可编程生物学旨在理性设计生命系统,超越传统研发限制。EDEN模型通过学习自然进化数据,提炼生物设计原则,推动生物工程进入可预测编程阶段。该模型在基因治疗和抗菌肽设计等领域展现出强大能力,验证了其作为统一生物设计引擎的潜力。
1928年青霉素的发现开启了抗菌新纪元,但抗生素耐药性问题日益严重。宾夕法尼亚大学筛选出386种新型抗菌肽,其中91.4%显示出强效抗菌活性,为新抗生素研发提供了新思路。
本研究提出OmegAMP框架,旨在提高深度学习抗菌肽(AMP)发现的命中率和可控性。该框架结合扩散生成模型和低维嵌入,能够精确生成具有特定物理化学特性和活性谱的AMP,推动抗菌药物抗性研究的发展。
浙江大学和南方医科大学的研究团队开发了AMP-Designer,利用大型语言模型(LLM)在48天内设计出有效的抗菌肽(AMP),成功率高达94.4%。该方法结合先进的机器学习技术,针对抗生素耐药性问题,展示了在特定细菌上设计AMP的潜力。
世界卫生组织预测,到2050年,抗生素耐药性感染将导致每年1000万人死亡。山东大学研究团队结合潜在扩散模型与分子动力学,成功设计出多样性高的抗菌肽(AMPs),实验表明其对耐药性真菌有效,未来可拓展至其他功能性肽的设计。
完成下面两步后,将自动完成登录并继续当前操作。