中科院年度人物和年度团队，中科院机器人与智能制造学院-热闻精选-小童说事

人、小动物和绿植的相互依存微生物组里存有的编号多肽和小蛋白，被觉得是微生物中总数极大的一类“暗能量”，其包含的作用多元性拥有十分大的想像室内空间。

例如抗菌肽就这样一种“暗能量”。此前的研究得到，抗菌肽可以做为十分有潜能的医治多重耐药菌的药品或是磷酸激酶分子结构，而且不易造成很强的抗药性，有利于解决时下越来越激烈的耐药菌感染问题。

因而，挖掘和研究相互依存微生物组里大量的多肽具备十分关键的实际意义。

近日，来源于中科院微生物研究所的精英团队融合 LSTM、Attention 和 BERT 等多种多样自然语言理解神经网络模型，创建了一个用以从人们肠胃微生物组数据信息中鉴别备选腺苷酸-磷酸钙（AMP）的统一管路。在被确认为备选 AMP 的 2349 个多肽编码序列中，有 216 个是人工合成的，在其中展现出抑菌活力的有 181 个；而且，在这种多肽中，大部分与练习集中化 AMP 的编码序列开放阅读框小于 40%。

有关毕业论文以《运用深度神经网络法从人体肠道微生物群中评定抗菌肽》（Identification of antimicrobial peptides from the human gut microbiome using deep learning）题写发布在Nature Biotechnology上，中科院微生物研究所研究员、博导王军出任最终通讯作者。

评审人点评该研究道，“从测算预测分析到結果很好的细胞模型，此项研究汇总了一系列让人印象深刻的工作中，包含一些用以进一步研究的备选肽。应用人工神经网络发觉新的 AMP 后，再对其作用开展详尽的微生物学认证，十分有意思，这或许会对该行业造成充分危害。”

图 | 有关毕业论文（来源于：Nature Biotechnology）

在微生物及其别的植物体内充分发挥作用的分子结构，不但包含各种各样新陈代谢方式和通道所形成的小分子水，也有一系列的分子伴侣。这种生物大分子有些是生化反应的物质，如细菌细胞壁的肽聚糖和外表的脂多糖等；有的则是立即编号在基因中的，包含多肽和小 RNA 等。

或是以抗菌肽为例子，如今纯天然界已经知道的抗菌肽约有几千条，来源于十分普遍，从最初的病菌到高微生物里都有。这种肽在人们和两栖类动物中是人工免疫的构成成份，可用来在病菌中互相竞争和保持群落结构，且具备防癌、调整免疫力和改进新陈代谢等作用。

殊不知，对于这种各种各样、编码序列同质性低、作用种类繁杂的分子伴侣，现阶段还没有可以将其编码序列和作用立即关联到一起的方式。

因为生物大分子编码序列相对性而言较为短，总体上同质性极低，传统式方式根据编码序列同质性开展挖掘存有很大的艰难。

王军表明，“对于这种尤其短、同质性又不高的多肽编码序列，开展更为精确高效率地辨别是大家本次研究的关键立足点。”

图 | 该精英团队研究工作内容的平面图（来源于：Nature Biotechnology）

据统计，王军精英团队运用了 AI 行业中自然语言理解剖析（NLP）的全新方式，来对基因组序列开展研究，尤其是在其中编号的小蛋白的作用预测。在目前的好几千个已经知道抗菌肽的根基上，搭建了好几个神经网络模型融合的剖析步骤，并完成 90% 以上的判断准确度。

下面，她们应用了如今已累积的很多身心健康身体微生物组数据信息，其极大的编号发展潜力代表着，存有多种不同的抗菌肽和别的肽类，而且这种肽很有可能在互相竞争及其与寄主的互作中起着特别关键的功效。

该精英团队觉得，在胃肠道中表述的多肽应当具备比较好的真核细胞的安全系数。因此，她们在 1 万多个微生物组里开展逐层数据筛选，逐渐减少其阳性，最后得到，在生成的 200 好几条多肽中，有 180 多条肽具备十分确定的抑菌工作能力，进而认证了其方式的稳定性。

除此之外，该研究还表明，在规模性的基因和宏基因组数据信息中，依靠 AI 可以开展特殊种群作用分子结构的立即挖掘和判断，运用高通量筛选认证后，可再开展后期的原理和实效性及其身体内研究。

这类研究方式被王军称之为“从电脑硬盘到药品”，该方式可以很大程度提升有医治市场前景药品的研究速率和生产率。

王军表明，该研究最开始的念头来源于与临床医学的协作。根据以前的好几个临床医学协作，王军精英团队慢慢意识到，在肠菌中与病症和身心健康有关的分子结构不限于常常研究的小分子水，有一系列的蛋清类化合物也可以与寄主互作并具有调整免疫力、新陈代谢等功效。

例如病菌的多肽，其可以仿真人本身蛋清的编码序列，进而建立一个“仿真模拟表位”抗原体，可以诱发明显的炎症现象并与本身抗体融合。换句话说，微生物基因立即编号的多肽等生物大分子，还可以做为作用分子结构充分发挥发病或是看病的功效。

图 | 从宏基因组数据信息中挖掘备选 AMP（来源于：Nature Biotechnology）

该精英团队觉得，尽管目前还没法从很多宏基因组数据信息中合理推测什么是新陈代谢所形成的小分子水，但实际上许多 ORF（Open Reading Frame，可写框）所编号的特殊功能蛋白是可以立即挖掘的。问题取决于，用哪些的办法可以进行这类短编码序列的挖掘。

对于此事，她们运用对多媒体计算机的进一步了解和把握，创建了以 AI 为基本的预测模型，并将自然语言理解剖析的许多方式转换运用到基因的挖掘中。

在一段时间的练习之后，实体模型的精确度早已到达了一个较为可靠的标值，随后该精英团队用真核数据信息中的预测分析对抗菌肽的十个短肽开展了认证，結果看到这其中有 8 个具备活力。

然后，她们逐渐运用已经公布的很多宏基因组数据信息，开展多肽的挖掘及逻辑性推论，并将其他信息融合在一起，以实现更为合理的挖掘。

最终，该精英团队逐渐研究生成多肽的原理、安全系数与临床实验等，并得到，对真核细胞沒有显著毒副作用的肽可以在小动物身体内减少感柒菌的载量，并合理医治新冠肺炎克雷伯菌所致使的感柒。

王军表明，本次研究还需要感激中科院微生物研究所陈义华研究组的全力支持。据统计，2个研究组一起协作分析了好几个有潜能的多肽构造以及作用机制，并确认这种肽在构造和原理上父具备较高的多元性。

该研究说明，她们的方式不但可以看到较为新的肽，并且在原理和构造上沒有特殊喜好或局限性。

值得一提的是，该研究的应用前景极其普遍。一方面，其扩张了微生物组以及他基因数据信息的转换出入口，将在其中编号的许多生物大分子立即出现在研究工作人员面前，有益于开展多肽类和 RNA 类药的挖掘；另一方面，随着转录组测序方式的创新和持续增长的数据信息，或将发生大量能医治免疫性疾病、新陈代谢类病症、恶性肿瘤等的多肽。

除此之外，在目前多肽的根基上，研究工作人员可以对它进行有机化学改性材料（chemical modification），有利于后面可靠性、增加药物半衰期及稳定性的提升，这也是进到医学前必不可少的一步。

王军称，“大家发觉的多肽有希望迅速进到临床医学应用，以帮助处理如今所遭遇的耐药菌感染问题和大量重要非感染性慢性病等。”