Nat. Commun. | 小样本深度学习模型从百亿级多肽样本库中精准挖掘抗鲍曼不动杆菌肽

背景：鲍曼不动杆菌是临床致死率极高的耐药菌，亟需新型抗菌药物。抗菌肽因不易诱导耐药性而成为理想候选，但针对该菌的已知抗菌肽数据稀缺，传统深度学习易过拟合。研究目的：为解决小样本问题，研究者开发了结合预训练与多步微调的小样本深度学习工作流FSLSMEP，旨在从海量多肽库中高效挖掘抗鲍曼不动杆菌肽。结论：该工作流仅用148个阳性样本，成功从百亿级多肽库中筛选出活性肽，实验验证成功率高达91.1%，其中EME7(7)肽抗菌效价高、不易耐药、肾毒性低，体内效果媲美多粘菌素B且更安全。工作流还展现出良好的泛化能力，为小样本药物发现提供了新范式。