利用机器学习方法来识别,表征和优化新型抗菌
Naveed Saleem1, Naresh Kumar2, Emad El-Omar1
1Microbiome Research Centre, St. George and Sutherland Clinical Campuses, School of Clinical Medicine, Faculty of Medicine & Health, University of New South Wales (UNSW), Sydney, NSW 2052, Australia.
抗菌素耐药性 (AMR) 是一个日益增长的全球健康威胁. 人工智能 (AI) 通过分析庞大的数据集和预测有效的候选药物来加速新型抗菌 (AMP) 的发现,为抗药性病原体提供了新的希望.
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:
- 抗菌素耐药性 (AMR) 构成了重大的全球卫生危机,传统抗生素对不断变化的病原体越来越无效.
- 抗微生物 (AMP) 由于其多样化的作用机制,提供了一个有希望的替代品,但其发现受到识别,预测和成本有效查方面的挑战所阻碍.
- 人工智能 (AI) 提出了一种改造性的方法,以克服AMP发现中的这些局限性.
研究的目的:
- 审查和综合人工智能驱动的新型抗微生物 (AMP) 识别,预测和设计的方法的最新进展.
- 在AMP发现中,比较各种AI模型的性能,包括经典机器学习,深度学习和大型语言模型 (LLM).
- 通过集成的计算和实验验证,提出未来的方向和多模式策略,以加速人工智能驱动的AMP发现.
主要方法:
- 对歧视性AI模型的审查:经典机器学习,深度学习,变压器嵌入,图形/几何编码器,结构引导和多模式混合学习.
- 对关闭循环生成方法和大型语言模型 (LLM) 的分析,用于新的AMP设计.
- 对AI模型的基准性能进行比较,并使用体外和体外方法对抗耐药病原体验证AI预测的AMP.
主要成果:
- 人工智能可以大规模挖掘基因组数据,并对AMP进行抗菌活性 (例如MIC) 的定量预测.
- 包括混合方法在内的各种人工智能模型在设计AMP方面显示出有前途,其稳定性得到改善,毒性降低.
- 人工智能预测的新型AMP已在临床和耐药病原体的实验中得到验证,增加了实验性命中率.
结论:
- 人工智能显著加速了新型抗微生物 (AMP) 的发现和设计,提供了对抗AMR危机的强大工具.
- 整合识别,预测,设计,主动学习和机械解释性的多式人工智能策略对于未来的成功至关重要.
- 协作计算和湿实验室验证对于可重复的基准和可互操作的数据来对抗多药耐药性病原体至关重要.
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
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
相关概念视频
Methods of Classification and Identification
Modern Molecular Taxonomy
Peptide Identification Using Tandem Mass Spectrometry
This technique helps gather information regarding the protein from which the peptide was obtained and to study the peptides’ amino acid sequence. Identifying peptides from a complex mixture is an important component of the growing field of...
Antimicrobial Proteins
Interferons
Interferons (IFNs) are proteins produced by lymphocytes, macrophages, and fibroblasts infected with viruses. While IFNs cannot prevent viruses from entering and...
