Doğal Ürünler Keşfinde Çok Omik ve Bütünleşik Analitik

Özet

Bu inceleme, yapay zeka ve makine öğrenimi ile ağ analiziyle entegre edilen metabolomik, genomik, transkriptomik ve proteomik gibi ileri düzey çoklu omik metodolojilerini vurgulayarak yeni doğal ürünlerin keşfini ve işlevsel doğrulamasını geliştirmektedir.

Özet

Doğal ürünler (NP'ler) uzun süredir ilaç keşfi için yeni biyoaktif bileşiklerin temel kaynaklarıdır; Ancak, bu bileşiklerin tarama ve izole edilmesi için geleneksel yöntemler yavaş olabilir ve genellikle azalan getiri sağlar. Neyse ki, gelişmiş çoklu omik ve hesaplamalı yaklaşımlar bu zorluklara güçlü çözümler sunmaktadır. Bu inceleme, metabolomik, genomik, transkriptomik ve proteomiği biyoinformatik ve analitik kimya ile birleştirerek NP keşfini hızlandıran yenilikçi metodolojileri vurgulamaktadır. Örneğin, yüksek çözünürlüklü sıvı kromatografi-tandem kütle spektrometrisi (LC-MS/MS) ve Global Natural Products Social (GNPS) moleküler ağları gibi hedefsiz metabolomik platformları, yeni bileşiklerin kapsamlı profillenmesine olanak tanırken, hedefli izotop etiketleme stratejileri bu süreci geliştirir. Ayrıca, antiantibiyotikler ve ikincil metabolit analiz kabuğu (antiSMASH), Derin Biyosentetik Gen Kümesi (DeepBGC) ve Metabolitlerin Entegre Sentezlerini Yeniden İnşaet Etmek Boru Hattı (PRISM) gibi genom ve metagenom madenciliği araçları, hem kültürlenmiş hem de kültürlenmemiş organizmalarda biyosentetik gen kümelerini (BGC) hızla tanımlar; genellikle ürünlerin doğrulanması için heterologik ifade kullanılır. RNA dizileme (RNA-dizi), ortak ifade ağları ve fluxomik gibi transkriptomik analizler, yolların nasıl düzenlendiğini netleştirmeye yardımcı olurken, nisbətli ve mutlak niceliklendirme için tandem kütle etiketleri/izobarik etiketler (TMT/iTRAQ) ve etiketsiz yöntemler ile hücresel termal kayma testi ve termal proteom profilleme (TPP) gibi kemoproteomik yaklaşımları moleküler hedefleri ve onların etki mekanizmalarını ortaya çıkarır. Bu inceleme ayrıca yapay zeka (AI) ve makine öğreniminin (ML) çoklu omik verilerin entegrasyonunda rolüne önemli vurgu yapmaktadır; gen-metabolit korelasyon ağları oluşturmaktan, veri birleşimi ve fonksiyonel tahmin için bilgi grafikleri ve grafik sinir ağlarının kullanılmasına kadar faaliyetleri kapsar. Son olarak, bu inceleme çok-omiklerin doğal ürün keşfi için sinerjik faydalarını tartışarak, mevcut teknik zorlukları ele alarak ve yeni nesil NP araştırmaları için yüksek verimli, akıllı veri entegrasyonuna yönelik gelecekteki yönleri keşfederek sona erer.

Giriş

Doğal ürünler, mikroplar ve bitkiler dahil çeşitli organizmalar tarafından üretilen moleküller olup, uzun süredir penisilin gibi antibiyotiklerden Taxol gibi antikanser ilaçlara kadar önemli bir ilaç kaynağı olmuştur. Mevcut antibiyotik ve kemoterapi ajanlarımızın önemli bir kısmı bu doğal bileşiklerden^{türetilmektedir 1}. Ancak, yeni NP'leri keşfetmek için kullanılan geleneksel yöntemler, örneğin mikropların kültürlenmesi ve biyoanaliz rehberli izolasyon kullanımı giderek zorlaşmıştır. 20. yüzyılın sonlarında, şirketlerin azalan getirileriyle karşılaştıkça ilaç sektöründeki NP'lere olan ilgisi azaldı; Kolayca bu....