编译
郭梦月
审稿
厉小明
本文介绍了中国科学院微生物研究所王军及陈义华共同通讯发表在NatureBiotechnology的文章《Identificationofantimicrobialpeptidesfromthehumangutmicrobiomeusingdeeplearning》。作者结合了包括LSTM、Attention和BERT在内的多种自然语言处理神经网络模型，形成了一个统一的管道，用于从人类肠道微生物组数据中识别候选抗菌肽（AMP）。在被确定为候选AMP的个序列中，化学合成了个，其中显示出抗菌活性的有个。并且，在这些多肽中，大多数与训练集中AMP的序列同源性低于40%。对11种最有效的AMP的进一步表征表明，它们对抗生素耐药的革兰氏阴性病原体具有很高的疗效，并且对细菌性肺部感染的小鼠模型显示出了细菌负荷降低10倍的效果。该研究展示了机器学习方法从宏基因组数据中挖掘功能肽并加速发现有前景的AMP候选分子以进行深入研究的潜力。
1
研究背景
当下耐药菌感染问题愈演愈烈，对全球健康构成威胁，据预测，到年，由耐药病原体引起的感染相关死亡人数将占全球死亡人数最多。年，世界卫生组织公布了新抗菌药物的优先病原体名单，统称为ESKAPE2。在这些病原体中，革兰氏阴性细菌，如耐碳青霉烯类肠杆菌科（CRE），由于其快速产生抗生素耐药性的能力而受到特别
转载请注明：http://www.0431gb208.com/sjszjzl/4728.html
