高通量抗菌肽元分析揭示类别特异性治疗候选肽：一项计算生物学研究

为解决日益严峻的抗菌耐药性问题，来自SRM的研究团队通过计算生物学手段对867,000条预测抗菌肽（ABPs/AFPs/AVPs）开展元分析，构建高质量数据集并开发AUROC达0.99的ExtraTree机器学习模型，最终筛选出兼具低毒性、高稳定性的候选肽，为多靶点抗菌药物研发提供新思路。

　　

随着全球范围内抗菌药物耐药性问题的加剧，寻找新型治疗策略迫在眉睫。一项基于计算生物学的高通量研究对867,000条预测抗菌肽展开深度挖掘，系统评估其抗菌（ABPs）、抗真菌（AFPs）和抗病毒（AVPs）活性特征。

研究发现不同类别抗菌肽存在显著组成差异：ABPs富含脂肪族氨基酸（V、A、I、L）和带正电荷残基（K、R）；AFPs偏好甘氨酸（G）、芳香族氨基酸（F）；AVPs则富含含硫氨基酸（M）。物理化学分析显示，AFPs分子量最大，ABPs电荷与等电点最高，而三类肽的不稳定性指数相近。特征性基序如ABPs中的"VRVR"、AFPs中的"FFAI"以及AVPs中的"VVV"被鉴定为潜在功能标记。

研究团队开发了7种机器学习模型，其中ExtraTree分类器表现最优，在独立数据集上对ABPs/AFPs/AVPs的分类AUROC分别达到0.98、0.99和0.99。通过月光特性（毒性、过敏性等）筛选后，采用ColabFold预测TOP10候选肽的3D结构，并利用HDOCK进行分子对接验证。结果显示这些肽与病原体蛋白存在强相互作用，为开发新一代多靶点抗菌疗法提供了重要候选分子。所有数据和模型已开源共享于GitHub平台。