人工智能驱动的抗微生物发现
Paulina Szymczak1, Ewa Szczurek1
1Faculty of Mathematics, Informatics and Mechanics, University of Warsaw, Banacha 2, 02-097, Warsaw, Poland.
Current opinion in structural biology
|November 22, 2023
概括
人工智能 (AI) 通过预测特性和产生新型候选物来加速抗微生物 (AMP) 的发现. 人工智能在打击抗菌素耐药性方面提供了传统抗生素的强大替代品.
科学领域:
- 计算生物学和生物信息学
- 药物的发现和开发.
- 传染病和微生物学
背景情况:
- 抗菌素耐药性 (AMR) 需要超越传统抗生素的新型治疗策略.
- 抗微生物 (AMP) 由于其广泛的活性,显示出作为替代品的巨大潜力.
- 传统的AMP发现方法通常是缓慢和资源密集的.
研究的目的:
- 审查人工智能 (AI) 驱动的抗微生物 (AMP) 发现的最新进展.
- 突出应用到AMP研究中的关键AI方法,包括歧视性和生成性方法.
- 讨论人工智能辅助AMP发现的新兴趋势和未来方向.
主要方法:
- 利用AI区分器来预测关键性质,如活性和毒性.
- 采用人工智能生成器用于新型AMP候选人的新设计和模拟生成.
- 实施受控生成技术,如区分器引导过和条件生成,以优化AMP属性.
主要成果:
- 人工智能显著提高了AMP发现的效率和范围.
- 区分模型有效地根据预测的属性识别出有前途的AMP候选人.
- 生成模型成功地创建了新的AMP序列,并针对所需特征优化了现有的序列.
结论:
- 人工智能正在彻底改变抗菌素的发现,为抗菌素耐药性提供了一套强大的工具.
- 人工智能方法的整合有望加速下一代抗菌剂的开发.
- 对人工智能驱动的方法的持续研究对于解决AMR的全球挑战至关重要.
更多相关视频
10:13Production and Visualization of Bacterial Spheroplasts and Protoplasts to Characterize Antimicrobial Peptide Localization
Published on: August 11, 2018
11.9K
09:59Application of the Intelligent High-Throughput Antimicrobial Sensitivity Testing/Phage Screening System and Lar Index of Antimicrobial Resistance
Published on: July 21, 2023
1.3K
