通过混合生成模型进行潜在多功能抗菌候选物的计算设计
Fangli Ying1, Wilten Go1, Zilong Li1
1Department of Computer Science and Engineering, State Key Laboratory of Bioreactor Engineering, East China University of Science and Technology, Shanghai 200237, China.
International journal of molecular sciences
|August 14, 2025
概括
这项研究引入了一种新的框架,用于设计使用增强的深度学习的多功能抗微生物 (AMP). 该方法有效地产生具有改善抗微生物特性的AMP,用于对抗耐药性感染.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 传染性疾病 传染性疾病
背景情况:
- 抗微生物 (AMP) 是常规抗生素的重要替代品,因为它们具有广泛的活性和克服微生物耐药性的能力.
- 目前用于AMP生成的深度学习方法由于复杂的氨基酸相互作用和有限的功能活动预测,难以创建多功能.
研究的目的:
- 开发一个新的多功能AMP设计框架,以解决当前深度学习方法的局限性.
- 增强具有多个优化抗微生物功能的AMPs的生成.
主要方法:
- 将反生成对抗网络 (FBGAN) 与全球定量AMP活动回归模块和多功能属性集成预测模块集成.
- 使用预先训练的回归和分类模型与反循环来预测最小抑制度 (MIC) 值.
- 使用组合预测器同时识别和预测五种多功能AMP生物活性.
主要成果:
- 该框架成功地促进了潜在的AMP候选人的自动生成,并增强了多功能性.
- 优化AMP活动的计算预测,包括MIC值.
- 在产生具有多种增强抗微生物特性的AMP方面证明了效率.
结论:
- 开发的框架为设计多功能AMP提供了一种有效的方法.
- 这项工作为开发针对多抗药性感染的新策略提供了宝贵的参考.
- 集成的深度学习模型增强了具有多种生物活性的AMP的预测和生成.
