結(jié)合人工智能深度學(xué)習(xí)挖掘多肽功能，有望解決臨床耐藥菌感染等問題

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(shù)量巨大的一類“暗物質(zhì)”，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(zhì)”。先前的研究得出，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，并且不容易產(chǎn)生極強的耐藥性，有助于應(yīng)對當(dāng)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(xué)院微生物研究所的團隊結(jié)合LSTM、Attention和BERT等多種自然語言處理神經(jīng)網(wǎng)絡(luò)模型，建立了一個用于從人類腸道微生物組數(shù)據(jù)中識別候選腺苷一磷酸的統(tǒng)一管道。在被確定為候選腺苷一磷酸的2349個多肽序列中，有216個是化學(xué)合成的，其中顯示出抗菌活性的有181個;并且，在這些多肽中，大多數(shù)與訓(xùn)練集中腺苷一磷酸的序列同源性低于40%。

相關(guān)論文以《利用深度學(xué)習(xí)法從人體腸道微生物群中鑒定抗菌肽》為題發(fā)表在《自然生物技術(shù)》上，中國科學(xué)院微生物研究所研究員、博士生導(dǎo)師王軍擔(dān)任最后通訊作者。

審稿人評價該研究道，“從計算預(yù)測到結(jié)果非常好的動物模型，這項研究總結(jié)了一系列令人印象深刻的工作，包括一些用于進一步研究的候選肽。使用機器學(xué)習(xí)發(fā)現(xiàn)新的腺苷-磷酸后，再對其功效進行詳細的微生物學(xué)驗證，非常有趣，這也許會對該領(lǐng)域產(chǎn)生積極影響。”

在微生物以及其他生物體內(nèi)發(fā)揮功能的分子，不僅包括各種代謝途徑和通路所產(chǎn)生的小分子，還有一系列的生物大分子。這些大分子有的是生化反應(yīng)的產(chǎn)物，如細菌細胞壁的肽聚糖和表面的脂多糖等;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(xiàn)在天然界已知的抗菌肽約有幾千條，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，可用于在細菌中相互競爭和維持群落結(jié)構(gòu)，且具有抗癌、調(diào)節(jié)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(fù)雜的生物大分子，目前還未有能夠?qū)⑵湫蛄泻凸δ苤苯勇?lián)系到一起的方法。

由于大分子序列相對來講比較短，整體上相似性非常低，傳統(tǒng)方法基于序列相似性進行挖掘存在較大的困難。

王軍表示，“針對這些特別短、相似性又不高的多肽序列，進行更加準(zhǔn)確高效地判別是我們此次研究的核心出發(fā)點。”

該團隊研究工作流程的示意圖

據(jù)了解，王軍團隊?wèi)?yīng)用了人工智能領(lǐng)域中自然語言分析的最新方法，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(yù)判。在現(xiàn)有的幾千個已知抗菌肽的基礎(chǔ)上，構(gòu)建了多個神經(jīng)網(wǎng)絡(luò)模型整合的分析流程，并實現(xiàn)90%以上的判定準(zhǔn)確率。

接下來，他們運用了現(xiàn)在已積累的大量健康人體微生物組數(shù)據(jù)，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，并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，在腸道中表達的多肽應(yīng)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(shù)據(jù)篩選，逐步降低其假陽性，最終得出，在合成的200多條多肽中，有180多條肽具有非常明確的抗菌能力，從而驗證了其方法的可靠性。

此外，該研究還顯示，在大規(guī)模的基因組和宏基因組數(shù)據(jù)中，借助人工智能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后，可再進行后續(xù)的機理和有效性以及體內(nèi)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產(chǎn)出率。

王軍表示，該研究最初的想法來自與臨床的合作。通過之前的多個臨床合作，王軍團隊逐漸意識到，在腸道菌群中與疾病和健康相關(guān)的分子不局限于經(jīng)常研究的小分子，有一系列的蛋白類物質(zhì)也能夠與宿主互作并起到調(diào)節(jié)免疫、代謝等作用。

從宏基因組數(shù)據(jù)中挖掘候選腺苷一磷酸

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“模擬表位”抗原，能夠誘導(dǎo)顯著的炎癥反應(yīng)并與自身免疫抗體結(jié)合。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(fā)揮致病或者治病的作用。

該團隊認為，雖然現(xiàn)階段還無法從大量宏基因組數(shù)據(jù)中有效推斷出哪些是代謝所產(chǎn)生的小分子，但其實很多可讀框所編碼的特定功能蛋白是可以直接挖掘的。問題在于，用什么樣的方法能夠完成這種短序列的挖掘。

王軍

對此，他們利用對計算機領(lǐng)域的深入理解和掌握，建立了以人工智能為基礎(chǔ)的預(yù)測模型，并將自然語言分析的很多方法轉(zhuǎn)化應(yīng)用到基因組的挖掘中來。

在一段時間的訓(xùn)練以后，模型的準(zhǔn)確度已經(jīng)達到了一個比較可信的數(shù)值，然后該團隊用真核數(shù)據(jù)中的預(yù)測對抗菌肽的十個短肽進行了驗證，結(jié)果發(fā)現(xiàn)其中有8個具有活性。

接著，他們開始利用現(xiàn)已公開的大量宏基因組數(shù)據(jù)，進行多肽的挖掘及邏輯推導(dǎo)，并將更多信息整合在一起，以達到更加有效的挖掘。

最后，該團隊開始研究合成多肽的機理、安全性與動物實驗等，并得出，對真核細胞沒有明顯毒性的肽能夠在動物體內(nèi)降低感染菌的載量，并有效治療肺炎克雷伯菌所導(dǎo)致的感染。

王軍表示，此次研究還要感謝中國科學(xué)院微生物研究所陳義華研究組的大力支持。據(jù)了解，兩個研究組一起合作解析了多個有潛力的多肽結(jié)構(gòu)及其作用機制，并證實這些肽在結(jié)構(gòu)和機理上均具有較高的多樣性。

該研究表明，他們的方法不僅能夠發(fā)現(xiàn)比較新的肽，而且在機理和結(jié)構(gòu)上沒有特定偏好或局限。

值得一提的是，該研究的應(yīng)用前景極為廣泛。一方面，其擴大了微生物組及其他基因組數(shù)據(jù)的轉(zhuǎn)化出口，將其中編碼的很多大分子直接呈現(xiàn)在研究人員眼前，有利于進行多肽類和RNA類藥物的挖掘;另一方面，伴隨測序方法的革新和快速增長的數(shù)據(jù)，或?qū)⒊霈F(xiàn)更多能治療自身免疫病、代謝類疾病及腫瘤等的多肽。

此外，在現(xiàn)有多肽的基礎(chǔ)上，研究人員可以對其進行化學(xué)改性，有助于后續(xù)穩(wěn)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(fā)現(xiàn)的多肽有望快速進入臨床使用，以協(xié)助解決現(xiàn)在所面臨的耐藥菌感染問題和更多重大非傳染性慢病等。”

目前，王軍主要進行生物數(shù)據(jù)的深度挖掘和分析工作。他利用統(tǒng)計學(xué)和生物信息學(xué)結(jié)合的方法，來分析腸道菌群對于人和動物中的基因組及疾病所起的作用。

截至現(xiàn)在，他已發(fā)表了6 0余篇SCI論文，并承擔(dān)了5項重大基金項目，申請專利5項。

對于該研究，王軍稱，后續(xù)他們將持續(xù)擴大所挖掘大分子的應(yīng)用范疇，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。

他表示，“我們還計劃對現(xiàn)在的多肽進行臨床前的優(yōu)化，逐步提高成藥性和抗菌的范疇，將其進一步優(yōu)化到革蘭氏陽性菌和真菌等的治療上。”

此外，借助人工智能的進步和以往知識的積累，該團隊或能實現(xiàn)從頭設(shè)計出一系列現(xiàn)在天然界中不存在的大分子。（綜合整理報道）（編輯/諾伊克）