“深度學習”新方法能從母乳中篩選抗菌肽

　　近日，中國科學院大連化學物理研究所研究員靳艷團隊與大連工業大學副教授劉俐團隊、國家乳業技術創新中心正高級工程師何劍團隊合作，發展了一種基于深度學習技術的乳源抗菌肽篩選新方法。團隊利用該方法從母乳中篩選獲得了新結構抗菌肽，并揭示了母乳初乳和成熟乳中抗菌肽的分布規律。相關成果發表在《食品化學》。

　　世界衛生組織和中國營養學會等國內外權威組織機構均提出——母乳是嬰兒最理想的食物，是“無可替代的黃金標準”。為滿足嬰兒健康需求，部分母乳蛋白質在母體內降解為內源肽。母乳內源肽具有抗菌、抗炎、抗氧化等生物功能，其中抗菌肽對構建嬰兒免疫系具有重要的作用，研究母乳內源肽及其功能對于嬰兒健康營養研究具有重要意義。然而，由于乳源肽的特殊性及樣品來源受限等問題，從母乳中高通量篩選抗菌肽面臨挑戰。

　　本工作中，團隊構建了基于輕量梯度提升機、長短期記憶網絡和注意力機制算法的乳源抗菌肽預測模型，在獨立測試集中對乳源抗菌肽的預測準確率可達81.4％，高于現有抗菌肽預測模型（DeepMAMP）。進一步，團隊利用DeepMAMP 對LC-MS/MS分析的45位產婦的初乳和成熟乳中的內源肽進行預測，從源于母乳β-酪蛋白和乳鐵蛋白的1028條內源肽中篩選到311條潛在抗菌活性肽，對其中6條新結構肽進行抗菌實驗驗證，證實了其中5條肽對革蘭氏陰性和革蘭氏陽性病原菌均具有抑制活性。研究還發現，母乳中初乳比成熟乳含有更為豐富的抗菌肽，表明初乳對嬰兒早期免疫系統的重要作用。

　　近年來，靳艷團隊將人工智能與組學技術相結合，提高了功能肽篩選效率，本工作開發的DeepMAMP模型與已建立的苦味肽預測模型CPM-BP，有望進一步完善功能肽高通量篩選體系。