"Der Vorteil unserer Vorhersagestrategie besteht darin, dass man damit rein digital sowie sehr effizient nach bestimmten potentiellen Wirkstoffproduzenten screenen kann und teilweise auch Bakterien-Stämme aussortieren kann, die höchstwahrscheinlich bekannte Substanzen produzieren. Das erleichtert den Prozess der Wirkstoffanalyse und -findung erheblich. Die Methodik ist ein weiterer wichtiger Beitrag im sich rasch entwickelnden Forschungsbereich des Genome-Mining zur Findung neuer Wirkstoffe.“, fasst Mast die Vorteile ihres Forschungsansatzes zusammen. In den vergangenen Jahren wurden immer weniger neue Wirkstoffe wie beispielsweise Antibiotika gefunden und für die medizinische Anwendung entwickelt, während zeitgleich die Bedrohung durch multiresistente Krankheitserreger global rasant zunimmt. Ein großes Problem bei der medizinischen Wirkstoffforschung stellt die hohe Wiederfindungsrate bereits bekannter Substanzen dar, was herkömmliche Screening-Ansätze hochgradig ineffizient macht.
Digitale Sequenz-Informationen spielen auch in der Wirkstoffforschung eine immer größere Rolle. Das Team um die Mikrobiologin Prof. Dr. Yvonne Mast hat nun auf der Grundlage von Genomsequenzinformationen von bakteriellen Wirkstoffproduzenten eine Vorhersagestrategie entwickelt, die es ermöglicht, die Produktion einer bestimmten Wirkstoffgruppe, den Proteinsyntheseinhibitoren, vorherzusagen. Diese Wirkstoffe haben als Angriffsort das bakterielle Ribosom, das ein wichtiger Wirkort für zahlreiche, wichtige Antibiotika ist. Dazu gehören beispielsweise Erythromycin, Tetracyclin oder Clindamycin. Die Forschenden aus Braunschweig konnten im Erbgut (Genom) von Wirkstoffproduzenten aus der Bakterien-Gruppe der Actinomyceten spezielle Indikatorgene identifizieren, die auf eine Proteinbiosyntheseinhibitor-Syntheseleistung hindeuten und daraus eine Vorhersagestrategie ableiten. Den Funktionsnachweis erbrachten die Wissensschaffenden anhand der Identifizierung des Proteinbiosyntheseinhibitors Amicoumacin aus verschiedenen Actinomyceten-Stämmen der DSMZ-Bakteriensammlung. Die Methodik wurde Ψ-footprinting benannt und jüngst im renommierten Fachmagazin Nucleic Acids Research Genomics and Bioinformatics veröffentlicht. Das Deutsche Zentrum für Infektionsforschung (DZIF) unterstützte die Studie.
MEDICA.de; Quelle: Leibniz-Institut DSMZ-Deutsche Sammlung von Mikroorganismen und Zellkulturen GmbH
