点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
近年来，抗生素耐药性问题日益严重，科学家们正积极探索新的方法以对抗这一危机。最近，研究人员开发了一种先进的生成式人工智能策略来发现抗菌肽（AMPs），这标志着抗击耐药性的新进展。AMPs 因其广谱活性和低耐药性被认为是传统抗生素的理想替代品。研究团队构建了一个专门用于蛋白质分析的语言模型——ProteoGPT，并通过迁移学习创建了多个子模型，用于对上亿肽序列进行智能筛选和生成。
在实际应用中，这些新发现和生成的 AMPs 显示出优秀的临床表现，特别是在对碳青霉烯耐药鲍曼不动杆菌（CRAB）和耐甲氧西林金黄色葡萄球菌（MRSA）的实验中展现出低耐药风险。在小鼠感染模型测试中，这些肽的治疗效果与目前临床使用的抗生素相当或更好，没有导致器官损伤或肠道菌群失衡。研究表明，AMPs 通过破坏细胞质膜实现其杀菌作用，为耐药菌的治疗提供了新方向。
世界卫生组织已将多重耐药细菌列为紧迫威胁，其中 CRAB 位居首位。目前，碳青霉烯类抗生素作为“最后防线”面临失效风险。相比之下，AMPs 的耐药发生速率较低，因此被视为替代抗生素的理想方案。
ProteoGPT 是一种大语言模型，专为蛋白序列设计，结合迁移学习提升了抗菌肽的挖掘和生成能力。具体来说，该模型拥有 1.24 亿个参数，基于超过 60 万条高质量蛋白序列进行训练，凭借其良好的泛化性能，在抗菌肽的分类和生成中表现出色。
通过模型建立，研究团队提取了 4.1 亿条短肽，其中经过筛选获得了 1.21 亿条候选抗菌肽，且大多数被认定为无毒。同时，AMPGenix 生成了近 7,798 条新肽序列，并在初步实验中验证了其抑菌效果。大部分生成的肽显示了显著的抗菌和低毒性特性，在体外和动物实验中都表现优异。
总的来说，ProteoGPT 及其子模型代表了人工智能在抗菌肽研究领域的前沿进展，通过融合语言理解与蛋白序列知识，取得了显著的成果。未来，研究团队计划进一步改进模型，以提升对抗菌肽活性的全面预测。这一系列的研究不仅为抗击多重耐药菌带来了希望，也为人类健康的持续保护铺平了道路。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
