深度学习与理性设计联袂打造：新型抗菌肽在细菌、白色念珠菌及癌细胞中的广谱活性研究

面对全球抗生素耐药性危机，研究人员运用深度学习算法(PepGen 1.0/AmPepGen)生成人工抗菌肽(AMPs)，通过生物信息学优化获得26种高活性合成肽，其中9种对大肠杆菌等病原体的MIC<10μM，6种对乳腺癌细胞(MCF-7)IC50<6.25μM，为多靶点抗感染治疗提供新策略。

　　

抗生素耐药性危机下的破局之道
全球每年因耐药菌感染死亡人数预计2050年将达1000万，世界卫生组织列出的"超级细菌"清单中，铜绿假单胞菌、金黄色葡萄球菌等病原体正使传统抗生素逐渐失效。更严峻的是，现有抗生素研发管线中仅18.8%属于创新结构，而制药企业因回报率低纷纷撤离抗感染领域。在这场人类与微生物的军备竞赛中，抗菌肽(antimicrobial peptides, AMPs)因其独特的膜破坏机制和不易诱发耐药性的特点，成为最受瞩目的下一代抗菌候选者。

哥伦比亚国立大学麦德林分校的Andrea Mesa团队在《Current Microbiology》发表的研究中，开创性地将深度学习与理性设计结合，通过两种神经网络算法(PepGen 1.0的LSTM和AmPepGen的GAN)生成6004条候选肽序列。研究团队采用"AI预测-生物工程优化-实验验证"的三步策略，最终获得12条兼具广谱抗菌和抗癌活性的短肽，其中修饰肽OrP1M对大肠杆菌的MIC低至1.9μM，而OrP9M对铜绿假单胞菌的MIC仅1.9μM，突破性成果为耐药菌感染和肿瘤治疗提供全新分子武器。

关键技术方法
研究采用深度学习生成肽序列(PepGen 1.0/AmPepGen)，通过CAMPR3等算法预测抗菌概率(>95%)，使用Heliquest优化两亲性结构，ToxinPred评估毒性。体外实验测定对4种细菌(ATCC标准菌株)和白色念珠菌的MIC/MBC，MTT法检测对MCF-7/A549癌细胞的IC₅₀，溶血实验评估生物安全性，扫描电镜观察膜损伤机制。

主要研究结果

1. AI生成肽的理性优化
   通过替换疏水核心氨基酸(如OrP1→OrP1M的AGLARKWLKLPIGVLAR→LAKRWLKLLGKLAK)，使抗菌概率从95%提升至98%，净电荷从+4增至+5，Boman指数(膜结合能)从0.16升至0.40。关键修饰策略包括：增加赖氨酸(K)提升正电荷，用色氨酸(W)增强膜穿透，脯氨酸(P)替换降低溶血风险。

2. 卓越的抗菌谱
   9种肽对至少1种病原体MIC<10μM，其中OrP4M对肺炎克雷伯菌MIC=7.1μM，VeP1对金黄色葡萄球菌MIC=1.8μM。扫描电镜显示：

   
   ，而
   
   ，证实膜破坏机制。

3. 双重抗癌活性
   6种肽对MCF-7的IC₅₀<20μM，OrP1M达<6.25μM。两亲性α螺旋(预测pLDDT>70)通过静电作用靶向肿瘤细胞负电荷膜，其治疗指数(TI= MHC/MIC)最高达52.6(OrP9M对铜绿假单胞菌)。

4. 生物安全性
   10种肽在50μM时溶血率<10%，仅VeP1因含苯丙氨酸(F)达55.6%。修饰策略成功将OrP4的溶血率从20.9%(预测值3%)降至9.5%。

结论与展望
该研究证实AI设计结合理性修饰可高效获得12-17个氨基酸的短肽，其MIC值较天然肽降低10-100倍。特别值得注意的是，OrP3M等肽能同时靶向真菌、革兰氏阳性/阴性菌和癌细胞，这种"一石三鸟"的特性源于两亲性α螺旋对带负电荷膜的普适性作用。未来通过D-氨基酸替换或环化修饰，可进一步解决蛋白酶降解问题。这项研究为突破抗生素研发瓶颈提供了可规模化的人工智能设计范式，其代码开源(AmPepGen GitHub)更将加速抗菌肽领域的创新发展。