XAMPGen: An Interpretable SI Pipeline For Novel Antimicrobial Peptide Discovery

几十年来，医学界一直面临着日益严重的危机：细菌正在学会如何识破我们赖以救命的抗生素。传统的抗生素通常像是一把精准的钥匙去匹配特定的锁，针对细菌细胞的一个单一部分。由于它们如此精确，细菌可以通过进化出一种新的形状来阻挡这把“钥匙”，从而使药物失效。然而，自然界有着不同的策略。数百万年来，生物体一直产生着被称为抗菌肽的短链氨基酸。这些不是精准的钥匙，而是宽泛且灵活的工具，攻击细菌的最外层——细胞膜。因为这个外壳对细菌的生存至关重要，且在不破坏自身的情况下很难发生改变，所以细菌很难针对这些肽产生耐药性。科学家面临的挑战一直是寻找这些氨基酸的最佳组合，以创造出一种新型且有效的肽。可能性的空间是巨大的，而在实验室中逐一测试它们既缓慢、昂贵，又往往徒劳无功。

现在，一支研究团队开发出了一种导航于这一广阔空间的新方法，将人工智能的力量与一种理解其智能运作方式的方法相结合。他们创建了一个名为 XAMPGen 的系统，该系统使用一种基于蛋白质语言训练的计算机模型来发明新的抗菌肽。与以往将这些计算机模型视为仅仅输出结果而不提供解释的神秘“黑箱”的尝试不同，该团队构建了一个能够剥开模型层级以观察其思维过程的流水线。他们不仅生成了新的序列，还证明了该模型学习到了真实的生物学规则，随后在实验室中测试了他们的创造物以确认其有效性。结果显示，这组新设计的肽不仅对细菌具有强效作用，而且还附带了关于其为何有效的清晰、可理解的解释。

研究人员首先通过教导一个被称为 ProGen 的大型计算机模型来学习抗菌肽的语言。该模型已经接受过数百万个天然蛋白质序列的训练，学习了维持蛋白质结构的统计模式。随后，团队针对已知的抗菌肽对该模型进行了微调，向它展示了哪些设计有效以及哪些无效。为了使这一过程更高效，他们使用了一种技术，仅更新模型极小部分的内部设置，而不是重新训练整个庞大的系统。训练完成后，模型开始生成数千个新的肽序列。然而，计算机不能仅仅吐出一个序列就假设它是完美的；它需要经过筛选。团队构建了第二套工具作为“筛子”，用于预测生成的序列中哪些可能有效，并估算它们的效力。他们将数千个候选序列缩小到最终的十五种肽，这些肽是基于长度、化学平衡和预测强度筛选出的最有潜力的候选者。

在这些十五种肽被合成之前，团队想要了解计算机选择背后的逻辑。他们将计算机模型视为一个信息从一个站传递到下一个站的深层多层工厂。通过检查每个站点的内部活动，他们发现模型以一种特定的方式组织其知识。在过程的早期，模型专注于单个构建模块，而后期阶段则开始识别复杂的模式。他们确定了在处理过程中的一个特定阶段，模型掌握了关于肽是否能杀死细菌的最有用信息。在这个阶段，他们观察了模型如何将肽序列的不同部分相互连接。他们发现，模型学会了特别关注某些模式，例如一端存在带正电荷的氨基酸簇，而另一端则存在特定的疏水（即排斥水）氨基酸序列。这些模式与科学家已知的自然肽攻击细菌膜的方式相吻合，证实了计算机学习到了正确的生物学规则，而非仅仅是记忆数据。

带着这种理解，团队转向实验室，观察计算机的创造物是否真的奏效。他们合成了选定的十五种肽，并针对两种常见的细菌进行了测试：一种引起肠道感染，另一种引起皮肤感染。结果令人瞩目。他们测试的每一种肽都显示出了抗菌活性。一些新设计的肽甚至比它们所基于的天然模板还要强效，有些在低至 1 微摩尔的浓度下就能杀死细菌。为了理解为什么这些新肽如此有效，研究人员检查了它们与人工模拟的细菌细胞膜的相互作用。他们发现，最成功的肽具有一种特定的结构行为：它们在水中是柔韧的，但在接触膜时会迅速变为刚性的螺旋形状。这种螺旋形状使它们能够牢固地锚定在细菌外壳中并破坏它。

这项研究还揭示了关于这些肽如何发挥作用的一些令人惊讶的细节。计算机自然地选择了一种特定的排列方式，即链起始处的一个大型疏水性氨基酸与链末端的另一个大型疏水性氨基酸完美对齐。这种对齐创造了一个强大的锚点，帮助肽刺入膜中。此外，模型一致地在肽链中间放置了一个被称为甘氨酸的小型、柔韧的氨基酸。这起到了“铰链”的作用，允许肽的两部分在插入膜的过程中调整形状。这些特征并非随机产生的；它们正是肽执行任务所需的物理机制。通过使用他们的新方法观察计算机决策过程的内部，研究人员可以指出这些特定特征，并解释为什么这些新肽能发挥作用。

这项工作表明，人工智能可以不仅仅是一个预测工具，它还可以成为提供清晰洞察力的科学发现伙伴。团队展示了通过使这些模型具备可解释性，我们可以信任它们生成的序列，并理解其成功的物理原因。他们设计的肽不仅是理论上的，更是表现优于许多现有选项的真实分子。研究表明，这种结合了生成式设计与对设计原理深度理解的方法，可以加速新药的发现。它为对抗抗生素耐药性提供了一条路径，提供了一种快速生成并验证对抗日益难以对付的细菌的新武器的方法。该流水线的成功证明，我们现在可以使用计算机不仅来寻找新方案，还能理解使这些方案奏效的基本原理。