MicroSPEAR 用蛋白质语言模型和微流控加速地球孤立栖息地抗生素发现
Accelerating antibiotic discovery from Earth's isolated habitats through protein language models and microfluidics
研究团队提出 MicroSPEAR 端到端框架,将蛋白质语言模型预测器 SPEAR 与微流控平台 MicroGrad 结合,用于抗菌肽发现。基于覆盖 15 类孤立栖息地的 4,480 个宏基因组目录,SPEAR 识别出 383,027 条非冗余候选抗菌肽,其中 63.1% 在参考数据库中无可检测同源序列。
读者可了解蛋白质语言模型与微流控如何组成端到端流程,覆盖从宏基因组候选筛选到小鼠感染模型验证。
预印本 · biorxiv · 10.1101/2025.11.13.688364
本站摘要基于收录版本 v3(2026-11-06),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v3
地球隔离生境微生物组的抗生素潜力在很大程度上仍未被探索。要利用这一资源,需要在差异极大的肽序列之间进行可靠的优先级排序,并进行高效的实验验证。在此我们提出 MicroSPEAR,这是一个用于抗菌肽(AMP)发现的端到端框架,将 SPEAR(一种序列-结构感知的集成预测器)与 MicroGrad(一个微流控测试平台)整合在一起。SPEAR 可推广至低同源性肽,尽管仅基于二元活性标签训练,仍能优先筛选出强效候选物。MicroGrad 简化了液体处理,将药敏测试时间从约 18 小时缩短至 4 小时。将其应用于源自 4,480 个宏基因组、涵盖 15 种隔离生境类型的目录,SPEAR 鉴定出 383,027 个非冗余候选 AMP,其中 63.1% 在参考数据库中缺乏可检测的同源物。在 85 个合成候选物中,有 79 个在 [≤]64 M; 浓度下表现出抗菌活性。机制分析揭示了不同的膜破坏模式。四个广谱且低毒性的候选物在小鼠大腿感染模型中显著降低了细菌负荷。MicroSPEAR 将探索不足的微生物多样性与经实验验证的抗生素先导物连接起来,为实验室在环(lab-in-the-loop)发现奠定了基础。
来源:bioRxiv · biorxiv.org