姓名：万雪曼；学号：21000500024；学院：电子工程学院
参考链接：https://m.thepaper.cn/baijiahao_17011345
【嵌牛鼻子】深度学习；神经网络；生物学
【嵌牛提问】基于耐药菌数据库所合成出的抗菌肽是否可以适用于进化后的菌群？比如不断自我进化的新冠病毒，目前已经出现了4代演变；学者们需要持续训练数据库以确保跑在病毒签名。
【嵌牛正文】
中国科学院微生物研究所3月3日发布的利用深度学习识别人类肠道微生物组的抗菌肽的文章，采用自然语言学习（NLP）的多种神经网络方法，实现了抗菌肽挖掘模型的构建和优化；通过该预测模型在大规模微生物组（1万余样本）中的应用，总计挖掘并合成了216种潜在的新型抗菌肽，并通过实验验证了其抗菌性能与安全性。
下图为研究流程示意图。收集抗菌肽序列用于构建优化预测模型（左图）；微生物组中挖掘潜在的抗菌肽序列，通过网络分析进一步过滤假阳性序列，将最终得到的新型抗菌肽进行化学合成和初步实验验证（中间部分）；将效果最优的肽进行后续研究，包括针对多重耐药菌的药效测试在内的多项研究
该研究以人体肠道微生态为切入点，通过结合微生物组大数据和最新的深度学习模型对人体肠道微生物中蕴含的活性代谢产物进行了高效挖掘，成功获得了在体内、体外实验中均表现出良好抗耐药菌活性的抗菌肽。
然而，预测模型的建立和预测能力与可收集的数据量密切相关，作者的模型在预测抗菌肽的抗菌活性方面具有良好表现，而对抗菌肽其他方面数据的预测在一定程度上受已有数据量和数据质量的限制。
后续研究中，研究团队表示一方面将对已获得的抗菌肽进行优化，逐步提高其成药性；另一方面也会尝试将抗菌肽的活性范围优化到针对其他病原菌上。
更重要的是，随着人们对微生态研究的不断深入和测序数据的不断积累，这一研究策略将能够应用于不同环境下对多种活性分子的挖掘，也即研究者将能够对更多部位的人体微生物进行挖掘，并将关注的功能从抗菌活性延伸到代谢疾病、免疫性疾病的治疗等领域。
目前，团队正在针对已有的活性好、安全性高的抗菌肽进行优化，希望能够进一步提高药代性能。
网友评论