专栏名称: BioArt

BioArt致力于分享生命科学领域科研学术背后鲜为人知的故事，及时报道和评论生命科学领域有料的动态，BioArt也是一个生命科学领域“百花齐放，百家争鸣”的舞台，循“自由之思想”与“独立之精神”为往圣继绝学。

Sci Adv丨常文强、娄红祥通过人工智能实现抗菌肽从头设计

BioArt · 公众号 · 生物 · 2025-02-11 17:30

正文

抗生素的出现彻底改变了人类应对微生物感染的方式。然而，长期滥用抗生素已导致严重的耐药性问题，对全球医疗健康体系构成重大挑战。据统计，耐药性感染每年造成约 70 万人死亡，预计到 2050 年，耐药性感染的死亡人数可能超过癌症，成为全球主要死因。为有效应对微生物耐药性，亟需发现并开发新型抗菌剂。抗菌肽（AMP）主要通过静电相互作用与细胞膜结合，破坏膜结构并诱导细胞死亡。与传统抗生素相比，AMP 具有快速高效、作用机制多样等优势，因此不易在靶微生物中诱发耐药性，是研发新型抗菌剂的理想分子。

2025年2月5日，山东大学药学院 常文强 和 娄红祥 作为共同通讯作者在 Science Advances 期刊上发表了题为 Artificial intelligence using a latent diffusion model enables the generation of diverse and potent antimicrobial peptides 的研究论文。该研究基于扩散模型 (用于序列生成)、深度神经网络与分子动力学模拟（用于序列分类），成功实现了抗菌肽的从头设计，成功实现了抗菌肽的从头设计，发现了多种对细菌或真菌具有良好抗菌活性的多肽，能够有效杀灭多重耐药病原真菌。

在设计新型 AMP 时，研究者面临的主要挑战是需要在庞大的化学空间中进行探索。为加速抗菌肽的挖掘，许多模型被开发用于识别潜在 AMP，能够从现有肽库、随机生成序列、蛋白质组、基因组及微生物组数据中，高效筛选出潜在候选肽序列。同时，也有研究者使用生成式模型，从头设计或优化抗菌肽。尽管此类方法已发现了许多新颖的抗菌肽，但获得的序列与已知序列往往相似度较高，而且大多聚焦于抗细菌肽，对抗真菌肽的研究相对有限。

为此，本研究中基于扩散模型、深度神经网络与分子动力学模拟建立了发现新颖抗菌肽的筛选管道。首先，在生成阶段，利用变分自编码器（VAE）将可变长度的肽序列映射至统一维度的潜在变量；随后，通过扩散模型在潜在空间中生成候选 AMP，再由 VAE 解码获取实际肽序列。与以往基于 VAE 或 GAN 的方法相比，该策略在生成序列的新颖性、多样性及化学空间覆盖范围上均表现更优。接着，在筛选阶段，通过分类器预测、序列聚类与分子动力学模拟三步筛选对候选肽进行甄选。实验结果显示，从 40 条候选肽中筛选出的 25 条具有抗细菌或抗真菌活性，其中 9 条活性较高（MIC ≤ 12.5 μM），并被进一步评估了其体内抗感染治疗潜力。该策略为抗菌肽的高效发现提供了一种具有创新性的计算方法，为应对抗菌耐药性挑战带来了新的解决思路。

原文链接：

https://www.science.org/doi/epdf/10.1126/sciadv.adp7171

制版人：十一

BioART战略合作伙伴

（*排名不分先后）