综述：下一代抗真菌肽的发现：人工智能与组学技术的协同作用

《World Journal of Microbiology and Biotechnology》：Next-generation antifungal peptide discovery: the synergy of artificial intelligence and omics technologies

针对真菌感染及耐药性问题，AFPs作为新型治疗手段受关注。传统筛选方法繁琐，而AI（ML/DL/NLP）显著提升肽类设计效率，结合组学技术挖掘天然来源基因及BGCs，CRISPR-Cas9优化微生物产量，但仍需解决疗效提升、安全性及递送系统优化等关键问题。

　　

摘要

人们对真菌感染和真菌物种的抗真菌耐药性日益担忧，这凸显了寻找替代治疗方法的必要性。抗真菌肽（AFPs）是开发高效且低耐药性新型抗真菌药物的有趣且具有前景的候选物质。通过传统方法识别具有抗真菌活性的肽非常繁琐复杂，需要反复试验和错误调整，既费时又昂贵。然而，人工智能（AI）领域的最新进展，如机器学习（ML）、深度学习（DL）和自然语言处理（NLP），在新型AFPs的设计和识别方面取得了显著成果。这些技术提高了预测的精确度和准确性，并促进了具有更理想特性的肽的开发。尽管在AI应用于AFPs预测模型时存在一些限制，例如模型复杂性、数据量有限以及可能影响模型性能的决策过程，但一些解决方案（如迁移学习、可解释AI（XAI）、特征选择、使用不同的重要特征以及遗传算法）可以提升预测模型的有效性和性能。组学技术可以作为一种有前景的方法，用于挖掘天然来源中产生抗菌肽（AMPs）和生物合成基因簇（BGCs）的基因。该技术可以与ML和DL结合，用于开发新型抗菌肽（包括AFPs）。AFPs开发中的另一个挑战是寻找可扩展的生产方法。基因编辑技术CRISPR-Cas9可以用于提高微生物中AFPs的产量。除了AFPs作为有前景的治疗手段所具有的所有优势外，还需要提高其疗效、确保安全性以及开发适当的递送系统，以便将这些分子有效地输送到感染部位，从而加速其临床应用。本综述强调了AI在填补这些空白、推动AFPs进入临床阶段方面的作用，并详细介绍了开发安全有效且具有高效递送系统的AFPs所需的临床前和临床研究。