Новый масштаб биологии: Массивные наборы данных помогают в борьбе с супербактериями

Исследователи из Университета Орегона продемонстрировали, как создание огромных биологических наборов данных может помочь в борьбе с одной из самых острых угроз медицины — устойчивостью к антибиотикам.

Калин Плеса, доцент биоинженерии, и его лаборатория специализируются на масштабировании синтетической биологии. Их цель — создавать массивные, высококачественные биологические наборы данных для обучения систем машинного обучения, чтобы бороться с раком, ускорять разработку лекарств и противостоять устойчивости к болезням.

В исследовании, опубликованном в Science Advances, команда показала, как это можно сделать, взяв в качестве мишени супербактерии.

Ключевая технология: DropSynth

Основой для создания огромных наборов данных стала инновационная технология DropSynth, разработанная Плесой. Она позволяет одновременно производить тысячи генов.

Технология работает, упаковывая весь молекулярный механизм, необходимый для сборки гена, в микроскопические капли масла. Каждая капля становится крошечной биологической фабрикой, собирающей и амплифицирующей уникальный ген. В одной пробирке могут находиться сотни или тысячи таких капель, что позволяет производить сотни и тысячи генов одновременно.

Доказательство концепции на примере устойчивости к антибиотикам

Команда сосредоточилась на изучении устойчивости к антимикробным препаратам. Вместо медленного традиционного подхода они использовали DropSynth для создания тысяч вариантов бактериального гена одновременно.

Исследователи сфокусировались на одном гене, который является общим знаменателем в устойчивости к антибиотикам: DHFR (дигидрофолатредуктаза). Это важный фермент, необходимый бактериям для производства фолата и деления клеток, и он является частой мишенью антибиотиков.

Используя DropSynth, команда создала более 1500 версий гена DHFR, включая варианты из таких патогенов, как стафилококк (Staphylococcus aureus) и холерный вибрион (Vibrio cholerae). Эти гены были вставлены в специально сконструированный штамм E. coli, лишённый собственного гена DHFR, что сделало выживание бактерий полностью зависимым от введённого варианта гена.

Результаты и перспективы

Результаты удивили исследователей: многие варианты DHFR от эволюционно далёких бактериальных родственников прекрасно функционировали в системе E. coli. Это показало, что DHFR эволюционно гораздо более адаптивен, чем считалось ранее.

Затем команда подвергла библиотеку модифицированных бактерий воздействию антибиотика триметоприма, нацеленного на DHFR. Результаты выявили детальную картину устойчивости: одни варианты были высокочувствительны к препарату, другие оставались устойчивыми даже при высоких дозах.

С помощью вычислительных подходов команда смогла определить, какие области DHFR склонны к развитию устойчивости, а какие остаются уязвимыми для антибиотиков. Анализ показал, как устойчивость формируется как мутациями, так и эволюционным фоном.

"Поскольку устойчивость к противомикробным препаратам продолжает расти, наша способность изучать функцию генов у тысяч видов микробов представляет собой не просто захватывающее научное достижение, это может стать критически важным инструментом в нашей продолжающейся борьбе с супербактериями", — говорит Карл Романович, соавтор публикации.

Лаборатория Плесы уже работает над интеграцией этого огромного набора данных по DHFR в алгоритмы машинного обучения, которые в конечном итоге смогут прогнозировать устойчивость до её появления в клинических условиях.

Платформа для открытий

Хотя это исследование было сосредоточено на DHFR, подход имеет гораздо более широкие последствия. Методология может быть использована для изучения генов, связанных с раком, картирования эволюции вирусов или проектирования новых ферментов и белков.

Технология DropSynth уже коммерциализируется через стартап SynPlexity, основанный Плесой.

Это исследование служит мощным доказательством концепции, объединяющим синтетическую биологию и машинное обучение для решения серьёзных проблем в области здравоохранения.