一种基于双引擎深度学习框架的抗菌肽预测方法及其在极端环境微生物挖掘中的应用
知识产权简介
本申请旨在解决现有抗菌肽预测工具在训练数据集上存在严重偏差、预测精度与效率难以兼顾，以及缺乏针对特殊生物环境（如深海）的优化等问题。 本发明的核心发明点主要包括： ① 采用特定的数据预处理策略，以消除由样本长度和N端残基引入的伪相关特征。 ② 提出一个基于ESM-2和Transformer的双引擎预测框架，该框架集成了高精度的XAMP-E模块和轻量级的XAMP-T模块。 ③ 构建了一套整合小开放阅读框预测、双引擎模型筛选及实验验证的完整流程。
转化前景
本发明具有极高的产业化应用前景，具体体现在以下三个方面： ① 卓越的性能指标：中位AUC达0.972，较现有最优工具提升约10%；假阳性率低至0.17%；XAMP-T仅需约100万参数，推理速度比其他深度学习模型快5-40倍。已成功从238个深海宏基因组样本中预测并筛选出2,355个高置信度AMP候选，6个合成肽对ESKAPE病原体均显示抗菌活性。 ② 软件工具的应用前景：本发明开发的XAMP算法框架（含XAMP-T和XAMP-E）可封装为软件包或Web服务器，供科研院所和制药企业使用。其“快慢结合”的双引擎策略特别适合处理海量微生物组数据（如人体肠道、海洋、土壤宏基因组），能够快速从“微生物暗物质”中筛选潜在活性肽，显著降低实验筛选成本，缩短药物发现周期。 ③ 药物开发的转化潜力：通过本发明挖掘得到的深海抗菌肽序列（如3#_RK23、4#_IW38等）已被实验证实对多重耐药的革兰氏阴性菌（如鲍曼不动杆菌、肺炎克雷伯菌）具有强效抑制作用。这些新型肽序列可作为先导化合物，进一步开发为治疗医院获得性感染的新型抗菌药物，具有重大的社会经济价值和临床应用意义。