科学家们提出了一个基于深度神经网络的平台来识别候选抗菌肽

在过去的几十年里，抗菌素耐药性已成为全球主要的公共卫生问题。这导致寻找治疗微生物感染的替代方法。其中一项创新是发现了某些肽的抗菌特性。抗菌肽 (AMP) 是存在于大多数动物、植物和微生物中的短肽，可作为抵御感染的天然防御手段。AMP 通过非特异性机制对抗有害细菌，防止它们产生抗菌素耐药性。尽管具有这些非凡的能力，但对 AMP 的研究仍受到阻碍，因为用于识别候选 AMP 的现有系统就像一个黑匣子，输出不容易解释以供进一步分析。

现在，在最近发表在Protein Science上的一项突破中，来自光州科学技术学院的一组研究人员，包括 Hojung Nam 教授和 Hansol Lee 先生，提出了一种 AMP-BERT 分类系统，该系统使用来自transformers (BERT) 架构来改进现有的 AMP 分类模型。他们的研究结果于 2022 年 12 月 3 日在线发表，并于 2023 年 1 月刊登在该期刊第 32 卷第 1 期中。

当被问及开发分类系统背后的动机时，Nam 教授解释说：“抗生素的滥用和过度使用导致了这些抗生素无法有效治疗的细菌的产生。这不仅增加了人类的健康风险，也增加了农业的健康风险。因此，我们希望开发一个 AMP 预筛选平台，它不是算法的黑匣子，但可以轻松解释以供进一步研究。”

该团队整合了一个基于自然语言处理 (NLP) 的深度神经网络，该网络使用数十亿个蛋白质序列进行预训练，然后使用基准 AMP 数据库中的数千个肽序列进行微调。这使得 AMP-BERT 模型不仅可以从输入的肽序列中提取结构和功能信息，还可以区分 AMP 和非 AMP。这增强了预测能力，使模型即使使用外部数据也能做出更好的分类。

该团队还设计了模型，为输入肽序列中的每个氨基酸分配单独的注意力分数。然后，注意力特征揭示了 AMP 的重要子区域，这些子区域在决定肽是否具有抗菌特性方面起着重要作用。此外，预测结果表明 AMP-BERT 模型的适用性甚至扩展到看不见的肽数据，并且它可以从这些肽中学习有意义的功能和结构信息。

新型 AMP-BERT 肽预筛选模型可以为发现和开发用于治疗耐药疾病的基于 AMP 的候选药物打开新的大门。该预测平台提供的重要肽亚区域信息也可用于优化肽的抗生素效率。“随着越来越多的 AMP 得到实验验证，并使用计算方法发现新的结构信息，我们将能够制造出更有效的抗生素药物，并有可能在不久的将来阻止新的大流行病在全球蔓延，”Nam 教授总结道。

AMP-BERT 必将成为我们抗击抗菌药物耐药性的有力武器!

科学家们提出了一个基于深度神经网络的平台来识别候选抗菌肽

在过去的几十年里，抗菌素耐药性已成为全球主要的公共卫生问题。这导致寻找治疗微生物感染的替代方法。其中一项创新是发现了某些肽的抗菌特性。抗菌肽 (AMP) 是存在于大多数动物、植物和微生物中的短肽，可作为抵御感染的天然防御手段。AMP 通过非特异性机制对抗有害细菌，防止它们产生抗菌素耐药性。尽管具有这些非凡的能力，但对 AMP 的研究仍受到阻碍，因为用于识别候选 AMP 的现有系统就像一个黑匣子，输出不容易解释以供进一步分析。

现在，在最近发表在Protein Science上的一项突破中，来自光州科学技术学院的一组研究人员，包括 Hojung Nam 教授和 Hansol Lee 先生，提出了一种 AMP-BERT 分类系统，该系统使用来自transformers (BERT) 架构来改进现有的 AMP 分类模型。他们的研究结果于 2022 年 12 月 3 日在线发表，并于 2023 年 1 月刊登在该期刊第 32 卷第 1 期中。

当被问及开发分类系统背后的动机时，Nam 教授解释说：“抗生素的滥用和过度使用导致了这些抗生素无法有效治疗的细菌的产生。这不仅增加了人类的健康风险，也增加了农业的健康风险。因此，我们希望开发一个 AMP 预筛选平台，它不是算法的黑匣子，但可以轻松解释以供进一步研究。”

该团队整合了一个基于自然语言处理 (NLP) 的深度神经网络，该网络使用数十亿个蛋白质序列进行预训练，然后使用基准 AMP 数据库中的数千个肽序列进行微调。这使得 AMP-BERT 模型不仅可以从输入的肽序列中提取结构和功能信息，还可以区分 AMP 和非 AMP。这增强了预测能力，使模型即使使用外部数据也能做出更好的分类。

该团队还设计了模型，为输入肽序列中的每个氨基酸分配单独的注意力分数。然后，注意力特征揭示了 AMP 的重要子区域，这些子区域在决定肽是否具有抗菌特性方面起着重要作用。此外，预测结果表明 AMP-BERT 模型的适用性甚至扩展到看不见的肽数据，并且它可以从这些肽中学习有意义的功能和结构信息。

新型 AMP-BERT 肽预筛选模型可以为发现和开发用于治疗耐药疾病的基于 AMP 的候选药物打开新的大门。该预测平台提供的重要肽亚区域信息也可用于优化肽的抗生素效率。“随着越来越多的 AMP 得到实验验证，并使用计算方法发现新的结构信息，我们将能够制造出更有效的抗生素药物，并有可能在不久的将来阻止新的大流行病在全球蔓延，”Nam 教授总结道。

AMP-BERT 必将成为我们抗击抗菌药物耐药性的有力武器!