美国宾大团队运用AI从技术古菌中发现新型抗菌化合物，助研新抗生素

🌐 产品介绍

宾夕法尼亚大学合成生物工程实验室（César de la Fuente团队）专注AI驱动的自然分子挖掘，从灭绝生物DNA、动物毒液到古菌，突破传统抗生素研发瓶颈。其开发的APEX深度学习平台已累计发现386种毒液抗菌肽（91.4%验证有效）及上万种古菌抗菌化合物，成为新型抗生素研发的“加速引擎” 。

👥 适用人群

• 医药研发企业：需突破现有抗生素结构的创新管线
• 微生物学家：极端环境微生物活性成分研究者
• AI药物发现团队：需提升候选分子筛选效率的实验室
• 公共卫生机构：应对抗生素耐药性危机的决策部门

⚙️ 核心功能

🧪 技术原理

团队采用 “三级漏斗式”筛选架构：

1. 初级扫描：
   升级版APEX模型对233种古菌的蛋白质组进行扫描，通过预训练识别抗菌肽的电荷分布模式（+2至+7净电荷）和疏水性特征，初筛12,000+候选肽 。
2. 机制预判：
   利用电生理活性模型模拟化合物与细菌内膜的相互作用，锁定通过“内部断电机制”干扰细菌电信号的分子（传统抗生素仅5%具此特性）。
3. 活体验证：
   对80种高评分古菌素进行耐药菌抑制实验，93%有效；其中3种进入小鼠试验，1种（古菌素-B7）对院内耐药菌的抑制率与多黏菌素B相当，且无肾毒性反应 。

💡 突破点：古菌素通过扰乱细菌质子梯度阻断能量供应，而非常规的细胞膜破坏机制，大幅降低耐药性演化速度 。

🛠️ 工具使用技巧

• 优先扫描极端环境古菌：
  深海热泉、盐碱湖的古菌（如Haloferax volcanii）含更多高电荷抗菌肽，APEX预测准确率提升19% 。
• 参数调优建议：
  将模型阈值设为MIC≤32 μmol/L（中位数），可排除95%无效肽段 。
• 跨物种验证策略：
  对APEX筛选出的古菌素进行哺乳动物细胞膜穿透测试，提前规避溶血风险 。

🔗 访问地址

👉 APEX开源代码与古菌素数据库：
GitHub项目：github.com/PennBioAI/APEX_Archaea
（含预训练模型、古菌蛋白质组数据集及合成指南）

💎 站长锐评：当人类在实验室苦寻新抗生素时，AI正从沸腾的酸液和深海热泉中搬救兵——这些存活了30亿年的古菌，或许就是破解耐药困局的“终极钥匙”。🔑