La crescente prevalenza della resistenza agli antibiotici nel Cutibacterium acnes (C. acnes) richiede la ricerca di strategie terapeutiche alternative. I peptidi antimicrobici offrono una strada promettente per lo sviluppo di nuovi trattamenti mirati contro l’acne.
Con il progresso dell’intelligenza artificiale, per progettare peptidi antimicrobici de novo è possibile ricorrere anche a metodi basati su modelli.
Le tipologie di modelli utilizzate sono generalmente due: generative, che danno luogo a nuove sequenze peptidiche; predittive, capaci di anticipare le bioattività e le proprietà dei peptidi, sfruttando come input le sequenze peptidiche.
Lo studio
Per progettare nuovi peptidi antimicrobici con elevata attività antimicrobica, resistenza alla proteolisi e bassa tossicità, negli ultimi anni sono stati quindi sfruttati vari metodi basati su modelli. Solo un numero limitato di questi è stato però convalidato da esperimenti.
Il presente lavoro, pubblicato su Scientific Reports, prende in esame la progettazione di peptidi con attività inibitoria specifica contro C. acnes mediante una pipeline di deep learning con generatori e classificatori, utilizzando l’apprendimento per trasferimento e incorporamenti di proteine pre-addestrate su dati disponibili al pubblico.
Nello specifico, il set di dati di addestramento è stato generato principalmente dal Database of Antimicrobial Activity and Structure of Peptides (DBAASP).
Per migliorare i dati di allenamento specifici per l’inibizione di C. acnes, è stato costruito un albero filogenetico. Sono stati addestrati due classificatori: uno per prevedere l’attività antimicrobica e l’altro per l’emolisi. Sono stati amplificati il filtraggio della lunghezza e il clustering per dare priorità alla selezione dei peptidi per gli esperimenti in vitro.
Un pannello di 42 nuovi peptidi lineari generati è stato quindi sintetizzato e valutato sperimentalmente in vitro per quanto riguarda la selettività e l’attività antimicrobica. Cinque di questi peptidi hanno dimostrato elevata potenza e selettività contro il C. acnes con MIC (minima contrazione inibente) di 2–4 µg/mL.
Le conclusioni
I risultati ottenuti evidenziano il potenziale dei peptidi progettati come candidati promettenti per le terapie antiacne e confermano la potenza degli approcci computazionali per la progettazione razionale di peptidi antimicrobici mirati.
D’altronde, la pipeline basata sull’intelligenza artificiale impiegata nello studio soprariportato è efficiente e scalabile.
Per di più, può essere ottimizzata non solo per i peptidi antiacne, bensì anche per generare e filtrare altri peptidi funzionali antimicrobici unici, validi per diverse applicazioni.
Dong Q., Wang S., Miao Y. et al.; Novel antimicrobial peptides against Cutibacterium acnes designed by deep learning; Sci Rep 14, 4529 (2024). https://doi.org/10.1038/s41598-024-55205-3
