“深度学习”新方法能从母乳中筛选抗菌肽

　　近日，中国科学院大连化学物理研究所研究员靳艳团队与大连工业大学副教授刘俐团队、国家乳业技术创新中心正高级工程师何剑团队合作，发展了一种基于深度学习技术的乳源抗菌肽筛选新方法。团队利用该方法从母乳中筛选获得了新结构抗菌肽，并揭示了母乳初乳和成熟乳中抗菌肽的分布规律。相关成果发表在《食品化学》。

　　世界卫生组织和中国营养学会等国内外权威组织机构均提出——母乳是婴儿最理想的食物，是“无可替代的黄金标准”。为满足婴儿健康需求，部分母乳蛋白质在母体内降解为内源肽。母乳内源肽具有抗菌、抗炎、抗氧化等生物功能，其中抗菌肽对构建婴儿免疫系具有重要的作用，研究母乳内源肽及其功能对于婴儿健康营养研究具有重要意义。然而，由于乳源肽的特殊性及样品来源受限等问题，从母乳中高通量筛选抗菌肽面临挑战。

　　本工作中，团队构建了基于轻量梯度提升机、长短期记忆网络和注意力机制算法的乳源抗菌肽预测模型，在独立测试集中对乳源抗菌肽的预测准确率可达81.4％，高于现有抗菌肽预测模型（DeepMAMP）。进一步，团队利用DeepMAMP 对LC-MS/MS分析的45位产妇的初乳和成熟乳中的内源肽进行预测，从源于母乳β-酪蛋白和乳铁蛋白的1028条内源肽中筛选到311条潜在抗菌活性肽，对其中6条新结构肽进行抗菌实验验证，证实了其中5条肽对革兰氏阴性和革兰氏阳性病原菌均具有抑制活性。研究还发现，母乳中初乳比成熟乳含有更为丰富的抗菌肽，表明初乳对婴儿早期免疫系统的重要作用。

　　近年来，靳艳团队将人工智能与组学技术相结合，提高了功能肽筛选效率，本工作开发的DeepMAMP模型与已建立的苦味肽预测模型CPM-BP，有望进一步完善功能肽高通量筛选体系。