合成生物学与人工智能相结合

细菌对抗生素的耐药性不断增强，对全球健康构成了不断升级的风险。现在，德国马尔堡马克斯普朗克陆地微生物研究所的研究人员将合成生物学和人工智能(AI)结合起来，开发了一种更有效的方法来寻找和创造新的抗菌肽，这些肽可以有效地对抗多种细菌。

生物活性肽在健康和医学中发挥着重要作用。目前有80多种基于肽的药物正在使用，它们都是从天然来源中分离出来的。然而，据估计，抗生素耐药性每年在全世界造成100多万人死亡。到2050年，这一数字预计将上升到1000万，因此迫切需要新的方法来加速开发新的抗微生物药物。未开发的潜力在于非自然空间，其中估计有2010年至2030年的不同肽尚未被探索。

开发新的生物活性肽

由Tobias Erb领导的马克斯·普朗克研究所的一组科学家与马克斯·普朗克陆地微生物研究所、马尔堡大学、马克斯·普朗克生物物理研究所、德国联邦陆军微生物研究所、iLung研究所和法国国家生物研究所的几个实验室合作，建立了一条开发生物活性肽的新管道。在深度学习中，神经网络——受人脑启发的算法——从大量数据中学习。这种类型的机器学习对肽发现和从头设计有很大的希望。然而，通常随后是化学合成肽进行实验验证，这是相当困难和耗时的，并且严重限制了可以化学合成的肽的数量，”该研究的第一作者Amir Pandi解释说。

为了克服这些限制，研究小组建立了一个无细胞蛋白质合成管道，用于直接从DNA模板快速和经济地生产抗菌肽。新方案提供了一种快速、低成本、高通量的抗菌肽筛选方法。该团队首先使用生成式深度学习来从头设计数千种抗菌肽，然后使用预测性深度学习将其缩小到500种候选肽。其中，用无细胞管道筛选鉴定了30个功能肽，研究人员通过分子动力学模拟、抗菌活性和毒性进一步对其进行了表征。

对病原体具有广谱活性

值得注意的是，6个新生肽对多药耐药病原体表现出广谱活性，没有产生细菌耐药性。“我们从这种无细胞合成生物学、人工智能和高通量方法的结合中受益匪浅。通过增加可在不到24小时内进行实验测试的候选药物的数量，发现活性抗菌肽的机会增加了，”Amir Pandi说。“因此，我们的无细胞蛋白质合成管道不仅补充了计算设计的最新进展。它也有可能更快速、更经济地探索生物活性肽的设计和功能之间的关系。”Tobias Erb补充说:“这种结合了合成生物学和机器学习的新方法将引起生物医学和生物活性肽领域科学家的兴趣。”

接下来的步骤包括进一步提高肽生产的产量，以及采用人工智能和合成生物学方法来设计更稳定、毒性更低或添加特定作用模式的新型抗菌肽。研究人员还计划应用增强深度生成模型，其中机器学习所需属性的分子表示，这将提高识别活跃候选物的成功率。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。