算法映射蛋白质降解模式以改善感染诊断和治疗

肽是蛋白质的小片段，主要存在于皮肤和粘膜中。一些肽充当屏障，通过抵抗细菌、病毒和其他病原体等微生物来保护身体免受感染，而另一些肽则参与调节炎症。

当我们有伤口或接受手术时，这种平衡有时会被打破，使微生物侵入并引起急性感染，在最坏的情况下，还会导致败血症。

“如今，为了能够诊断感染，医生首先要进行临床评估，然后送去培养样本进行进一步分析。通常需要几天时间才能得到伤口中存在哪些细菌的结果，而且这并不总是能清楚地反映出感染的严重程度，”隆德大学皮肤病学和性病学教授、瑞典斯科讷大学医院顾问ArturSchmidtchen说道。

在感染的伤口中，免疫系统与细菌之间会发生一场战斗。细菌将蛋白质分解成肽，以此作为获取营养和传播的策略，而人体则使用类似的策略来对抗细菌和调节炎症。这种相互作用极其复杂，受细菌类型以及感染严重程度的影响。

研究小组旨在了解蛋白质的降解模式，以便更快地识别所涉及的细菌并评估败血症的风险。抗生素耐药性的增加也增加了对诊断和对抗感染的替代方法的需求。这项研究发表在《自然通讯》杂志上。

“为了研究伤口中肽的数量和类型，我们从伤口敷料中‘挤出’出肽，然后使用质谱法进行分析。这使我们能够从单个感染伤口中识别出多达45,000种不同的肽，”隆德大学质谱学教授JohanMalmström说。

如此庞大的信息量很难掌握，也很难用于理解蛋白质的降解模式。直到隆德大学工程师兼博士生埃里克·哈特曼开发出一种算法，将肽的汇编减少95%，减少到只有几百个肽簇，这些数据才可以被分析和使用。

通过对肽进行聚类，他能够训练机器学习模型来确定伤口中存在的细菌数量和类型。在确定独特的肽模式以及这些模式根据不同类型的细菌而发生的变化后，研究人员现在可以评估感染的严重程度。

“我们绘制了蛋白质降解模式在不同类型的伤口感染中的变化情况，通过系统地分析肽簇，我们更好地了解了它们的差异。这使我们能够轻松识别可以指导治疗的亚群，”ErikHartman说。

这些独特的生物标记物可以实现更早、更准确的诊断，从而更快地发现和治疗潜在感染。借助质谱分析和机器学习，整个过程只需几分钟。

“有趣的是，该算法不仅限于伤口感染;它具有普遍性，可以应用于蛋白质降解起重要作用的许多不同疾病。因此，肽成为一种新的信息来源，下一步可以帮助定制治疗方案，并有助于寻找新的候选药物，”ErikHartman说。

研究人员的下一步是进行更大规模的研究，进一步验证结果，改进方法，并分析败血症等其他类型的疾病。他们还想探索如何在实际诊断情况下将该方法应用于临床，以评估其实际用途。