A novel bioinformatic method for the identification of antimicrobial peptides in metagenomes
Notice bibliographique
Résumé
AIMS: This study aimed to develop a new bioinformatic approach for the identification of novel antimicrobial peptides (AMPs), which did not depend on sequence similarity to known AMPs held within databases, but on structural mimicry of another antimicrobial compound, in this case an ultrashort, synthetic, cationic lipopeptide (C12-OOWW-NH2). METHODS AND RESULTS: When applied to a collection of metagenomic datasets, our outlined bioinformatic method successfully identified several short (8-10aa) functional AMPs, the activity of which was verified via disk diffusion and minimum inhibitory concentration assays against a panel of 12 bacterial strains. Some peptides had activity comparable to, or in some cases, greater than, those from published studies that identified AMPs using more conventional methods. We also explored the effects of modifications, including extension of the peptides, observing an activity peak at 9-12aa. Additionally, the inclusion of a C-terminal amide enhanced activity in most cases. Our most promising candidate (named PB2-10aa-NH2) was thermally stable, lipid-soluble, and possessed synergistic activity with ethanol but not with a conventional antibiotic (streptomycin). CONCLUSIONS: While several bioinformatic methods exist to predict AMPs, the approach outlined here is much simpler and can be used to quickly scan huge datasets. Searching for peptide sequences bearing structural similarity to other antimicrobial compounds may present a further opportunity to identify novel AMPs with clinical relevance, and provide a meaningful contribution to the pressing global issue of AMR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».