编辑推荐：
为解决新抗菌化合物筛选难题，研究人员开展了基于人工智能（AI）的可解释深度学习模型研究。他们开发的 EvoGradient 模型可预测抗菌肽（AMPs）效力并虚拟优化肽序列。经实验，部分合成肽对耐药菌有效，最有效肽在小鼠体内验证效果显著，推动了 AMPs 的自动识别与优化。
人工智能（AI）是在多种微生物物种中识别新型抗菌化合物的一种有前景的方法。在此，研究人员开发了一种基于 AI 的、可解释的深度学习模型 EvoGradient。该模型能够预测抗菌肽（AMPs）的效力，并且可以虚拟修改肽序列，生成更有效的 AMPs，这就如同进行了计算机模拟的定向进化。
研究人员将此模型应用于人类口腔低丰度细菌编码的肽，通过虚拟进化，使 32 种肽转变为强效 AMPs。在这些肽中，选取了 6 种最有效的进行合成，并针对多重耐药病原体进行测试。结果显示，这些合成肽对耐碳青霉烯类的大肠杆菌（Escherichia coli）、肺炎克雷伯菌（Klebsiella pneumoniae）、鲍曼不动杆菌（Acinetobacter baumannii），以及耐万古霉素的屎肠球菌（Enterococcus faecium）均有抗菌活性。
其中，最具效力的 AMPs——pep - 19 - mod 在体内实验中得到验证。无论是全身给药还是局部给药，在小鼠大腿感染模型中，它都能使细菌载量降低超过 95% 。这项研究方法推进了抗菌肽（AMPs）的自动识别与优化进程。
