新的“深度学习”方法可以从母乳中选择抗菌肽

近日，中国科学院大连化学物理研究所研究员金燕团队与大连理工大学副教授刘丽团队、中国乳制品技术创新中心高级工程师何健团队合作，开发了基于深度学习技术的乳源抗菌肽选择新方法。该团队利用这种方法从母乳中选择新结构的抗菌肽，并揭示了初乳和成熟乳中抗菌肽的分布规律。相关结果发表在《食品化学》上。

世界卫生组织和中国营养学会等国内外权威组织提出，母乳是婴儿最理想的食物，是“不可替代的黄金标准”。为了满足婴儿的健康需求，一些母乳蛋白质在母亲体内被降解为内源肽。母乳内源肽具有抗菌、抗炎、抗氧化等生物功能，其中抗菌肽在婴儿免疫系统的建设中起着重要作用，研究母乳内源肽及其功能对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和样品来源有限，从母乳中高通量筛选抗菌肽面临挑战。

在这项工作中，团队建立了基于轻梯度提升机、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，在独立测试中预测乳源抗菌肽的准确性可达81.4%，高于当前抗菌肽预测模型(DeepMAMP)。进一步，团队使用DeepMAMP 对LC-MS/MS分析的45位产妇的初乳和成熟乳中的内源肽从母乳中预测出来β-酪蛋白和乳铁蛋白的1028种内源肽中选择了311种潜在的抗菌活性肽，其中6种新结构肽的抗菌实验证明了其中5种肽对革兰氏阴性和革兰氏阳性病原体的抑制活性。研究还发现，母乳中的初始牛奶比成熟牛奶含有更丰富的抗菌肽，这表明初始牛奶在婴儿早期免疫系统中起着重要的作用。

近年来，金燕团队将人工智能与组织技术相结合，提高了功能肽筛选效率。开发的Deepmamp模型和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。