新方法將合成生物學與人工智慧結合，以無細胞方式尋找新抗生素

細菌對抗生素的抗藥性不斷增強，導致全球健康風險不斷升級。 現在，德國馬爾堡馬克斯普朗克陸地微生物研究所的研究人員將合成生物學和人工智慧(AI) 結合起來，開發出一種更有效的方法來尋找和創造可有效對抗多種細菌的新型抗菌肽。 他們的論文是發表在日記中自然通訊。

生物活性勝肽在健康和醫學中發揮關鍵作用。 目前有超過 80 種基於勝肽的藥物正在使用，全部是從天然來源分離出來的。 然而，據估計，每年全世界有超過 100 萬人死亡。 到 2050 年，這一數字預計將增至 1,000 萬，迫切需要新方法來加速新抗菌藥物的開發。 非自然領域存在尚未開發的潛力，估計有 2,010 至 2,030 種不同的勝肽有待探索。

新型生物活性勝肽研發管線

馬克斯普朗克研究所的科學家團隊與馬克斯普朗克陸地微生物研究所、馬爾堡大學、馬克斯普朗克生物物理研究所、德國聯邦國防軍微生物研究所、iLung 研究所和INRAe France 的多個實驗室合作，由Tobias Erb 建立了一條用於開發生物活性勝肽的新管道。

「在深度學習中，「受人腦啟發的演算法」從大量數據中學習。 這類為勝肽發現和從頭設計帶來了巨大的希望。 然而，通常隨後會進行勝肽的化學合成以進行實驗驗證，這相當困難且耗時，並且嚴重限制了可以化學合成的勝肽的數量，」該研究的主要作者 Amir Pandi 解釋道。

為了克服這些限制，研究團隊建立了無細胞蛋白質合成管道，用於直接從 DNA 模板快速且經濟高效地生產抗菌肽。 新方案為抗菌肽篩選提供了一種快速、低成本、高通量的方法。

團隊首先使用生成深度學習從頭設計了數千種抗菌肽，然後進行預測將候選人範圍縮小到 500 名。 其中，透過無細胞管道篩選鑑定出 30 種功能性勝肽，研究人員透過以下方法進一步表徵了這些勝肽：,和毒性。

對病原體具有廣譜活性

值得注意的是，其中六種從頭勝肽對多重抗藥性病原體表現出廣譜活性，並且不會產生細菌抗藥性。 「我們從無細胞合成生物學的結合中受益匪淺，，以及高通量法。 透過增加可在 24 小時內進行實驗測試的候選物數量，發現活性抗菌勝肽的機會就會增加，」Pandi 說。

“因此，我們的無細胞蛋白質合成管道不僅補充了計算設計的最新進展。它還有潛力更快、更經濟地探索生物活性肽的設計和功能之間的關係。”

Tobias Erb 補充說：“這種合成生物學和機器學習相結合的新方法將會引起生物醫學和生物活性勝肽領域科學家的興趣。”

下一步包括進一步提高勝肽生產的產量以及採用人工智慧和設計更穩定、毒性更小的新抗菌肽，或添加特定的作用模式。 研究人員還計劃應用增強的深度生成模型，讓機器學習所需屬性的分子表示，這將提高識別活躍候選者的成功率。