PhagePickr: A bacteria-centric computational tool for designing resistance-aware phage cocktails
PhagePickr è una nuova pipeline computazionale centrata sui batteri che progetta cocktail di fagofagi consapevoli della resistenza selezionando i fagofagi in base alla somiglianza dei recettori di superficie batterica e alla diversità genomica per minimizzare il rischio di evoluzione della resistenza dell'ospite.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Per decenni, il mondo medico si è affidato agli antibiotici per combattere le infezioni batteriche, ma i batteri hanno imparato a superare in astuzia questi farmaci, evolvendosi in superbatteri che non rispondono più ai trattamenti. Questa crescente resistenza ha creato un disperato bisogno di nuovi modi per uccidere i batteri nocivi. Una promettente alternativa è la fagoterapia, che utilizza virus chiamati batteriofagi che cacciano e distruggono naturalmente i batteri. Tuttavia, proprio come i batteri possono sviluppare resistenza agli antibiotici, possono anche evolvere difese contro questi virus. Quando un batterio cambia la sua superficie per bloccare un virus, quel virus specifico non può più infettarlo, rendendo il trattamento inutile. La sfida per gli scienziati è progettare un trattamento che rimanga un passo avanti, impedendo ai batteri di costruire un muro che fermi l'attacco.
Per risolvere questo problema, i ricercatori Alessandro Oneto e Kenichi W. Okamoto hanno sviluppato un nuovo strumento informatico chiamato PhagePickr. Invece di cercare di indovinare quali virus potrebbero funzionare, questo strumento utilizza una strategia basata sulle specifiche "porte" che i batteri usano per far entrare i virus. I batteri hanno proteine sulla loro superficie che fungono da recettori, o punti di ingresso, per i virus. Se un virus può riconoscere e legarsi a questi recettori, può infettare la cellula. I ricercatori si sono resi conto che, se fossero riusciti a trovare batteri che hanno porte superficiali molto simili a quelli pericolosi che si vogliono trattare, avrebbero potuto trovare virus che sono già adattati a quelle porte. Selezionando un mix di virus che siano geneticamente molto diversi tra loro ma tutti capaci di colpire punti di ingresso simili, lo strumento mira a creare un cocktail che sia molto più difficile da contrastare per i batteri. Se un batterio prova a cambiare una porta per sfuggire a un virus, potrebbe comunque essere vulnerabile agli altri presenti nel mix, che utilizzano strategie diverse per entrare.
Il team ha testato il loro nuovo software su un gruppo di noti batteri resistenti ai farmaci conosciuti come patogeni ESKAPE, che includono specie come Staphylococcus aureus e Pseudomonas aeruginosa, oltre a due specie meno studiate. Il programma informatico funzionava guardando prima le proteine superficiali del batterio bersaglio e poi cercando in un database altri ceppi batterici che condividevano un set di queste proteine molto simile. Una volta identificati questi "vicini", lo strumento cercava i virus noti per infettare quei vicini. Estratte quindi le coppie di virus più geneticamente diverse da ciascun gruppo per garantire che il mix finale fosse il più vario possibile. Questo approccio ha permesso allo strumento di suggerire trattamenti che includevano non solo virus noti per infettare direttamente il bersaglio, ma anche virus di specie correlate che potrebbero essere efficaci grazie alle loro caratteristiche superficiali condivise.
I risultati hanno dimostrato che PhagePick for PhagePickr poteva generare con successo questi cocktail virali per tutti i batteri testati. Per i ben noti batteri resistenti ai farmaci, lo strumento ha spesso trovato virus che erano già stati dimostrati efficaci in altri studi, confermando che il metodo funziona. Per le specie meno studiate, lo strumento ha proposto nuovi candidati, inclusi virus da famiglie batteriche distanti che condividevano le necessarie caratteristiche superficiali. In alcuni casi, lo strumento ha suggerito virus che erano noti per essere litici, ovvero che esplodono e uccidono i batteri immediatamente, mentre in altri casi ha identificato virus che potrebbero necessitare di ulteriori studi per confermarne il comportamento. I ricercatori hanno osservato che, sebbene il computer potesse costruire questi elenchi di potenziali candidati, la reale capacità di questi virus di curare un'infezione in un paziente vivente non è stata ancora testata. Lo strumento è progettato per essere un punto di partenza, offrendo una lista ristretta dei virus più promettenti da testare in laboratorio.
Uno dei risultati chiave è stato che lo strumento può gestire batteri con pochissimi virus noti guardando ai loro parenti più stretti. Ad esempio, analizzando un batterio difficile da studiare, il software ha trovato una specie vicina che era geneticamente distante ma condivideva gli stessi recettori superficiali, permettendo di suggerire virus che potrebbero funzionare. I ricercatori hanno anche scoperto che il tempo necessario per eseguire il programma dipendeva soprattutto dalla dimensione dei genomi virali messi a confronto, con i set di dati più grandi che richiedevano tempi di elaborazione più lunghi. Sebbene lo strumento sia potente, gli autori sottolineano con cautela che esso è attualmente un generatore di ipotesi. Si basa sulla qualità dei dati disponibili nei database pubblici e, se le informazioni sulle proteine superficiali batteriche sono incomplete, i suggerimenti potrebbero essere meno precisi. Con l'aumentare della disponibilità di dati su come batteri e virus interagiscono, si prevede che lo strumento diventerà ancora più accurato.
In definitiva, PhagePickr rappresenta un cambiamento nel modo in cui gli scienziati approcciano la progettazione di terapie virali. Invece di affidarsi a tentativi ed errori o di cercare solo i collegamenti più ovvi, questo strumento utilizza un approccio sistematico e basato sui dati per trovare connessioni nascoste tra batteri e virus. Concentrandosi sui tratti fisici condivisi dei batteri piuttosto che solo sul loro albero genealogico, apre una gamma più ampia di potenziali trattamenti. I ricercatori sperano che, fornendo un modo chiaro e automatizzato per selezionare candidati virali diversificati, possano aiutare ad accelerare la scoperta di nuove terapie in grado di superare le difese in evoluzione dei batteri resistenti ai farmaci. Il lavoro suggerisce che, con migliori dati e test continui, questo tipo di guida computazionale potrebbe diventare una parte standard della lotta contro i superbatteri.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.