基于肽组学技术与深度学习的DeepMAMP模型：人乳源抗菌肽的高效发现及其功能应用

针对传统抗菌肽(AMPs)预测模型对人乳源抗菌肽(HMAMPs)识别精度不足的问题，研究团队结合肽组学技术与深度学习，开发了集成LightGBM、LSTM和注意力机制的DeepMAMP模型（准确率81.4%），从人乳中预测出311种潜在HMAMPs，实验验证5种具有抗菌活性，为功能性食品和药物开发提供新策略。

　　

研究背景与意义
在抗生素耐药性日益严峻的全球背景下，抗菌肽（Antimicrobial Peptides, AMPs）因其独特的膜破坏机制和低耐药性，被视为理想的抗生素替代品。其中，人乳源抗菌肽（Human Milk-derived Antimicrobial Peptides, HMAMPs）不仅具有广谱抗菌、抗病毒能力，还与新生儿免疫系统发育密切相关。然而，传统AMP预测模型（如Deep-AmPEP30、AI4AMP等）对HMAMPs的识别精度不足，且高通量筛选成本高昂。这一瓶颈促使研究者探索结合人工智能与组学技术的创新解决方案。

研究方法与技术路线
国家乳业技术创新中心联合大连医科大学等机构的研究团队，提出了一种整合肽组学与深度学习的系统性工作流程。研究首先采集中国青岛、武汉和呼和浩特地区的初乳与成熟乳样本（队列信息见补充材料），通过高效液相色谱（HPLC）和质谱技术构建肽组学图谱。核心模型DeepMAMP采用双分支架构：LightGBM（轻量级梯度提升机）提取序列静态特征，LSTM（长短期记忆网络）捕捉序列动态模式，最终通过注意力机制加权融合特征。模型训练采用十折交叉验证，并对比了CNN、RNN等基线模型性能。

研究结果

1. 模型性能验证
   DeepMAMP在测试集上达到81.4%的准确率，显著优于传统机器学习方法（如随机森林）和单一深度学习模型。注意力机制可视化显示，模型对疏水性和带正电荷氨基酸区域（如精氨酸簇）赋予更高权重，这与已知AMP的理化特性一致。

2. HMAMPs预测与实验验证
   从人乳肽组中预测出311种潜在HMAMPs，其中6种经抗菌实验验证（以大肠杆菌CICC 10899为指示菌）。5种肽表现出显著抑菌活性，包括已知的乳铁蛋白肽（lactoferricin）类似物和新型短肽（如含⁺KR₃ motif的12肽）。

3. 生物学意义分析
   预测的HMAMPs中，23%与婴儿肠道菌群调控相关通路（如Toll样受体信号）存在潜在互作，暗示其“营养-免疫”双重功能。成熟乳与初乳的HMAMPs组成差异分析发现，初乳富含更多免疫调节型肽段（p<0.01）。

结论与展望
该研究首次建立了针对人乳源抗菌肽的特异性预测框架DeepMAMP，其创新性体现在：

• 多模态特征融合策略解决了传统模型对MAMPs（乳源抗菌肽）的泛化不足问题；
• 实验验证率达83.3%（5/6），证实了计算预测的可靠性；
• 为HMAMPs在婴幼儿配方食品（如添加功能性肽段）和抗感染药物开发提供资源库。

未来研究可扩大样本地域多样性（当前限于中国北方），并探索HMAMPs与婴儿肠道微生态的长期互作机制。论文发表于《Food Chemistry》，通讯作者为Yan Jin（金燕）与Li Liu（刘莉）。