研究人员开发了一种新的基于人工智能的抗菌肽查找器
在过去几十年中，抗微生物药物耐药性已成为全球主要公共卫生问题。这导致了寻找治疗微生物感染的替代方法。
其中一项创新是发现某些肽的抗菌特性。抗菌肽 (AMP) 是在大多数动物、植物和微生物中发现的短肽，是抵御感染的天然防御。AMP通过一种非特异性机制来对抗有害细菌，防止它们产生抗菌素耐药性。
尽管有这些非凡的能力，但对AMP的研究受到阻碍，因为用于识别候选AMP的现有系统就像一个黑匣子，其中输出不容易解释以进行进一步分析。
现在，在最近发表在《蛋白质科学》上的一项突破中，光州科学技术研究所的一组研究人员，包括Hojung Nam教授和Hansol Lee先生，提出了一种AMP-BERT分类系统，该系统使用基于AI的双向编码器表示变压器(BERT)架构来改进现有的AMP分类模型。
当被问及开发分类系统背后的动机时，Nam教授解释说：“滥用和过度使用抗生素导致细菌的发展，这些抗生素无法有效治疗。这不仅导致人类健康风险增加，也增加了农业健康风险。因此，我们希望开发一个AMP预筛选平台，该平台不是算法的黑匣子，但可以轻松解释以进行进一步研究。
该团队整合了一个基于自然语言处理(NLP)的深度神经网络，该网络使用数十亿个蛋白质序列进行预训练，然后使用来自基准AMP数据库的数千个肽序列进行微调。这使得AMP-BERT模型不仅可以从输入肽序列中提取结构和功能信息，还可以区分AMPS和非AMP。这增强了预测能力，即使使用外部数据，模型也能做出更好的分类。
该团队还设计了该模型，为输入肽序列中的每个氨基酸分配单独的注意力分数。然后，注意力特征揭示了AMP的重要亚区域，这些亚区域在决定肽是否具有抗菌特性方面起着重要作用。此外，预测结果表明，AMP-BERT模型的适用性甚至延伸到看不见的肽数据，并且可以从这些肽中学习有意义的功能和结构信息。
新型AMP-BERT肽预筛选模型可以为发现和开发用于治疗抗菌素耐药性疾病的基于AMP的候选药物打开新的大门。该预测平台提供的重要肽亚区域信息也可用于优化肽的抗生素效率。
南教授总结说：「随着越来越多的AMP得到实验验证，以及使用计算方法发现新的结构信息，我们将能够制造更有效的抗生素药物，并有可能在不久的将来阻止新的大流行在全球蔓延。
