概述

近期，生物技术领域通过融合机器学习技术，特别是在抗菌肽研究方面取得了显著进展。抗菌肽作为对抗细菌耐药性的潜在有效材料，其发掘与临床测试成为科研热点。此类多肽分子序列多样，构成庞大治疗药物候选库。通过高通量技术如噬菌体、核糖体展示，可识别数以万计的序列功能。

研究策略概览

目前，抗菌肽筛选主要采用以下策略：

1. 基于数据集的模型训练：在已有数据集上构建模型，并在独立测试集验证，固定参数后部署服务器，对用户上传序列进行抗菌性识别。
2. 领域先验指导：收集特定类型抗菌肽数据，利用领域知识生成候选多肽搜索库，训练模型后在库中验证，精选样本进行湿实验。
3. 预训练模型微调：基于大规模蛋白质预训练模型，针对抗菌肽数据进行微调，适用于不同下游任务的模型训练。

创新视角

传统研究多聚焦于已有功能肽的微调，但本文提出一种全新视角——从数据驱动出发，将整个搜索任务视为整体，设计集成实验框架。核心创新点不局限于先进模型或算法优化，而侧重于数据为中心的人工智能方法与系统级工程的综合应用，旨在解决实际问题。

全球首个全库搜索解决方案

本文团队，包括浙江大学数据智能实验室、M3实验室与浙江大学高分子系MOE实验室，共同完成了全球首个针对功能肽的全库搜索方案。在长度为6-9的多肽上进行全局搜索，结果显示，筛选出的多肽抗菌性能显著，至少达到现有最佳水平。

论文关键点

• 方法创新：结合经验判断、分类、排序和回归任务，形成pipeline（SMEP），实现多尺度抗菌功能识别，并利用实验数据进行模型微调。
• 实验效率：采用自动化流程，无需人工干预，大幅提高筛选效率，仅需19天即可完成5000亿样本库的全扫描。
• 性能验证：湿实验结果证实，筛选出的抗菌肽有效率高达98.2%，展示了模型的泛化性能。

实验流程

• 数据集整合：融合广泛使用的数据集，收集约7660条抗菌肽数据，通过湿实验收集额外数据用于模型微调。
• 初步筛选：借助领域专家知识，快速剔除大部分无效数据，提高筛选效率。
• 分类模型：训练分类器过滤非抗菌肽，显著减少后续筛选压力。
• 排序与回归：引入排序模型，筛选出最具潜力的抗菌肽，随后利用回归模型精确预测MIC指标，最终选出最佳多肽。

结论

通过数据驱动的集成方法，本研究不仅开创了全库抗菌肽筛选的先河，还展示了高效的自动化流程与卓越的筛选性能，为抗菌肽的发现提供了新的方向。研究成果发表于Nature BME，展现了跨学科合作在生物技术领域的创新潜力。