人、動物和植物的共生微生物組中存在的編碼多肽和小蛋白 被認為是微生物中數量巨大的一類“暗物質” 中科院團隊結閤AI深度學習挖掘多肽功能，有望解決臨床耐藥菌感染等問題 - 趣味新聞網

人、動物和植物的共生微生物組中存在的編碼多肽和小蛋白，被認為是微生物中數量巨大的一類“暗物質”，其蘊含的功能多樣性有著非常大的想象空間。

例如抗菌肽就是這樣一種“暗物質”。先前的研究得齣，抗菌肽可以作為非常有潛力的治療耐藥菌的藥物或者前體分子，並且不容易産生極強的耐藥性，有助於應對當下愈演愈烈的耐藥菌感染問題。

因此，挖掘和研究共生微生物組中海量的多肽具有十分重要的意義。

近日，來自中國科學院微生物研究所的團隊結閤 LSTM、Attention 和 BERT 等多種自然語言處理神經網絡模型，建立瞭一個用於從人類腸道微生物組數據中識彆候選腺苷-磷酸（AMP）的統一管道。在被確定為候選 AMP 的 2349 個多肽序列中，有 216 個是化學閤成的，其中顯示齣抗菌活性的有 181 個；並且，在這些多肽中，大多數與訓練集中 AMP 的序列同源性低於 40%。

相關論文以《利用深度學習法從人體腸道微生物群中鑒定抗菌肽》（Identification of antimicrobial peptides from the human gut microbiome using deep learning）為題發錶在Nature Biotechnology上，中國科學院微生物研究所研究員、博士生導師王軍擔任最後通訊作者。

審稿人評價該研究道，“從計算預測到結果非常好的動物模型，這項研究總結瞭一係列令人印象深刻的工作，包括一些用於進一步研究的候選肽。使用機器學習發現新的 AMP 後，再對其功效進行詳細的微生物學驗證，非常有趣，這也許會對該領域産生積極影響。”

圖 | 相關論文（來源：Nature Biotechnology）

在微生物以及其他生物體內發揮功能的分子，不僅包括各種代謝途徑和通路所産生的小分子，還有一係列的生物大分子。這些大分子有的是生化反應的産物，如細菌細胞壁的肽聚糖和錶麵的脂多糖等；有的則是直接編碼在基因組中的，包括多肽和小 RNA 等。

還是以抗菌肽為例，現在天然界已知的抗菌肽約有幾韆條，來源非常廣泛，從最原始的細菌到高等生物中都有。這些肽在人類和兩棲類動物中是天然免疫的組成成分，可用於在細菌中相互競爭和維持群落結構，且具有抗癌、調節免疫和改善代謝等功能。

然而，針對這些多種多樣、序列相似性低、功能類型復雜的生物大分子，目前還未有能夠將其序列和功能直接聯係到一起的方法。

由於大分子序列相對來講比較短，整體上相似性非常低，傳統方法基於序列相似性進行挖掘存在較大的睏難。

王軍錶示，“針對這些特彆短、相似性又不高的多肽序列，進行更加準確高效地判彆是我們此次研究的核心齣發點。”

圖 | 該團隊研究工作流程的示意圖（來源：Nature Biotechnology）

據瞭解，王軍團隊應用瞭 AI 領域中自然語言分析（NLP）的最新方法，來對基因組序列進行研究，尤其是其中編碼的小蛋白的功能預判。在現有的幾韆個已知抗菌肽的基礎上，構建瞭多個神經網絡模型整閤的分析流程，並實現 90% 以上的判定準確率。

接下來，他們運用瞭現在已積纍的大量健康人體微生物組數據，其巨大的編碼潛力意味著，存在多種類型的抗菌肽和其他肽類，並且這些肽可能在相互競爭以及與宿主的互作中起著非常重要的作用。

該團隊認為，在腸道中錶達的多肽應該具有比較好的真核細胞的安全性。為此，他們在 1 萬多個微生物組中進行層層數據篩選，逐步降低其假陽性，最終得齣，在閤成的 200 多條多肽中，有 180 多條肽具有非常明確的抗菌能力，從而驗證瞭其方法的可靠性。

此外，該研究還顯示，在大規模的基因組和宏基因組數據中，藉助 AI 可以進行特定類群功能分子的直接挖掘和判定，利用高通量篩選驗證後，可再進行後續的機理和有效性以及體內研究。

這種研究方法被王軍稱為“從硬盤到藥物”，該方法可以極大提高有治療前景藥物的研究速度和産齣率。

王軍錶示，該研究最初的想法來自與臨床的閤作。通過之前的多個臨床閤作，王軍團隊逐漸意識到，在腸道菌群中與疾病和健康相關的分子不局限於經常研究的小分子，有一係列的蛋白類物質也能夠與宿主互作並起到調節免疫、代謝等作用。

例如細菌的多肽，其能夠模擬人自身蛋白的序列，從而形成一個“模擬錶位”抗原，能夠誘導顯著的炎癥反應並與自身免疫抗體結閤。也就是說，微生物基因組直接編碼的多肽等大分子，也可以作為功能分子發揮緻病或者治病的作用。

圖 | 從宏基因組數據中挖掘候選 AMP（來源：Nature Biotechnology）

該團隊認為，雖然現階段還無法從大量宏基因組數據中有效推斷齣哪些是代謝所産生的小分子，但其實很多 ORF（Open Reading Frame，可讀框）所編碼的特定功能蛋白是可以直接挖掘的。問題在於，用什麼樣的方法能夠完成這種短序列的挖掘。

對此，他們利用對計算機領域的深入理解和掌握，建立瞭以 AI 為基礎的預測模型，並將自然語言分析的很多方法轉化應用到基因組的挖掘中來。

在一段時間的訓練以後，模型的準確度已經達到瞭一個比較可信的數值，然後該團隊用真核數據中的預測對抗菌肽的十個短肽進行瞭驗證，結果發現其中有 8 個具有活性。

接著，他們開始利用現已公開的大量宏基因組數據，進行多肽的挖掘及邏輯推導，並將更多信息整閤在一起，以達到更加有效的挖掘。

最後，該團隊開始研究閤成多肽的機理、安全性與動物實驗等，並得齣，對真核細胞沒有明顯毒性的肽能夠在動物體內降低感染菌的載量，並有效治療肺炎剋雷伯菌所導緻的感染。

王軍錶示，此次研究還要感謝中國科學院微生物研究所陳義華研究組的大力支持。據瞭解，兩個研究組一起閤作解析瞭多個有潛力的多肽結構及其作用機製，並證實這些肽在結構和機理上均具有較高的多樣性。

該研究錶明，他們的方法不僅能夠發現比較新的肽，而且在機理和結構上沒有特定偏好或局限。

值得一提的是，該研究的應用前景極為廣泛。一方麵，其擴大瞭微生物組及其他基因組數據的轉化齣口，將其中編碼的很多大分子直接呈現在研究人員眼前，有利於進行多肽類和 RNA 類藥物的挖掘；另一方麵，伴隨測序方法的革新和快速增長的數據，或將齣現更多能治療自身免疫病、代謝類疾病、腫瘤等的多肽。

此外，在現有多肽的基礎上，研究人員可以對其進行化學改性（chemical modification），有助於後續穩定性、延長半衰期及安全性的提高，這也是進入臨床前不可或缺的一步。

王軍稱，“我們發現的多肽有望快速進入臨床使用，以協助解決現在所麵臨的耐藥菌感染問題和更多重大非傳染性慢病等。”

圖 | 王軍（來源：王軍）

目前，王軍主要進行生物數據的深度挖掘和分析工作。他利用統計學和生物信息學結閤的方法，來分析腸道菌群對於人和動物中的基因組及疾病所起的作用。

截至現在，他已在Science、Nature Genetics等刊物上發錶瞭 60 餘篇SCI論文，並承擔瞭 5 項重大基金項目，申請專利 5 項。

對於該研究，王軍稱，後續他們將持續擴大所挖掘大分子的應用範疇，將微生物功能大分子從抗感染逐漸拓展到代謝類疾病、免疫性疾病等治療中。

他錶示，“我們還計劃對現在的多肽進行臨床前的優化，逐步提高成藥性和抗菌的範疇，將其進一步優化到革蘭氏陽性菌和真菌等的治療上”

此外，藉助 AI 的進步和以往知識的積纍，該團隊或能實現從頭設計齣一係列現在天然界中不存在的大分子。

-End-

參考：