Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
Nuevas ayudas del método identificar los antibióticos en grupos de datos de la espectrometría de masa
{{{sourceTextContent.subTitle}}}
Un equipo internacional de informáticos ha desarrollado por primera vez un método para encontrar los antibióticos ocultados en grupos de datos enormes pero aún inexplorados de la espectrometría de masa. Detallaron su nuevo método, llamado DEREPLICATOR, en la aplicación del 31 de octubre la biología química de la naturaleza.
{{{sourceTextContent.description}}}
Cada año más de 2 millones de personas de desarrollan resistencia antibiótico en los Estados Unidos, y los investigadores esperan que su trabajo ayude a identificar los nuevos antibióticos para tratar con eficacia enfermedades.
“Éste es que estamos utilizando Big Data para mirar en química microbiana y para caracterizar los antibióticos y a otros candidatos de la droga,” dijo la primera vez Hosein Mohimani, un informático en la Universidad de California San Diego y autor del papel al primer. “Aunque los investigadores del proteomics han estado utilizando rutinario grupos de datos espectrales enormes para encontrar los péptidos importantes, todas las herramientas tradicionales del proteomics fallan cuando se trata de nuevo descubrimiento de la droga. ”
Los algoritmos los investigadores desarrollaron datos de la espectrometría de masa del fregado para descubrir los supuestos productos naturales peptídicos (PNPs)--compuestos bioactivos ampliamente utilizados que incluyen muchos antibióticos.
La espectrometría de masa permite que los investigadores identifiquen la estructura química de una sustancia separando sus iones según su masa y carga. Funcionando con datos de la espectrometría de masa contra una base de datos de las estructuras químicas de antibióticos sabidos, los investigadores podían detectar compuestos sabidos en las sustancias que nunca habían sido analizadas antes.
Éste es la primera vez que esta clase de análisis de Big Data era posible. Los investigadores podían conseguir alrededor de la aplicación bien conocida falsos positivos usando análisis estadístico determinar la significación de cada partido entre los espectros y la base de datos de los antibióticos. “Conseguimos la idea de la física de partículas,” Mohimani dijo. Los investigadores utilizaron un acercamiento estadístico llamado la cadena de Markov Monte Carlo para computar la probabilidad de casos excepcionales y para rechazar falsos positivos.
Los investigadores también podían descubrir nuevas variantes de antibióticos sabidos. Hicieron que primero prediciendo el modelo de la fragmentación de una estructura química usando el aprendizaje químico de la experiencia y de máquina. Compararon estas predicciones contra datos experimentales y modelos buscados. Este problema se asemeja a conjeturar el significado de una frase en un idioma extranjero reconociendo algunas de las palabras.
Una red global para los datos de la espectrometría de masa
Los investigadores han hecho brechas recientemente en descubrimiento de los antibióticos, pero PNPs ha seguido siendo difícil de encontrar. Eso está porque son más complejos que la mayoría de los péptidos y se construyen de centenares de aminoácidos no estándar, bastante que los 20 estándar. Como consecuencia, las herramientas estándar de la identificación del péptido, tales como SEQUEST (el caballo de labranza del proteomics moderno) no funcionan para identificar PNPs.
El lanzamiento reciente de la red molecular social global del producto natural (GNPS) reunió en 2015 sobre cientos laboratorios que han generado ya una cantidad sin precedente de espectros totales incluyendo los antibióticos. Pero para ir de descubrimiento de PNP en un ajuste académico a una tecnología de la alto-producción, los nuevos algoritmos para el descubrimiento de los antibióticos son necesarios. De hecho, aunque los espectros en la red molecular de GNPS representen una mina de oro para los descubrimientos futuros, su interpretación sigue siendo un embotellamiento. La red fue desarrollada por Nuno Bandeira, un profesor de informática en Jacobs School del co-autor Pieter Dorrestein de la ingeniería y del estudio, un profesor en el UC San Diego School de la medicina y de la escuela de Skaggs de la farmacia y de ciencias farmacéuticas.
Encontrar los péptidos complejos
Los investigadores de los antibióticos utilizan las estrategias del dereplication que identifican PNPs conocido y descubren sus variantes todavía desconocidas comparando mil millones de espectros con una base de datos de todo el PNPs conocido. DEREPLICATOR promete dar vuelta en un equivalente de SEQUEST para el descubrimiento de los antibióticos y, semejantemente a SEQUEST, permite la identificación de la alto-producción PNP. Incluso en el primer uso, identificó un orden de magnitud más PNPs que cualquier esfuerzo anterior del dereplication.
El estudio fue hecho posible por la experiencia de la bioinformática en el grupo de investigación de profesor Pavel Pevzner, en el departamento de informática y de ingeniería en Uc San Diego que desarrolló métodos viables para ordenar bacterias y metagenomes. Ahora están adaptando estos métodos para descubrir los metabilitos que producen. En colaboración con Anton Korobeynikov y Alexander Shlemov en la universidad de estado de St Petersburg, los investigadores están planeando acelerar el método y aplicarlo para descubrir los antibióticos nuevos de metagenomes.