Yeni Yöntem, Kütle Spektrometresi Veri Setlerinde Antibiyotikleri Belirlemeye Yardımcı Oluyor
Bilgisayar bilimcilerinden oluşan uluslararası bir ekip, büyük olmasına rağmen henüz keşfedilmemiş kütle spektrometri veri kümelerinde gizlenmiş olan antibiyotikleri bulmak için ilk kez bir yöntem geliştirdi. Araştırmacılar, Nature Chemical Biology dergisinin 31 Ekim sayısında DEREPLICATOR adlı yeni yöntemlerini ayrıntılarıyla sundu.
Her yıl Birleşik Devletler ’deki 2 milyondan fazla insanın antibiyotik direnci gelişmektedir. Araştırmacılar ise hastalıkları etkili bir şekilde tedavi edebilmek için yeni antibiyotiklerin belirlemesinde çalışmalarının yardımcı olacağını umuyorlar.
California San Diego Üniversitesi’nden bilgisayar bilimcisi ve makalede adı geçen ilk yazar olan Hosein Mohimani görüşlerini şöyle dile getiriyor: “Mikrobik kimyayı incelemek, antibiyotikleri ve diğer ilaç numunelerini karakterize etmek için büyük verileri ilk kez kullanıyoruz. Proteomik araştırmacılar, önemli peptidleri bulmak için büyük spektrumlu veri kümeleri rutin bir şekilde kullanıyor olsa da tüm geleneksel proteomik cihazlar yeni ilaç keşfi söz konusu olduğunda başarısız oluyor. ”
Araştırmacıların geliştirdiği algoritmalar, peptidik doğal ürünler (PNP’ler) olarak bilinen, birçok antibiyotiği içeren ve de yaygın olarak kullanılan biyoaktif bileşikleri keşfetmek için kütle spektrometresi verilerini tarar.
Kütle spektrometresi; bir maddenin kimyasal yapısını kütlesi ve yüküne göre iyonlarına ayırarak araştırmacıların tanımlayabilmesine olanak tanır. Bilinen antibiyotiklerin kimyasal yapılarının veri tabanlarına karşılık kütle spektrometresi verileri kullanılmasıyla araştırmacılar daha önce hiç analiz edilmemiş maddelerdeki bileşikleri bulabildiler.
Bu tür büyük veri analizlerinin mümkün olduğu ilk çalışma budur. Araştırmacılar, yanlış pozitiflerin bilinen sayılarını tam olarak tespit edilebilmesinde spektrumlar ve antibiyotik veri tabanı arasındaki her bir eşleşmenin önemini belirlemeyebilmek için istatistiksel analizi kullandılar. Mohimani “Burada parçacık fiziğinden gelen bir fikri kullandık. ” diye belirtiyor. Nadiren gerçekleşen olayların olasılığının hesaplanmasında, yanlış pozitifleri atarak bunların ihmalini sağlamak için Markov Chain Monte Carlo olarak bilinen bir istatiksel yaklaşımı kullandılar.
Aynı zamanda araştırmacılar, bilinen antibiyotiklerin yeni varyantlarını keşfetmeyi başardılar. Bunun için öncelikle kimyasal uzmanlık ile makine öğrenimi bilgilerini kullanmışlar ve kimyasal bir yapının parçalanma mekanizmasını tahmin ederek keşfi gerçekleştirmişlerdir. Bu tahminleri deneysel verilerle karşılaştırarak modellemeleri incelemişlerdir. Buradaki problem, bildiğimiz birkaç kelime ile yabancı dildeki bir cümlenin anlamını tahmin etmeye benzemektedir.
Kütle spektrometresi verileri için küresel bir ağ
Son zamanlarda araştırmacılar antibiyotiklerin keşfi üzerine yeni atılımlar yapmışlar ancak PNP’lerin bulunmasındaki zorluk hep süregelmiştir. Bunun sebebi; çoğu pepditten daha karmaşık olmaları ve standart olmayan yüzlerce amino asitten yapılmış olmalarıdır. Sonuç olarak, SEQUEST (modern proteomik uzmanı) gibi standart pepdit tanımlama araçları PNP’leri belirlemek için işe yaramamaktadır.
Son girişim olan 2015’deki Küresel Doğal Ürün Sosyal Moleküler Ağı (GNPS); üretilmiş olan antibiyotikler de dahil olmak üzere benzeri görülmemiş miktardaki kütle spektrumunu ve yüzün üzerindeki laboratuvarı bir araya getirdi. Ancak akademik bir ortamda PNP keşfinden yüksek verimli bir teknolojiye geçilebilmesi için antibiyotik keşfinde yeni algoritmalara ihtiyaç duyulmaktadır.
Aslında, GNPS moleküler ağındaki spektrumlar gelecekteki keşifler için bir altın madenini simgelemesine rağmen bu spektrumlardan elde edilen yorumlar bir tıkanıklık olmaya devam ediyor. Bu ağ, Jacobs Mühendislik Okulu’nda bilgisayar bilimi profesörü olan Nuno Bandeira ile UC San Diego Tıp Fakültesi ve Skaggs Eczacılık ve İlaç Bilimleri Okulu’ndaki profesör Pieter Dorrestein tarafından geliştirildi.
Karmaşık peptidlerin bulunması
Antibiyotik araştırmacıları, bilinen PNP’leri tanımlamak ve henüz belirlenememiş varyantlarının keşfedilmesi için veri tabanındaki bilinen milyarlarca spektrumu tüm PNP’ler ile karşılaştırarak dereplication stratejilerini kullanmaktadırlar. DEREPLICATOR; antibiyotiklerin keşfi için SEQUEST’in bir eşdeğerine dönüşmesini sağlayarak SEQUEST’e benzer şekilde yüksek verimli PNP tanımlaması olanağını vaat etmektedir. İlk uygulamada bile, daha önceki herhangi bir dereplication girişimindeden daha büyük bir PNP düzeyi belirlenebiliyor.
Profesör Pavel Pevzner’in araştırma grubundaki biyoinformatik uzmanlar tarafından kullanımı bu çalışma doğrulandı. UC San Diego Bilgisayar Bilimi ve Mühendisliği Bölümü’ndeki araştırmacılar da sekans bakteriler ve metagenomları için uygulanabilir metotlar geliştirdiler. Ürettikleri metabolitleri keşfetmek için bu metotların uyarlanması üzerine şimdilerde çalışmalarını sürdürmekteler. Saint Petersburg State Üniversitesi’ndeki Anton Korobeynikov ve Alexander Shlemov bu araştırmacılar ile birlikte geliştirilen metodun hızlandırılmasını ve metagenomlardan yeni antibiyotiklerin keşfinde uygulanmasını planlıyorlar.
Kaynak : phys.org
Haberi Çeviren : Elif Tuna
Üniversite : Eskişehir Osmangazi Üniversitesi (Ankara Üniversitesi – Analitik Kimya – Doktora Öğrencisi)
Bölüm : Kimya Mühendisliği
Mail : eliftuna_89@hotmail.com
Not : Haberlerin dergi yönetimi ile çevirene haber verilmeksizin yayınlanması, kopyalanması, kendi web sitenize eklenmesi kesinlikle yasaktır. Bir yerde yayınlamayı düşünenler iletisim@inovatifkimyadergisi.com adresine ve de haberi çeviren arkadaşımıza mail atarak durumu belirtmeleri gerekmektedir.
