抗生素被用于治療危及生命的感染已有近百年，隨著日益增加的耐藥性細菌的出現，傳統療法對耐藥細菌感染已不再有效，抗生素耐藥性危機已成為亟待解決的全球健康問題，迫切需要新的下一代抗菌藥物(以核酸和肽為基礎)的發現方法。

　　抗菌肽(AMP)存在于所有生命領域，能夠導致細胞裂解從而完全殺死或抑制微生物生長。與傳統的廣譜抗生素相比，AMP 更具針對性，且其耐藥性演變速度很低，有望成為一種潛在的治療方法。

　　近日，復旦大學類腦智能科學與技術研究院(下文簡稱“類腦研究院”)青年研究員路易斯·佩德羅·科埃略(Luis Pedro Coelho)、名譽教授皮爾·伯克(Peer Bork)、特聘教授趙興明團隊與來自美國與德國的科學家將人工智能與生物醫學交叉融合，從全球微生物組中預測近100萬種新型抗菌肽。相關成果以《利用機器學習發現全球微生物組中的抗菌肽》(“Discovery of antimicrobial peptides in the global microbiome with machine learning”)為題，在《細胞》(Cell)主刊上發表。

　　論文鏈接：

　　https://doi.org/10.1016/j.cell.2024.05.013

　　在研究中，團隊提出了一種針對微生物多肽識別的機器學習算法，可大大降低抗菌肽(AMP)識別的假陽性率。基于該機器學習算法，研究團隊從來自環境和宿主相關棲息地的全球63,410個宏基因組和87,920個高質量細菌與古菌基因組預測得到了近100萬種新型非冗余抗菌肽，并建立了AMP綜合數據資源(AMPSphere)。

　　研究發現， AMP 的產生特定于棲息地，且其功效表現出菌株特異性。研究團隊測試了 100 種合成的AMP對 11 種臨床相關致病菌株和人類腸道共生菌的作用，共有 79 種 AMP表現出針對病原體和/或共生菌的抗菌活性，其中63 種 AMP成功抑制了被認為是公共衛生問題的ESKAPEE病原體的生長。此外，研究團隊在小鼠感染模型中發現一些AMP具有抗感染功效，相當于臨床前小鼠模型中的多粘菌素B(一種商業臨床抗生素，同樣是AMP)。

　　該研究證明了人工智能方法從全球微生物組中識別功能性 AMP 的潛力，研究團隊提出的該AMPSphere數據庫為微生物領域研究提供了寶貴資源，這些研究發現對于理解抗菌肽的起源和作用機制具有重要意義，為未來抗菌藥物的研發邁出了重要一步，為人類健康研究提供了重要貢獻。

　　近年來，人工智能技術蓬勃發展，已廣泛地應用于生物學、神經科學、醫學等領域，在蛋白質結構預測、生物基礎大模型建立、生物醫學圖像識別等方面取得了新突破。

　　復旦大學類腦研究院生物醫學人工智能(BioMed AI)團隊長期聚焦于人工智能與生物醫學交叉研究，團隊負責人為復旦大學特聘教授、上海市生物信息學學會理事長、類腦智能科學與技術研究院副院長、計算神經科學與類腦智能教育部重點實驗室副主任趙興明。

　　此前，在生物醫學大數據方面，團隊已構建了首個全球微生物基因目錄，成果刊發于《自然》主刊，構建了中國人腸道病毒組目錄，在國際率先提出了人體真菌腸型的概念并揭示了人類四種真菌“腸型”結構等。與此同時，團隊還針對生物醫學大數據開發了一系列人工智能算法與工具，如宏基因組組裝錯誤識別與矯正算法metaMIC、基于sMRI的多模態PET指標預測方法等，并成功應用于微生物組學、基因組學、影像組學等不同場景。

　　本次研究成果為團隊將人工智能算法應用于微生物組學的里程碑式進展。據趙興明介紹，未來，團隊將繼續聚焦人工智能與生物醫學大數據交叉領域的研究，“比如基于中國人腸道病毒組目錄開發人工智能算法與工具，進行相關微生物大模型的訓練”，在AI for Science的前沿持續探索。

　　類腦研究院博士后Célio Dias Santos-Júnior與美國賓夕法尼亞大學中文名Marcelo D.T. Torres為共同第一作者，類腦研究院青年研究員Luis pedro Ceolho與美國賓夕法尼亞大學的Cesar de la Fuente-Nunez 為共同通訊作者。