AMP0：利用零样本与少样本学习进行物种特异性抗菌肽预测

耐药微生物物种的演化是对全球健康的主要挑战之一。诸如抗菌肽等新型抗菌疗法的开发需加速以应对该威胁。然而，新颖抗菌肽的发现受限于低通量生化 assay。计算技术可用于在湿实验测试前快速筛选有潜力的抗菌肽候选。绝大多数现有抗菌肽预测器本质上为非靶向，即它们可预测给定肽序列是否具有抗菌性，但无法预测该序列能否靶向特定微生物物种。本工作中，我们开发了靶向抗菌肽活性预测器，可预测肽是否对给定微生物物种有效。这通过零样本与少样本机器学习得以实现。所提出的预测器称为 AMP0，它接收肽氨基酸序列及任意 N/C 末端修饰，连同靶微生物物种的基因组序列，以生成靶向预测。需注意，所提方法可对其训练集之外的物种生成预测。通过提供该物种的若干示例肽，可进一步提高对新测试物种预测的准确率。我们的计算交叉验证结果表明，与现有方法相比，所提方案对靶向抗菌预测尤为有效，并可用于以靶向方式筛选潜在抗菌肽，尤其在训练样本数较少时。该方法的网络服务器可从 http://ampzero.pythonanywhere.com 获取。