Nature子刊：王軍/陳義華團隊使用AI在腸道菌群中發現抗菌肽

抗生素耐藥是現代醫學面臨的嚴峻挑戰之一，在近幾十年來，產生抗生素耐藥性的病原微生物持續增加，每年在全球范圍內耐藥菌引發感染造成的死亡人數達到70萬人。
抗菌肽（AMPs）作為解決抗生素耐藥性的候選方案之一，具有不易產生抗藥性、作用快速等優勢，同時因為容易降解也不會對環境造成持續性污染。
因此，開發出能夠應對抗多重耐藥菌的新藥物，緩解耐藥問題迫在眉睫；

抗生素耐藥是現代醫學面臨的嚴峻挑戰之一，在近幾十年來，產生抗生素耐藥性的病原微生物持續增加，每年在全球范圍內耐藥菌引發感染造成的死亡人數達到70萬人?？咕模ˋMPs）作為解決抗生素耐藥性的候選方案之一，具有不易產生抗藥性、作用快速等優勢，同時因為容易降解也不會對環境造成持續性污染。因此，開發出能夠應對抗多重耐藥菌的新藥物，緩解耐藥問題迫在眉睫；但傳統方法篩選新藥的候選分子成功率較低，亟需高通量的挖掘和篩選手段。

抗菌肽是一類具有抗微生物活性的小肽，其作用范圍包括細菌、真菌、病毒和寄生蟲?？咕目梢酝ㄟ^多種作用機制達到抑制病原微生物的效果，其中較為普遍的作用機制是結合病原微生物的細胞膜，擾亂細胞膜結構；或直接在細胞膜上形成微孔使細胞內容物外流，最終將病原微生物殺死。近些年來，能抵御多重耐藥菌同時不易產生耐藥性的抗菌肽，已被認為是替代傳統抗生素的下一代抗菌劑，如果能在大量的微生物和微生物組中高效、高通量挖掘，將非常有益于臨床應對耐藥菌的治療。

近日，中國科學院微生物研究所王軍研究員和陳義華研究員團隊合作，在 Nature Biotechnology 期刊發表了題為：Identification of antimicrobial peptides from the human gut microbiome using deep learning 的研究論文。

該文章采用自然語言學習（NLP）的多種神經網絡方法，實現了抗菌肽挖掘模型的構建和優化；通過該預測模型在大規模微生物組（1萬余樣本）中的應用，總計挖掘并合成了216種潛在的新型抗菌肽。

經實驗驗證，其中181種新型抗菌肽具有抗菌活性（占83.8%）。進一步的實驗表明抗菌肽對多重耐藥革蘭氏陰性菌具有較強的抑菌能力，同時在動物感染模型中驗證部分抗菌肽具有非常好的體內活性和安全性（圖1）。

該研究結合了微生物組大數據和最新的深度學習模型，提供了人工智能賦能大分子挖掘和轉化的良好范例；同時，也表明微生物組數據中存在著大量待開發資源，通過計算方法可以將具有生物活性的分子快速高通量的發掘出來。其次，該研究還擴大了人工智能在生物醫學領域的應用范圍，先前研究中主要集中在醫學圖像處理、小分子藥物篩選等領域，增加了人工智能的應用場景?？紤]到未來隨著測序數據的累積，更多的微生物大數據將被獲得。同時，不論是小分子藥物還是肽的搜索空間仍處于早期探索階段，對于挖掘多功能分子（治療感染、代謝和免疫疾?。?，具有非常大的發展潛力。 

文章來源：生物谷