GIST开发名为“RAMP”的AI模型 可快速精准设计抗生素
（自左起）电气电子计算机工程系 Nam Hojung 教授、化学系 Seo Jiwon 教授、电气电子计算机工程系 Bae Daehun 硕士、化学系 Kim Minsang 博士研究生。GIST 提供
View original image自从青霉素被发现以来，抗生素在感染性疾病治疗方面带来了革命性变化，但由于持续的误用和滥用，通过基因变异产生、同时对多种药物具有耐药性的多重耐药菌（MDR）不断出现，已成为威胁人类健康的新隐患。在此背景下，韩国本土研究团队公开了一项能够快速发掘针对耐药菌的创新药物候选物、基于人工智能（AI）的下一代抗生素开发技术，备受关注。
光州科学技术院（GIST）23日表示，电气电子计算机工程系的 Nam Hojung 教授与化学系的 Seo Jiwon 教授共同研究团队，分析了多种细菌的基因信息与抗菌肽之间的活性关系，开发出一款可提出菌种特异性肽类抗生素候选物质的AI模型。
该模型通过学习不同细菌种类特有的基因信息与各类抗菌肽之间的相关性数据，能够筛选出对引发感染的致病菌最为优化的抗菌肽。由此，不仅可以实现针对特定菌种的精准医疗，还能够对经历基因变异、对现有抗生素产生耐药性的病原菌进行精确应对，从而提出个性化治疗药物候选物。
迄今为止，基于AI的抗菌肽研究大多仅预测是否具有抗菌活性，或未考虑靶标细菌种类，因而在实际应用上存在局限。为突破这一点，研究团队让模型学习大规模肽数据，并利用靶标细菌种类的基因组信息，全球首次开发出名为“LLAMP（Large Language model for AMP activity prediction，大规模语言模型抗菌肽活性预测）”的AI模型。
“LLAMP”在输入特定细菌的基因组信息和肽序列后，可预测该肽对目标细菌种类的活性指标——最小抑菌浓度（MIC，Minimum Inhibitory Concentration）。该模型以蛋白质数据为基础进行预训练语言建模，再额外学习大规模肽数据，使其能够“理解”肽特有的“语言”，随后基于细菌基因组与肽组合进行微调（Fine-tuning）后完成构建。
与既有模型相比，其抗菌性预测准确度至少提升4%、最高提升9%，活性数值预测能力则提高至少3%、最高可达40%，在所有性能指标上均表现优异。
研究团队利用“LLAMP”对自然界中约500万条肽序列进行了筛选（screening），并通过注意力（Attention）分析，确认了对抗菌活性有贡献的特定氨基酸。基于这一分析结果，研究团队对肽进行了重新设计（序列工程），进一步提升了其抗菌特性，并直接应用于病原性细菌，验证了其抗菌活性。
结果显示，输入病原菌基因信息后筛选出的候选物质，即便针对具有强毒性和耐药性的病原菌群 ESKAPE，其最小抑菌浓度（MIC）值也可低至最高3.1微摩尔（μM），展现出强大的抗菌效果。由此在实验层面证明了其作为实际治疗药物候选物的高可行性。
同时，以这些肽类化合物为对象开展的红细胞溶血毒性试验结果显示，其安全性（溶血毒性）和选择性与已推进至临床三期试验阶段的肽类抗生素“pexiganan”相近。此外，通过进一步研究还阐明，活性和选择性优异的抗菌肽，是通过源自螺旋结构的特定氨基酸排列以及两亲性特征，直接破坏细菌细胞膜而发挥作用的机制。
研究团队评价称，此次成果的意义在于，AI不仅局限于简单模仿既有药物，而是能够通过分析病原菌的基因特性，设计出针对其特征进行优化的全新治疗药物。尤其是该研究提出了一个可以实时追踪并应对抗生素耐药性演化的新药开发平台，在学术和产业层面都具有极大的影响力，因而备受瞩目。
Nam Hojung 教授表示：“本研究的核心在于，构建了一个当新型耐药菌出现时，能够基于其基因信息快速提出抗生素候选物质的AI新药开发体系”，“通过发掘菌种特异性肽类，可开发出专门针对耐药菌的抗生素，这一点也是与既有模型的根本区别”。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
