اگر به دنبال سوزن در یونجه هستید ، بهتر است بدانید که یونجه به نظر می رسد. یک تیم بین المللی از محققان این ایده را برای جستجوی داروهای جدید استفاده کرده اند ، و روشی را ایجاد می کنند که احتمال کشف مجدد ترکیبات شناخته شده را کاهش می دهد.
در مقاله ای که امروز در مجله Nature Communications منتشر شده است ، محققان دانشگاه کارنگی ملون؛ دانشگاه کالیفرنیا ، سن دیگو؛ و دانشگاه ایالتی سن پترزبورگ در روسیه ابزاری جدید برای جستجوی مخازن گسترده ای از ترکیبات تولید شده توسط میکروب ها را توصیف می کنند. آنها با تجزیه و تحلیل طیف وسیعی از ترکیبات ، آنها توانستند ترکیبات شناخته شده موجود در مخزن را شناسایی کرده و آنها را از تجزیه و تحلیل بیشتر حذف کنند ، در عوض بر روی انواع ناشناخته - سوزن های موجود در یونجه - که ممکن است به طور بالقوه بهتر و یا کارآمدتر آنتی بیوتیک باشد ، تمرکز می کنند. داروها یا داروهای دیگر.
حسین تنها در یک هفته با اجرای 100 رایانه ، الگوریتم موسوم به Dereplicator + از طریق یک میلیارد طیف جرم در شبکه مولکولی جهانی محصولات طبیعی طبیعی در UC سن دیگو مرتب شد و بیش از 5،000 ترکیب امیدوارکننده ، ناشناخته را شناسایی کرد که شایسته بررسی بیشتر هستند. محمدیان ، استادیار گروه زیست شناسی محاسباتی CMU و نویسنده اول مقاله.
الگوریتم که قدرت این موتور جستجو مولکولی در حال حاضر برای استفاده توسط هر محقق به مطالعه مخازن اضافی در دسترس است.
در گذشته ، مخازن داده های طیف سنجی جرمی مورد سوء استفاده قرار نگرفته اند زیرا جستجوی آنها از طریق آنها دشوار بوده است و به دلیل این تلاش ها تا به امروز با نرخ بالایی از کشف مجدد ترکیبات شناخته شده رنج می برد.
محمدی گفت: "باور نکردنی است که چند بار مردم پنی سیلین را دوباره کشف کرده اند."
تجزیه و تحلیل طیف جرم ترکیبات - اساساً ، اندازه گیری توده ها در نمونه ای که یونیزه شده است - روشی نسبتاً ارزان برای شناسایی داروهای جدید احتمالی است. اما تکنیکهای موجود تا حد زیادی محدود به پپتیدها بودند که دارای ساختارهای ساده ای مانند زنجیر و حلقه هستند.
محمدی گفت: "ما فقط به نوک کوه یخ نگاه می کردیم."
محققان برای تجزیه و تحلیل تعداد بیشتر ترکیبات پیچیده که دارای ساختارهای درهم پیچیده و حلقه ها و شاخه های متعدد هستند ، روشی را برای پیش بینی چگونگی تجزیه طیف سنج جرمی از مولکولها تهیه کردند. با شروع از ضعیف ترین حلقه ها ، این روش شبیه سازی می کند که با جدا شدن مولکول ها چه اتفاقی می افتد. آنها با استفاده از 5000 تركیب شناخته شده و طیف جرم آنها ، آنها یك مدل رایانه را آموزش دادند كه از آن پس می توان برای پیش بینی چگونگی تجزیه سایر ترکیبات استفاده كرد.
Mohimani گفت: Dereplicator + نه تنها می تواند ترکیبات شناخته شده ای را که نیازی به بررسی بیشتر ندارند شناسایی کند بلکه همچنین می تواند انواع کمتری از ترکیبات شناخته شده را پیدا کند که احتمالاً در یک نمونه کشف نمی شوند.
http://socialnetworkadsinfo.com/story5719319/پمپ-وکیوم-آبی
رباط با استفاده از صدا برای حرکت و نقشه برداری از یک محیط جدید