生成式人工智能驱动的新型抗菌肽发现及其对抗多重耐药菌的研究

　　本研究针对多重耐药菌引发的全球健康危机，创新性地利用预训练蛋白质大语言模型ProteoGPT，开发出专门用于抗菌肽（AMPs）挖掘与生成的序列分析管道SPEL。通过迁移学习构建AMPSorter、BioToxiPept和AMPGenix三个子模型，实现了从4.1亿短肽中高效筛选和生成具有强抗菌活性且低毒性的新型AMP。实验验证表明，所得肽类对碳青霉烯耐药鲍曼不动杆菌（CRAB）和甲氧西林耐药金黄色葡萄球菌（MRSA）具有显著抑制作用，且不易诱导耐药性产生，在小鼠感染模型中展现出与临床抗生素相当或更优的治疗效果，为下一代抗菌药物研发提供了新范式。

　　

随着抗生素滥用问题日益严重，多重耐药菌的蔓延已成为全球公共卫生领域的重大威胁。世界卫生组织将包括鲍曼不动杆菌和金黄色葡萄球菌在内的ESKAPE病原体列为最高优先级威胁，尤其是碳青霉烯类耐药鲍曼不动杆菌（CRAB），因其对“最后一道防线”抗生素也产生耐药，临床治疗选择极为有限。在这一背景下，抗菌肽（AMPs）因其广谱抗菌活性、快速杀菌机制及不易引发耐药性等特点，被视为替代传统抗生素的重要候选者。然而，如何从海量序列中快速、精准地识别和设计出高效低毒的AMP，仍是当前研究的瓶颈。

为解决这一难题，研究人员在《Nature Microbiology》上发表了一项开创性研究，他们成功构建了一套基于生成式人工智能的AMP发现流程。该研究首先建立了预训练蛋白质大语言模型ProteoGPT，该模型基于UniProtKB/Swiss-Prot数据库中超过60万条高质量蛋白质序列进行训练，参数规模达1.24亿。随后，通过迁移学习技术，团队开发了三个功能各异的子模型：用于识别AMP的AMPSorter、预测肽毒性的BioToxiPept以及生成全新AMP序列的AMPGenix。这些模型共同集成为序列分析管道SPEL，实现了对数百亿肽序列的高通量挖掘与生成。

研究主要依托预训练模型、迁移学习、分子动力学模拟、高通量肽合成与活性评价、扫描电镜、流式细胞术、转录组测序以及小鼠感染模型等关键技术。临床分离的CRAB和MRSA菌株来自齐鲁医院菌株库，动物实验使用BALB/c小鼠。通过Kirby-Bauer纸片扩散法、最小抑菌浓度（MIC）测定、溶血试验、细胞毒性检测、血清降解稳定性实验及耐药性诱导传代实验等多维度验证，全面评估了候选肽的抗菌活性、安全性及耐药性风险。

开发预训练蛋白质大语言模型

研究人员基于Swiss-Prot数据库构建了ProteoGPT，该模型能够有效处理蛋白质序列并捕捉其深层特征。训练过程稳定，损失函数收敛良好，为下游任务提供了可靠基础。

开发迁移学习模型

通过微调ProteoGPT，团队获得了AMPSorter、BioToxiPept和AMPGenix三个子模型。AMPSorter在测试集上曲线下面积（AUC）达0.99，能准确区分AMP与非AMP，即使序列中含有非天然氨基酸也保持高精度。在严格基准集上，其性能优于现有所有AMP分类工具。BioToxiPept则能有效预测肽的细胞毒性，减少实验验证成本。AMPGenix生成的序列在多样性、新颖性及与真实AMP分布相似性（FCD）方面均优于其他生成模型，且高温参数下能产生更多样化的序列。

高通量挖掘与生成AMP

利用滑动窗口技术，从完整Swiss-Prot数据库中获得4.1亿条短肽，经SPEL管道筛选出1.21亿条候选m_AMP，其中8269万条被预测为低毒。通过AMPGenix生成7798条独特序列，其中76.1%被识别为AMP，4760条为低毒g_AMP。初步试验中，20条生成肽（PT系列）90%对至少一种菌株有抑制活性，部分对CRAB、MRSA及白色念珠菌均表现出强效抑制作用。

体外功能评价

合成并验证了154条m_AMP和42条g_AMP，其中75.97%的m_AMP和61.91%的g_AMP显示抗菌活性。进一步筛选出44条m_AMP和14条g_AMP进行MIC测定，发现g_AMP具有更优的抗菌活性和更低毒性。最终选出7条领先AMP进行体内实验，它们对CRAB和MRSA的MIC值低至4-8μg/ml，且对真菌也有抑制效果。

体内小鼠感染模型治疗评价

在小鼠大腿感染模型中，5条肽对CRAB的清除率达70%以上，其中g_AMP42和m_AMP76分别达83%和87%，与多粘菌素B相当（86%）。4条肽对MRSA的清除率超70%，其中m_AMP76达89%，与万古霉素相当。血清降解实验显示，g_AMP41和g_AMP42稳定性较差，而其他肽保持较高稳定性。此外，AMP治疗未扰乱肠道菌群平衡，且具有抗炎作用，未造成器官损伤。

耐药性发展评估

连续传代20次后，部分AMP的MIC仅略有上升（2-8倍），而多粘菌素B和万古霉素的MIC分别增加32倍和128倍以上，表明AMP不易诱导耐药性。

鉴定AMP的功能特征

通过扫描电镜观察到AMP处理后的细菌细胞出现皱褶、变形或穿孔。荧光探针检测显示，AMP能破坏细胞膜完整性并引起膜去极化。转录组分析发现，m_AMP76（命名为Arkwillin）下调了与膜完整性、LPS合成、生物膜形成及鞭毛组装相关的基因，同时上调了与膜通透性相关的基因。

本研究成功展示了一种基于生成式人工智能的新型抗菌肽发现策略，通过整合预训练大语言模型与迁移学习技术，实现了对AMP的高效挖掘与理性设计。所得肽类不仅对多重耐药菌表现出强效抗菌活性，而且不易诱导耐药性，在体内模型中安全有效。该研究不仅为应对抗生素耐药危机提供了新方案，也彰显了人工智能在生物医学领域的巨大潜力，为后续抗菌药物的开发奠定了方法学基础。