科学家使用深度学习研制生物医药

美国伊利诺伊大学香槟分校与加利福尼亚大学洛杉矶分校合作开发了一款新的用于医学研究的机器学习系统。

目前约有1100种已知的可以穿透微生物膜的具有不同序列的抗菌肽（AMP）。为了帮助发现天然抗菌肽序列的“蓝图”，来自美国伊利诺伊大学香槟分校和加州大学洛杉矶分校的研究人员合作开发了一款新型机器学习系统，该系统可基于抗菌肽的物理化学性质发现并设计α-螺旋膜活性肽。

研究人员称，他们在研究中训练了机器学习分类器（支持向量机）识别膜的活性，并通过多肽合成和表征校准识别指标。研究人员使用机器学习方法不仅发现了新的膜活性肽，而且还基于之前定义的函数确定了已知肽的膜活性，这帮助他们在各种形形色色的肽家族中发现了膜活性。

由于将药物导入细胞对许多应用十分重要，研究人员预测这个工具将有广泛的生物医学价值，包括对免疫治疗、降低耐药性发生率的广谱膜活性抗菌肽、设计用于细胞核酸转染的阳离子细胞穿透肽以及治疗肿瘤的抗癌疗法都有应用价值。

研究人员开发了一种新型计算系统，并在加州大学洛杉矶分校完成了系统测试，结果表明抗菌肽的功效与其特异性之间存在差异。

研究人员指出：“不同抗菌肽的核结构通常不同，这类多肽更倾向于短链，多带正电荷并呈中性，通过包含抗菌活性肽和无活性肽的训练集训练机器学习分类器，分类器学习了哪些物理和化学性质能够使肽保持良好膜活性。我们预计分类器将学习区分特定肽序列的抗菌性，但通过预测性实验测试，我们发现它实际上学习了一种更加通用和物理性的规则来基于膜活性区分不同的肽。实际上，在训练集中分类器将膜活性作为抗菌性的物理决定因素，并帮助我们发现其他肽类中的膜活性肽。”

加州大学洛杉矶分校的研究人员表示，他们使用支持向量机作为发现膜活性的有效工具对肽序列空间进行了搜索，发现了新的膜活性肽，这些膜活性肽难以从现有的α-螺旋膜活性肽简单进化而来。

研究人员称，产生的是不同序列分类的肽，预期不仅与已经的抗菌肽具有一样的膜活性，而且除了抗菌活性外还具有许多其他功能，包括神经肽、病毒融合蛋白质类、拓扑基因肽和淀粉样蛋白，如果这些肽的主要功能未被发现，它们可能会被归类为抗菌肽。令人惊讶的是，对于很多作为多功能肽组成部分的天然肽来说，膜活性与抗菌性不共同延伸是十分常见的。”