目前抗生素耐药性已被世界卫生组织列为人类面临的十大公共卫生威胁之一。因此，快速高效的寻找新型抗生素迫在眉睫。抗菌肽（AMP）由于不太可能引起耐药性，不仅能成为传统抗生素替代品，还为抗生素耐药性的病原体提供了新的候选药物来源。

　　近日，中国科学院微生物研究所的研究人员发表题为“Identification of antimicrobial peptides from the human gut microbiome using deep learning”的研究论文，描述了利用人工智能有效地挖掘大型肠道微生物组数据集，以寻找具有抗菌特性肽的方法。

　　研究人员通过对大规模宏基因组数据进行搜索，识别出与已知AMP相似的序列，作为AMP的识别管道，对多个基于深度学习的自然语言处理模型（如循环和注意力神经网络）的性能进行评估和优化。在检索出的4409个代表性基因组中筛选出了2349个候选AMP，通过基因表达数据、相对丰度和与选定细菌的关联，进一步鉴定出241条抗菌肽序列，并合成了最终的216个多肽，其中181个具有抗菌活性，命中率为83.8%，这一发现有力的说明机器学习模型能够有效地加快发现新型抗生素的进度。