基于机器学习挖掘真菌基因组中发现广谱抗菌肽并用于抑制植物病原真菌孢子萌发

《Journal of Integrative Agriculture》：Leveraging machine learning to uncover broad-spectrum antimicrobial peptides from pathogenic fungal genomes: A case study

　　

摘要

抗菌药物耐药性危机的日益加剧凸显了对创新治疗方案的迫切需求。尽管数千种致病真菌的基因组数据已公开获取，但其在药物发现中的潜力仍基本未被开发。本文提出一种基于机器学习的方法，用于挖掘这些真菌基因组中的抗菌肽（AMPs），特别聚焦于真菌孢子萌发的关键阶段。我们选取稻瘟病菌Magnaporthe oryzae——分子植物病理学十大真菌病原菌之首——作为案例研究，开发了一个综合计算平台，用于预测能够抑制小麦冠腐病菌Fusarium graminearum孢子萌发的肽类分子，该病原菌可感染多种作物物种。在20个合成候选肽中，通过表型筛选鉴定出两种具有强效抗真菌活性的肽。这些肽能够破坏真菌膜的完整性，诱导异常的细胞形态，并以剂量依赖的方式发挥作用。值得注意的是，它们还表现出广谱疗效，通过抑制多种丝状植物病原菌的孢子萌发以及抑制类酵母型人体真菌病原菌的生长来发挥作用。在植物模型中，这些肽对真菌感染提供了有效保护。此外，它们还显示出意想不到的抗菌活性，能够抑制细菌病原菌的体外和活体生长。通过将人工智能与真菌基因组学相结合，本工作揭示了一个丰富且尚未被充分探索的抗菌药物发现资源。我们的发现强调了机器学习在发现对抗抗菌药物耐药性的新型治疗手段方面的变革性潜力，这对全球健康和粮食安全具有重大意义。

董金诚|陈子馨|林龙|王炳新|王利民|邵晓龙|刘逢泉|郭庆刚|许焕良|黄俊贤|钱国良