华东理工大学教授唐漾与刘润辉合作，依赖小样本（<100）结构与活性数据，在庞大聚合物空间（>1060）中精准预测聚合物抗菌活性，并通过逆向设计发现大量具有突出广谱抗耐药菌活性和高选择性的优选聚合物结构，为抗耐药菌多肽模拟聚合物研究提供了新思路。相关研究发表于《自然—通讯》。

全球抗生素耐药性风险不断升级，亟需探索高效抗耐药菌广谱抗菌剂的新策略。宿主防御肽具有抗耐药菌活性和不易使微生物产生耐药性等优势，但存在结构不稳定、易酶解、难以大规模制备等缺点。尽管人工智能（AI）辅助药物发现研究已经取得进展，但基于小样本聚合物实现AI设计具有理想目标活性的优选聚合物一直未取得突破。

研究团队以β-多肽聚合物为模型，构建了面向聚合物的多模态信息表征构架，提取完整、全面的多尺度聚合物信息训练预测模型，以实现小样本聚合物数据下对海量聚合物结构的精准抗菌性能预测。

通过搭建图语法蒸馏框架，研究人员将β-氨基酸与同源天然α-氨基酸的化学结构拆解为大量分子图语法片段，并重新组合成新的分子，用于训练生成模型，并利用强化学习实现预测模型与生成模型的迭代交互，最终获得83个具有广谱抗耐药菌活性和高选择性的优选聚合物库。为验证AI对多肽模拟聚合物活性的预测能力，研究人员对一个优选聚合物开展合成与抗耐药菌研究。结果表明，AI模型预测抗菌活性与实验数据高度一致。

基于小样本β-多肽聚合物的人工智能框架实现聚合物逆向设计。图片来源于《自然—通讯》

相关论文信息：https://doi.org/10.1038/s41467-024-50533-4