综述：人工智能驱动的抗菌肽发现与设计：进展、挑战与机遇

《Probiotics and Antimicrobial Proteins》：AI-Driven Discovery and Design of Antimicrobial Peptides: Progress, Challenges, and Opportunities

抗菌肽作为抗生素替代品在应对耐药性方面具有潜力，人工智能技术（机器学习、深度学习）通过提升筛选效率、设计创新和预临床验证推动其开发，但仍面临数据质量、模型可解释性和实验验证等挑战。

　　

摘要

抗菌肽（AMPs）因其独特的作用机制和较低的耐药性发展倾向，已成为对抗抗菌素耐药性的有前景的替代品。随着抗生素耐药性的加剧，迫切需要新的抗菌策略。人工智能（AI）技术，特别是机器学习（ML）和深度学习（DL），为加速抗菌肽的发现和设计提供了前所未有的机会。目前的人工智能应用包括判别模型、回归模型、生成模型和多模态优化，显著提高了筛选效率，实现了创新的设计策略，并促进了临床前验证。然而，基于AI的抗菌肽研究仍面临数据质量限制、模型可解释性以及实验验证瓶颈等挑战。本综述系统总结了抗菌肽研究领域的最新AI进展，分析了关键技术障碍，并指出了未来的发展方向和新兴机遇，为研究人员提供了全面的理论和实践指导，以加快基于抗菌肽的药物开发。