《Nucleic Acids Research》：DBAASP V4: condition-resolved bioactivity and chemical structures for data-driven peptide and peptidomimetic discovery
编辑推荐：
当前肽类研究正经历复兴：宏基因组与蛋白质组挖掘、分子“去灭绝”、蛋白质语言模型（Protein Language Models, PLMs）以及生成式或进化设计方法，正在产生海量候选分子；然而可用的机器学习依赖的是实验锚定、且具备丰富上下文的标签。抗菌肽活性与
当前肽类研究正经历复兴：宏基因组与蛋白质组挖掘、分子“去灭绝”、蛋白质语言模型（Protein Language Models, PLMs）以及生成式或进化设计方法，正在产生海量候选分子；然而可用的机器学习依赖的是实验锚定、且具备丰富上下文的标签。抗菌肽活性与结构数据库（Database of Antimicrobial Activity and Structure of Peptides, DBAASP）是一个人工策展资源，将肽与拟肽（peptidomimetics）与定量抗菌、抗生物膜（antibiofilm）、抗癌、溶血及哺乳动物细胞毒性测量值及其实验条件相链接。DBAASP v4包含超过25?000条条目，并将资源从以序列为中心的数据库扩展为结构感知仓库。主要新增内容包括系统化SMILES（Simplified Molecular Input Line Entry System）表示、增强的链内键与环系架构注释、专用抗生物膜与协同（synergy）记录、PubChem关联、超过9200条分子动力学（Molecular Dynamics, MD）轨迹，以及新的预测服务。这种条件解析数据可支撑监督学习、菌株特异与目标特异模型、模型校准，以及遗传算法的替代适应度函数。SMILES表示进一步实现对非经典肽与拟肽的建模，这类分子无法仅用序列充分描述。因此，DBAASP通过提供实验策展的活性与结构层，补充大型肽目录，将序列信息转化为可检验的预测、设计与优化方案。DBAASP v4可免费访问于 https://dbaasp.org。
研究背景与总体贡献
肽类药物研发正处于由宏基因组与蛋白质组挖掘、非经典氨基酸化学、大环化、高通量实验、蛋白质语言模型和生成式人工智能共同驱动的复兴阶段。抗菌肽（Antimicrobial Peptides, AMPs）之外，更广的活性肽与拟肽（peptidomimetics，指保留肽类结构或理化特征但改善稳定性与成药性的肽类似物）空间正在迅速扩张。公开研究已从人类蛋白质组、宏基因组、古人类与灭绝生物蛋白质组中产出数十万至数千万量级候选序列。与此同时，实验测得的生物活性标签却相对稀缺，且同一肽在不同菌株、培养基、接种量、pH、盐浓度与 assay 条件下可表现出显著差异。研究人员指出，当前瓶颈已不是“序列数量”，而是“带条件信息的可靠生物标签”。在此背景下，Malak Pirtskhalava、Andrei Gabrielian等研究人员在《Nucleic Acids Research》发表DBAASP v4，将数据库从序列中心资源升级为结构感知、条件解析的实验策展层，为数据驱动肽与拟肽发现提供可训练、可溯源、可复用的活性与结构数据底座。
主要关键技术方法
研究人员通过PubMed与Google Scholar结合扩展关键词进行文献筛查，并引入大语言模型（Large Language Model, LLM）辅助初筛与字段抽取，但所有化学实体、活性数值与实验条件均经人工核对原始论文。结构端用ChemDraw绘制单体与修饰模板，以自研Python流程基于MDL Molfile组装完整肽结构，经RDKit清洗后输出规范手性SMILES；对链内键、环架构做受控注释与自动一致性校验。后端采用Spring Boot与PostgreSQL，提供Web界面、REST API、批量下载与Model Context Protocol（MCP）服务；预测服务以随机森林（Random Forest）训练菌株特异抗菌与病毒进入抑制模型。数据来源均为已发表文献，无新增湿实验队列。
研究结果
数据来源与策展
研究人员建立“化学实体条目”与“条件特异测量记录”分离的数据模型，保留MIC、IC50、MBIC、MBEC、抑制率、FICI等原始数值，不平均、不泛化、不伪造标签；阴性或失活观测也按条件保留。由此DBAASP v4在August 2026快照中涵盖超过25?000条条目，较v3增长约60%，其中约4100条天然肽、约21?000条合成肽与拟肽。
化学结构表示
研究人员为结构明确的单体肽、共价多聚体与修饰类似物系统分配SMILES，描述非蛋白源单体、末端修饰、骨架改变与环化；对未定键位、未定半胱氨酸配位或多链未连接记录则不强行生成单一SMILES。数据库标注15类链内键型与26类环型，并在Peptide Card中展示二维结构与PubChem CID关联。
用户功能与检索
搜索接口暴露键型、参与链类别、环型、抗生物膜、协同、SMILES与PubChem字段；可区分主链-主链、主链-侧链、侧链-侧链连接，以及是否参与成环。抗生物膜记录独立存MBIC、MBEC与抑制率；协同数据涵盖超过800条目与超过5000对AMP-AMP或AMP-抗生素配对测量，含FICI。
程序化访问与预测服务
研究人员提供/peptides与/peptides/{id}等REST端点、JSON返回、CSV/FASTA/JSON批量下载及MCP服务。Tools页集成物化性质计算、常规预测、菌株特异预测；新增基因组信息驱动的菌株水平抗菌预测，以及病毒进入抑制肽预测，均以序列/结构描述符联合靶标特征训练。
与同类数据库比较
在APD6、DRAMP 4.0、CAMPR4、dbAMP 3.0对比中，DBAASP v4的差异化优势是同时具备条件解析定量活性、系统SMILES、阴性观测、协同与抗生物膜数据、拟肽支持及开放API，而非单纯追求条目规模。
在AI赋能肽发现中的角色
研究人员强调，大规模生成语料负责学“序列语法”，DBAASP负责学“生物目标”。其测量级标签可支撑分类、回归、多任务与选择性优化；遗传算法可用DBAASP训练模型作替代适应度。已有工作将其用于RNN生成设计、抗癌与抗菌候选发现，并形成“生成—评分—合成—回流策展”的闭环潜力。
讨论与结论翻译
讨论指出，DBAASP受文献覆盖限制，专利与专有数据不全，实验条件异质，冲突测量可能共存；MD轨迹仅为模拟构象集合；SMILES依赖结构完整性与标准化选择；预测模型受训练分布与适用域限制。机器学习使用时应保留测量级来源、统一单位而不丢失assay上下文、采用相似性感知或脚手架感知划分，并以外部前瞻集验证。
结论部分可概括为：当前肽类复兴改变了计算瓶颈——候选序列可达百万至千万级，真正受限的是“测了什么、对谁、在什么条件下、毒性和选择性如何”的可靠标签。DBAASP v4以条件解析定量活性加显式化学结构应对该瓶颈：不仅提供正向序列，也保留效价、报道失活、菌株与assay上下文、溶血与细胞毒、抗生物膜与协同终点及数据出处。这些资源可支撑分类与回归、目标感知模型、基准测试及遗传算法多目标设计中的替代适应度函数；SMILES与受控修饰注释把同一框架扩展到环肽、非经典残基与拟肽化学空间。DBAASP应被视为更广肽数据生态中的实验策展活性层，帮助把不断扩张的挖掘与生成序列，转化为可重复、可检验的设计假设。
你想把这篇解读继续改成期刊审稿意见，还是会议汇报讲稿？
