天然产物抗菌活性发现的不确定性感知关系学习框架NP-GUARD:概念验证与实验优先级排序
《Molecules》:A Computational Workflow Integrating Explainable AI and Database Mining for the Prioritization of Antimicrobial Natural Products
【字体:
大
中
小
】
时间:2026年10月15日
来源:Molecules 5.1
编辑推荐:
摘要
抗菌药物耐药性(AMR)威胁的不断升级要求发现具有前所未有的化学骨架的抗菌剂。天然产物历来是抗生素最丰富的来源,然而,已编目的绝大多数天然产物尚未接受抗菌活性测试。在此,我们提出天然产物图-语言不确定性感知关系发现框架(Natural-Product Graph–l
摘要
抗菌药物耐药性(AMR)威胁的不断升级要求发现具有前所未有的化学骨架的抗菌剂。天然产物历来是抗生素最丰富的来源,然而,已编目的绝大多数天然产物尚未接受抗菌活性测试。在此,我们提出天然产物图-语言不确定性感知关系发现框架(Natural-Product Graph–language, Uncertainty-Aware Relational Discovery,NP-GUARD),这是一个模块化计算框架,将抗菌天然产物发现重新构建为一个不确定性感知的、关系导向的、多目标学习问题。NP-GUARD 集成了六个核心组件:可追溯的数据筛选、多视角分子表示、病原体条件的多任务预测、显式不确定性量化、稳定性感知的可解释性以及保形-帕累托优先级排序,所有组件均整合在一个可查询的数据库中。在这些组件中,本研究实施并基准测试了数据筛选、预测、不确定性、可解释性和优先级排序层,其中包括首个病原体条件的掩码多任务图模型,而完整的多视角编码器和数据库则为后续工作做了规定。我们在公共筛选数据上报告了概念验证评估,包括金黄色葡萄球菌(Staphylococcus aureus,38,995 种化合物)、大肠杆菌(Escherichia coli,2,291 种)和铜绿假单胞菌(Pseudomonas aeruginosa,29,986 种)的数据,以及人体细胞毒性数据和来自 COCONUT 的 406,959 种化合物筛选库。在反复的骨架感知划分下,基线模型实现了较强的区分能力(AUROC 0.78–0.93),但揭示了少数类性能在划分间存在较大波动;类别条件保形预测实现了接近名义水平的逐类覆盖率;而特征归因在独立训练的模型间仅表现出中等稳定性(top-20 Jaccard 0.54),凸显了对基于解释的发现的关键警示。对 COCONUT 库的筛选验证了不确定性感知的活性排序,在排名前 100 的候选物中实现了对已知抗生素的 87 倍富集(在完全表征的命名化合物层中为 128 倍富集),尽管类似物排除分析表明该信号主要由对训练相似化学物质的重新发现所主导。寻求新颖性的帕累托层产生了一个结构多样化的 90 种化合物短名单,涵盖 72 个骨架,有意引导至未探索的化学类型;我们强调,该短名单构成的是用于实验测试的优先假设,而非已验证的活性物质。NP-GUARD 为天然产物的实验验证优先级排序提供了透明、可重复且具有决策导向的基础。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号