《Progress in Polymer Science》：Advances in Computational and Data-driven Methodologies for Accelerating Antimicrobial Peptide Design and Discovery
编辑推荐：
本综述系统阐述了计算与数据驱动方法在抗菌肽（AMP）设计中的前沿进展。重点涵盖分子动力学（MD）、粗粒化（CG）模型及机器学习（ML）技术的融合应用，并探讨了从传统经验筛选向闭环智能设计范式转型的未来趋势。
引言：从“盲筛”到“智造”的范式革命
抗菌肽（Antimicrobial Peptides, AMPs）作为对抗多重耐药菌的“希望之星”，其研发历程正经历一场由计算科学驱动的深刻变革。这篇综述《Advances in Computational and Data-driven Methodologies for Accelerating Antimicrobial Peptide Design and Discovery》描绘了一幅从“试错式筛选”迈向“理性设计”的路线图。过去，研究者受限于计算资源，只能在数千个原子、数百皮秒的微观尺度里“管中窥豹”；如今，全原子分子动力学（All-Atom Molecular Dynamics）已能模拟数十万原子、微秒级的复杂系统，而粗粒化（Coarse-Grained, CG）模型更是将视野拓展至更大尺度的膜重塑与肽聚集行为。
但这仅仅是开始。真正引爆这场革命的，是机器学习（Machine Learning, ML）与分子模拟的“联姻”。传统的模拟提供了物理机制，而ML则提供了高通量的筛选大脑，两者结合形成了“序列—结构—活性”的闭环设计新范式。
模拟技术的“进化史”：看得更清，跑得更久
原子级精度的“显微镜”
早期的AMP研究严重受限于算力，模型往往只有72-128个脂质，模拟时间仅几百皮秒，很难捕捉到完整的膜破坏过程。如今，全原子MD模拟已成为解析AMP与膜相互作用的“金标准”。它能清晰展示肽的吸附、插入乃至形成跨膜孔道的动态细节，为理解抗菌机制提供了原子级的物理基础。
粗粒化模型的“广角镜”
当研究目标转向肽的聚集、大尺度膜弯曲或囊泡融合时，全原子模拟就显得力不从心。粗粒化（CG）模型应运而生，它将多个原子“打包”成一个珠子，牺牲部分细节以换取百倍的速度提升。其中，Martini力场表现尤为出色，它能在近原子分辨率下模拟巨大的膜系统，揭示了AMP如何通过协同作用破坏膜完整性的集体行为。
多尺度与增强采样的“组合拳”
为了兼顾“细节”与“尺度”，研究者开发了多尺度混合策略：关键区域（如肽结合位点）用原子模型，周边环境用粗粒化或隐式模型。同时，增强采样技术（如伞形采样、副本交换）帮助克服能垒，精准绘制AMP结合的自由能景观。不过，在复杂的外膜（Outer Membrane, OM）环境中，由于脂多糖（Lipopolysaccharide, LPS）的扩散极慢，充分的构象采样仍是巨大挑战。
数据驱动的“超强大脑”：ML如何加速设计？
如果说模拟是“做实验”，那么ML就是“预测结果”。传统的QSAR（定量构效关系）已被更先进的ML算法取代。
- •
分类与识别：支持向量机（SVM）、随机森林（Random Forest）和人工神经网络（ANN）被广泛用于从海量序列中快速识别潜在的AMP候选者。
- •
语言模型的降维打击：基于蛋白质语言模型（如ESM2）的迁移学习，其性能远超传统的k-mer特征方法。这些模型能理解氨基酸序列的“语法”，从而更精准地预测新序列的功能。
- •
生成式设计：生成对抗网络（GAN）等模型不仅能筛选，还能“创造”全新的、具有理想活性的抗菌肽序列。
闭环设计：未来的“自动驾驶”实验室
综述展望的未来图景是“闭环发现框架”。这是一个高度集成的系统：
- 1.
计算设计：ML模型生成候选肽序列。
- 2.
自动合成：机器人平台自动合成这些肽。
- 3.
高通量实验：快速测试活性与毒性。
- 4.
实时反馈：实验数据回流，反向优化ML模型和力场参数。
这一闭环将极大缩短研发周期，实现AMP的按需设计与优化。
挑战与展望：精度与验证的博弈
尽管前景光明，但道路依然曲折：
- •
力场精度：现有的力场对非标准残基、翻译后修饰（如酰胺化、脂化）的精确描述仍有不足。
- •
实验验证：计算预测必须通过实验“验货”。固态核磁共振（Solid-State NMR）等技术，特别是结合动态核极化（DNP）增强信号，是验证肽-膜复合物结构的有力手段。
- •
可解释性：未来的发展离不开可解释人工智能（XAI），它需要告诉我们模型“为什么”认为这个肽有效，而不仅仅是“有效”。
从静态对接、分子动力学到多尺度模拟与人工智能，计算方法的迭代正在将抗菌肽研发从一门“艺术”转变为可预测、可编程的“工程科学”。
