深度学习引导自组装抗菌肽材料的定制设计

为应对细菌耐药问题，研究人员开展自组装抗菌肽材料研究，成果展现出良好治疗效果。

　　基于自组装肽（self-assembling peptides）的仿生材料在应对生物医学工程中的各种挑战方面前景广阔。虽然当代数据驱动的方法已促使发现了具有各种结构和特性的自组装肽，但预测这些材料的功能仍然颇具挑战。在这里，研究人员描述了基于深度学习引导的、以细菌细胞膜为靶点的自组装肽抗菌材料的从头设计，以此来解决日益严峻的细菌耐药性问题。该方法整合了非天然氨基酸以增强肽的自组装能力，并且能够在极少实验注释的情况下有效预测自组装肽材料的功能活性。所设计的自组装肽先导物在小鼠肠道细菌感染的体内治疗中展现出卓越疗效。此外，它还具有更强的生物膜清除能力，且不会诱导获得性耐药。机制研究表明，设计的肽能够在细菌细胞膜上自组装形成纳米纤维结构，从而杀灭多重耐药菌。这项工作为通过定制设计发现功能性肽材料提供了一种策略。