通过深度学习探索新设计的双功能抗菌的存储库
Ruihan Dong1,2, Rongrong Liu3, Ziyu Liu3
1Frontiers Science Center for Synthetic Biology (Ministry of Education), Tianjin Key Laboratory of Function and Application of Biological Macromolecular Structures, School of Life Sciences, Faculty of Medicine, Tianjin University, Tianjin, China.
eLife
|March 13, 2025
概括
研究人员开发了一种新的人工智能框架,用于设计针对细菌和病毒有效的新型抗微生物 (AMP). 这种方法成功地确定了16种双功能AMP,为抗生素耐药性和病毒感染提供了新的希望.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 抗微生物 (AMP) 显示出对抗抗生素耐药性的承诺,因为它们的膜向机制.
- 由于它们的稀有性,发现具有双重抗菌和抗病毒活性的新型AMP具有挑战性.
研究的目的:
- 建立一个新的AMP设计框架,整合深度学习和图形编码.
- 为了确定具有强大的抗微生物和抗病毒活性的新型双功能AMP.
主要方法:
- 使用深度生成模块来学习AMP特征并生成候选序列.
- 使用图形编码活动回归器来预测抗微生物和抗病毒特性.
- 用抗微生物和抗病毒分类器选候选AMP.
主要成果:
- 该框架成功发现了16种具有有效性验证的双功能AMP.
- P076 显示出强大的杀菌活性,对抗多药耐药的 Acinetobacter baumannii (MIC 0.21 μM).
- P002对五种包裹病毒表现出广泛的抑制.
结论:
- 该研究提出了一种可行的计算方法,用于设计具有双重功能的AMP.
- 这一框架可以加快新疗法的发现,以对抗各种耐药性感染.


