien, die sich auf spezifische Habitate (z. B. den menschlichen Darm) konzentrierten, umfasste diese Analyse Proben aus 72 verschiedenen Habitaten (darunter Boden, Ozean und menschlicher Körper) und erweiterte damit den Umfang der AMP-Entdeckung erheblich.

Ressourceninnovation: Aufbau der bisher umfassendsten AMP-Ressourcenbibliothek: AMPSphere.

AMPSphere enthält 863.000 nicht-redundante c_AMPs, wobei bemerkenswerte 91,5 % der Sequenzen keine Homologen in bestehenden Datenbanken (z. B. DRAMP, APD) aufweisen – ein deutliches Zeichen für ihren immensen Neuheitswert. Die Ressource bietet nicht nur Peptidsequenzen, sondern integriert auch Informationen zu deren Herkunft, genomischem Kontext, physikochemischen Eigenschaften (z. B. Nettoladung, Hydrophobizität) und vorhergesagten Sekundärstrukturen. Sie ist für Forscher weltweit über eine benutzerfreundliche Website frei zugänglich.

Innovation der Validierungsstrategie: Hochdurchsatzsynthese und mehrdimensionale funktionelle Validierung.

Zur Beurteilung der Vorhersagezuverlässigkeit synthetisierte das Team 100 repräsentative c_AMPs (darunter 50 mit hoher Konfidenz und 50 zufällig ausgewählte) und führte systematische In-vitro-, Ex-vivo- und In-vivo-Experimente durch. Die Validierungsergebnisse zeigten, dass bemerkenswerte 79 % der vorhergesagten Peptide antibakterielle Aktivität aufwiesen – signifikant höher als die Wahrscheinlichkeit einer zufälligen Entdeckung. Dies belegt die hohe Genauigkeit des Modells für maschinelles Lernen.

Mechanistische Erkenntnisinnovation: Aufdeckung eines neuen Zusammenhangs zwischen AMP-Dichte und bakterieller Übertragbarkeit.

Durch die Analyse der c_AMP-Dichte (ρAMP) innerhalb mikrobieller Arten entdeckten die Forscher ein faszinierendes Phänomen: Im menschlichen und oralen Mikrobiom wurden Bakterienarten mit niedrigerer ρAMP-Dichte leichter zwischen Mutter und Kind übertragen. Dies deutet darauf hin, dass die AMP-Produktion die mikrobielle Kolonisierungsresistenz und die Populationskonkurrenz beeinflussen kann und eröffnet neue Einblicke in die mikrobielle Ökologie.

03 Ergebnisse und Diskussion

3.1 Aufbau der AMPSphere und grundlegende Eigenschaften von c_AMPs

Durch smORF-Vorhersage und Macrel-Screening umfangreicher metagenomischer und genomischer Datensätze wurden schließlich 863.498 nicht-redundante c_AMPs identifiziert. Diese c_AMPs weisen eine durchschnittliche Länge von 37 Aminosäuren auf und zeigen typische physikochemische Eigenschaften von AMPs: positive Ladung (durchschnittlich +4,7), hoher isoelektrischer Punkt (pI ~10,9) und Amphipathie. Die Sequenzclusteranalyse ergab, dass fast die Hälfte der c_AMPs Einzelsequenzen sind und die meisten akzessorische genomische Elemente in mikrobiellen Populationen darstellen, was auf eine hohe Habitat- und Stammspezifität hindeutet.

3.2 Evolutionärer Ursprung und genomischer Kontext von c_AMPs

Die Analyse ergab, dass etwa 7 % der c_AMPs homolog zu vollständigen Proteinen in der GMGCv1-Datenbank sind, wobei 27 % gemeinsame Startcodons aufweisen. Dies deutet darauf hin, dass einige c_AMPs durch vorzeitigen Stopp oder Gentrunkierung entstanden sein könnten. Genomische Syntenieanalysen zeigten, dass c_AMP-Gene häufig von konservierten Funktionseinheiten wie ribosomalen Proteingenen flankiert werden, was ihre Entstehung und ihren Erhalt als unabhängige Funktionseinheiten im Laufe der Evolution stützt. Verglichen mit bekannten verschlüsselten Peptiden (EPs) weisen die c_AMPs in AMPSphere deutliche Unterschiede in der Aminosäurezusammensetzung und den Strukturpräferenzen auf, was darauf hindeutet, dass sie eine einzigartige Familie von AMPs darstellen.

Abbildung 1. Der Genomkontext von c_AMPs zeigt eine Präferenz für Umgebungen, die Ribosomenassemblierungsproteine ​​enthalten.

3.3 Experimentelle Validierung: Hochwirksame antibakterielle Effekte in vitro

Tests mit 100 synthetischen Peptiden zeigten, dass 79 c_AMPs das Bakterienwachstum in vitro effektiv hemmten. Davon waren 63 gegen ESKAPEE-Pathogene (z. B. Acinetobacter baumannii, arzneimittelresistenter Staphylococcus aureus) wirksam, mit minimalen Hemmkonzentrationen (MHK) von nur 1–4 µM, vergleichbar mit bekannten hochwirksamen AMPs. Wichtig ist, dass diese aktiven Peptide keine Toxizität gegenüber menschlichen Zellen (z. B. HEK293) aufwiesen und nicht hämolytisch waren, was eine gute Selektivität belegt.

Abbildung 2. Aminosäurezusammensetzung, Struktur, antimikrobielle Aktivität und Wirkungsmechanismus von c_AMPs.

3.4 Wirkungsmechanismus: Membran-Targeting und strukturelle Eigenschaften

Mechanistische Studien zeigten, dass aktive c-AMPs primär durch die Störung der bakteriellen Membranstruktur wirken. Membranpermeabilisierungs-Assays (NPN-Aufnahme) und Membrandepolarisations-Assays (DiSC3-[5]-Fluoreszenz) ergaben, dass diese Peptide die Permeabilität der äußeren Membran erhöhen und eine rasche Depolarisation der Zytoplasmamembran verursachen. Zirkulardichroismus-Spektroskopie wies zudem darauf hin, dass viele aktive Peptide in membranähnlichen Umgebungen α-Helix- oder β-Faltblattstrukturen ausbilden, was mit ihren amphipathischen Eigenschaften übereinstimmt und die Interaktion mit Membranlipiden erleichtert.

3.5 Validierung der Wirksamkeit in vivo: Schutzeffekte in einem Mausinfektionsmodell

In einem Mausmodell für Hautabszesse wurden zehn vielversprechende c_AMPs für die Testung ausgewählt. Die Ergebnisse zeigten, dass mehrere Peptide (z. B. Lachnospirin-1, Enterococcin-1) die Bakterienlast am Infektionsort mit einer Einzeldosis signifikant (um 3–4 Zehnerpotenzen) reduzierten und damit vergleichbare Effekte wie Polymyxin B erzielten. Während des Experiments wurden bei den Mäusen weder Gewichtsverlust noch signifikante Toxizität beobachtet, was ihre Wirksamkeit und Sicherheit gegen Infektionen in vivo belegt.

Abbildung 3. Antiinfektiöse Aktivität von AMPs im präklinischen Tiermodell.

04 Schlussfolgerung und Zukunftsperspektiven

Diese Studie nutzte erfolgreich einen maschinellen Lernansatz, um die nahezu millionenfache antimikrobielle Peptidbibliothek AMPSphere aus dem globalen Mikrobiom zu extrahieren und ihr immenses Entwicklungspotenzial durch strenge experimentelle Validierung zu bestätigen. Die Arbeit stellt Forschern weltweit nicht nur eine frei zugängliche „digitale Goldgrube“ zur Verfügung und verleiht der Entwicklung antimikrobieller Medikamente neue Impulse, sondern etabliert vor allem ein neues Paradigma der datengetriebenen Naturstoffforschung. Zukünftig kann diese Forschung in verschiedene Richtungen weiterentwickelt werden: erstens durch funktionelles Screening und strukturelle Optimierung weiterer vielversprechender c_AMPs innerhalb von AMPSphere; zweitens durch den Einsatz synthetischer Biologie zur effizienten Expression in heterologen Wirten, um die Herausforderungen der großtechnischen Produktion zu bewältigen; und schließlich durch die eingehende Untersuchung der ökologischen Funktionen von AMPs in der mikrobiellen Populationsdynamik und den Wirt-Mikroben-Interaktionen. Zusammenfassend demonstriert diese Studie eindrucksvoll den immensen Wert der Kombination von künstlicher Intelligenz und Metagenomik im Kampf gegen die globale Herausforderung der Antibiotikaresistenz und liefert einen Schlüssel zur Entwicklung antimikrobieller Therapien der nächsten Generation.

Originalartikel:

Santos-Júnior CD, Torres MDT, Duan Y, Rodríguez Del Río Á, Schmidt TSB, Chong H, Fullam A, Kuhn M, Zhu C, Houseman A, Somborski J, Vines A, Zhao XM, Bork P, Huerta-Cepas J, de la Fuente-Nunez C, Coelho LP. Entdeckung antimikrobieller Peptide im globalen Mikrobiom durch maschinelles Lernen. Zelle. 11. Juli 2024;187(14):3761-3778.e16.

https://doi.org/10.1016/j.cell.2024.05.013