Omdat steeds meer bacteriën resistent raken tegen antibiotica, is er behoefte aan nieuwe medicijnen. Onderzoekers van de Leiden Universiteit en de Wageningen Universiteit & Research hebben software op basis van machine learning ontwikkeld die genomen van bacteriën kan doorzoeken voor mogelijke nieuwe antibiotica.

Bij een ernstige bacteriële infectie is antibiotica de geijkte medicatie. De medicijnen zijn afkomstig van bacteriën en schimmels. Deze micro-organismen maken moleculen die bepaalde bacteriën verzwakken, doden of de groei remmen.

Door veelvuldig gebruik van antibiotica worden steeds meer bacteriesoorten resistent. Daarom groeit de vraag naar nieuwe antibiotica. Wetenschappers hopen die te vinden door micro-organismen te onderzoeken in het lab. Maar bacteriën maken in het lab niet alle antibiotica aan waarvoor ze wel de genen in huis hebben.

Promovendus Alexander Kloosterman van de Universiteit Leiden bedacht onder begeleiding van onder andere Marnix Medema van de Wageningen University & Research een nieuwe manier. Hij ontwikkelde software die in de genomen van bacteriën zelfstandig op zoek gaat naar naar stukken DNA die nieuwe antibiotica kunnen maken.

 

Machine learning

'Er is een groep antibiotica waarvoor de genen moeilijk te vinden zijn, daar hebben we ons tijdens dit onderzoek op gericht', zegt Medema. 'Er zijn erg veel soorten genen die de medicijnen maken die op eerste gezicht niet op elkaar lijken.' Daarom gebruikten de onderzoekers machine learning. De software werd getraind met twee sets aan data: een set met genen voor de antibiotica en een set aan genen die niet coderen voor antibiotica. 

'Het leren herkennen van de patronen uit deze datasets is alleen mogelijk met machine learning', zegt Medema. 'Daarom kan deze groep antibiotica niet worden gevonden met gewone software.'

 

Kaas

Met de nieuwe software heeft Kloosterman de genomen van een groep bacteriën onderzocht die bekend staan om het maken van antibiotica. 'Deze bacteriën hebben in hun natuurlijke omgeving de antibioticamoleculen nodig', zegt Medema. 'Dus door deze groep als eerste te onderzoeken hadden we een grote kans op succes.' Kloosterman heeft 42 nieuwe typen clusters ontdekt die voldeden aan de randvoorwaarden.

Een van deze nieuwe clusters heeft hij verder onderzocht in het lab. Daarbij is het hem gelukt om met een bacterie die dit genencluster in zich had het molecuul te maken dat de software voorspelde. Zo maakte Kloosterman met deze bacterie pristinine, een stof die erg lijkt op het antibioticum nisine, wat bijvoorbeeld in kaas zit als conserveermiddel.

 

Delen

Nu is het nog de vraag of pristinine, of een van de andere 41 nieuwe clusters, bruikbaar is als antibioticum. De software doet daar geen uitspraken over. De onderzoekers delen daarom de resultaten met de wetenschappelijke wereld, zodat ook andere groepen aan de slag kunnen met de nieuwe typen clusters. 'Het is te veel werk voor één onderzoeksgroep om al de mogelijkheden van de software te bekijken', zegt Medema. 'Het delen van de resultaten is dus extra belangrijk.'

Een volgende stap zou nog zijn dat de software ook een voorspellend vermogen krijgt over de werking van de antibiotica die kan worden gemaakt van de genen. Als dat mogelijk is, biedt de software nog een soort filter voor onderzoekers in het lab aan de slag gaan met de uitkomsten.

 

Beeld: Depositphotos