新型耐药菌DNA旋转酶B靶向抑制剂Biselyngbyaside B的发现及其抗病毒检测技术QDCRNet的交叉应用研究

本文推荐一种创新性抗病毒检测框架——量子扩张卷积循环网络(QDCRNet)，该模型通过Box-Cox变换预处理基因表达数据，结合Gower距离与互信息(MI)进行特征选择，整合量子扩张卷积神经网络(QDCNN)和深度循环神经网络(DRNN)，在病毒检测中实现90.8%准确率。研究同时报道了靶向耐药菌DNA旋转酶B的新型抑制剂Biselyngbyaside B，为感染性疾病诊疗提供双重技术突破。

　　

亮点

• 提出QDCRNet病毒检测框架：通过整合量子扩张卷积神经网络(QDCNN)与深度循环神经网络(DRNN)，实现对基因表达数据中病毒特征的多层次解析，有效克服传统方法在低表达量病毒检测和变异毒株识别中的局限性。

文献综述

Aher与Jena开发的骑手鸡优化循环神经网络(RCO-RNN)虽能快速降维，但缺乏系统的特征选择流程；Abdel Samee的深度神经网络(DNN)在关键基因识别中表现突出，但未充分考虑病毒-宿主互作动态。

QDCRNet病毒检测方法

该体系通过三步革新：1) 采用Box-Cox变换消除基因表达数据偏态；2) 基于Gower距离与互信息(MI)构建"病毒热点"识别算法；3) 量子卷积层捕获核苷酸空间特征，结合双向LSTM追踪基因表达时序规律，使甲型H1N1流感病毒与SARS-CoV-2的鉴别准确率提升12.7%。

结果与讨论

在包含23,000个临床样本的测试中：

• 对高变异RNA病毒检出灵敏度达90.5%

• 交叉验证显示AUC-ROC曲线下面积0.932±0.014

• 较传统PCR方法缩短检测周期58%

结论

该研究突破性地将量子计算引入病原体检测领域，其创新点在于：1) 建立首个可解释性病毒基因表达指纹图谱；2) 开发的Biselyngbyaside B抑制剂对耐甲氧西林金黄色葡萄球菌(MRSA)的MIC₅₀低至0.8μg/mL，为应对全球抗生素耐药危机提供新策略。