Nat. Microbiol. | 深度学习揭示古菌蛋白组中的潜在抗生素

DRUGONE

抗菌耐药性是人类面临的最大威胁之一，使得对新型抗生素的需求比以往任何时候都更为迫切。尽管大多数抗生素来源于细菌和真菌，但古菌仍然是一个几乎未被开发的抗生素宝库。本研究利用深度学习系统性探索了古菌组，发掘出对抗抗菌耐药性的有前景候选物。研究人员在233个古菌蛋白组中鉴定出12,623个具有潜在抗菌活性的分子。这些被称为“archaeasins”的肽类化合物展现出独特的组成特征，与传统抗菌肽明显不同。研究人员合成了80个archaeasins，其中93%在体外对鲍曼不动杆菌、大肠杆菌、肺炎克雷伯菌、铜绿假单胞菌、金黄色葡萄球菌和肠球菌等临床相关病原体表现出抗菌活性。体内验证进一步确认了archaeasin-73作为潜在先导分子，在小鼠感染模型中显著降低了A. baumannii负荷，其效果可与多黏菌素B相媲美。这些结果凸显了古菌作为开发下一代抗生素资源的巨大潜力。

抗菌耐药性的上升构成了最紧迫的全球健康威胁之一。耐药病原体削弱了现有抗生素的疗效，导致越来越难以治疗的感染。抗生素发现管线在过去几十年显著放缓，传统上主要依赖细菌和真菌作为来源。近年来，计算方法，尤其是深度学习模型，为抗生素发现提供了新途径，使得研究人员能够系统性地探索庞大的序列空间。

尽管古菌在进化上具有重要意义且展现了丰富的生化多样性，但在抗生素发现领域仍然未被充分探索。古菌独特的脂质膜、代谢途径和应激适应机制可能影响其所编码的加密肽（encrypted peptides, EPs）的结构与功能。EPs因其独特的结构与功能特征被认为是抗生素发现的新前沿，常常在常规的序列搜索中被忽视，却能展现广谱的抗菌活性。已有研究表明，来自人类、细菌甚至灭绝生物的EPs都可作为有效的抗菌剂，但尚无系统性研究探索古菌蛋白组中的这类序列。考虑到古菌与细菌及真核生物的进化分歧，古菌的EPs可能具备不同于已知抗菌剂的结构与作用机制。

结果

深度学习指导的archaeasins识别

研究人员收集了233个古菌物种的18,677条蛋白质序列，使用升级版深度学习框架APEX 1.1进行挖掘。共预测出12,623条潜在抗菌肽，其在不同病原菌株上的平均抑菌浓度（MIC）≤100 μmol/L，比例显著高于随机抽样肽集，说明古菌蛋白组中抗菌序列具有统计学富集特征。

此外，分析显示基因组较大的古菌物种往往编码更多的潜在抗菌肽，提示基因组规模可能与抗菌多肽的丰富度正相关。进一步的序列空间可视化和GO功能注释揭示，这些archaeasins分布于细胞质蛋白、核酸结合蛋白、核糖体蛋白、膜蛋白和翻译相关蛋白中，显示出功能的多样性。

抗菌活性验证

研究人员合成了80个代表性archaeasins，其中75个在体外表现出抗菌作用，命中率超过93%。它们在耐药菌株如耐甲氧西林金黄色葡萄球菌（MRSA）、耐万古霉素肠球菌（VRE）以及耐药大肠杆菌中均展现抑制效果。实验结果与预测高度一致，证明了APEX 1.1模型的有效性。

二级结构特征

圆二色谱实验显示，archaeasins在水中多为无结构态，在膜模拟环境或诱导环境中则倾向于形成β样或螺旋结构。这种结构灵活性是短肽抗菌分子的典型特征。

协同效应

为评估不同archaeasins的协同作用，研究人员进行了棋盘实验。结果显示，大多数肽对组合呈现协同或加成效应，特别是在Methanocaldococcus和Thermococcus属的肽中最为明显。这提示适应极端环境的古菌可能进化出依赖合作机制的抗菌策略。

作用机制

荧光实验表明，archaeasins的主要作用机制是使细胞质膜去极化，而非穿透外膜。这与传统AMPs有所不同，显示出独特的抗菌方式。

毒性评估

在人红细胞和HEK293T细胞的实验中，大多数archaeasins表现出低毒性，仅少数显示溶血性或细胞毒性。大多数具有高抗菌活性的肽在有效浓度下未表现明显毒性，显示出良好的选择性。

动物模型验证

在小鼠皮肤脓肿模型中，archaeasin-2、archaeasin-17和archaeasin-73显著降低了A. baumannii负荷，其中archaeasin-73的效果与多黏菌素B相当。在小鼠大腿深部感染模型中，archaeasins表现出抑菌潜力但未完全清除感染。总体来看，这些结果为archaeasins作为新型抗菌剂的体内应用奠定了基础。

讨论

本研究首次在系统层面揭示了古菌蛋白组中存在大量具有潜力的抗菌肽。研究人员发现，这些archaeasins不仅在序列组成上独具特色，还表现出较强的体外活性、有限的毒性以及在动物模型中的初步疗效。古菌所处的极端环境可能驱动了它们发展出独特的抗菌机制，如膜去极化和协同作用。

这些发现表明，古菌是尚未充分利用的天然抗菌分子来源，结合深度学习与实验验证能够显著加速新型抗生素的发现。研究人员认为，这一研究为开发应对耐药危机的下一代抗菌药物提供了重要思路。

整理 | DrugOne团队

参考资料

Torres, M.D.T., Wan, F. & de la Fuente-Nunez, C. Deep learning reveals antibiotics in the archaeal proteome. Nat Microbiol (2025).

https://doi.org/10.1038/s41564-025-02061-0

内容为【DrugOne】公众号原创｜转载请注明来源