近日，华中农业大学李锦铨教授团队在国际期刊《Advanced Science》上发表了题为Discovery of Antimicrobial Lysins from the ‘Dark Matter’ of Uncharacterized Phages Using Artificial Intelligence的研究论文，该研究利用人工智能识别抗菌候选蛋白在高维特征的细微差别，实现从噬菌体或宏基因组等“暗物质”中有效筛选裂解酶候选物，为发掘高活性的抗菌蛋白分子奠定了方法学基础。并成功挖掘到了同类最佳抗菌活性（best-in-class）的裂解酶LLysSA9，能够有效防治奶牛乳房炎，对抗金黄色葡萄球菌的感染。奶牛乳房炎是奶牛常见的一种多发性疾病，实质上是病原菌感染或外伤等因素而导致的炎性反应。由于奶牛易发病、药物成本高、奶牛产奶性能降低和牛奶品质下降等原因，乳房炎对奶牛养殖业危害巨大，是最难防治的疾病之一。我国奶牛临床型乳房炎的平均发病率5%~8%，其中隐性乳房炎的阳性率为12% ~ 20%，造成每年直接经济损失约30亿元。抗生素是治疗奶牛乳房炎的常用药，然而，近年来由于细菌耐药性和兽药残留问题，新型抗菌药物的研发迫在眉睫。噬菌体裂解酶是一种蛋白质类抗菌物质，具有高效快速的杀菌作用和不易诱导细菌产生耐药性的优势，是防控病原菌的有效候选物。然而，现在的裂解酶筛选策略严重依赖已报道的实验验证的裂解酶，生物信息学方法无法系统地进行大规模筛选，目前已开发的裂解酶仅占自然界中的1%。因此，需要开发新的发掘策略促进更多的裂解酶应用于畜牧兽医领域。本研究使用堆叠模型开发了一站式的裂解酶发掘和活性评估软件DeepLysin，用于识别宏基因组“暗物质”中的裂解酶。利用该软件分析数据库公开的1321个金黄色葡萄球菌/噬菌体基因组，在2天的时间内共鉴定到466个抗菌活性>0.5的非冗余裂解酶候选物，约60%的裂解酶与已报道的裂解酶相似性低于70%。结果证明DeepLysin能够从“暗物质”中可靠地识别新的裂解酶（图2）。通过实验验证筛选到多个具有活性的裂解酶候选物。其中，裂解酶候选物LLysSA9具有同类最佳抗菌活性（best-in-class），比世界首个进入临床III期试验的裂解酶CF-301的最小抑菌浓度低4-16倍（表1）。LLysSA9具有杀菌速度快，不易产生耐药性，中和抗体不影响裂解酶杀菌活性的优势（图3）。同时，通过局部给药/系统给药均能很好地治疗由金黄色葡萄球菌感染导致的系统性感染（图4），对于防治金黄色葡萄球菌导致的奶牛乳房炎具有良好的效果。表1 裂解酶LLysSA9与CF-301的最小抑菌/杀菌浓度比较
图4 裂解酶LLysSA9的体内杀菌活性评估
该研究建立了首个将人工智能用于发掘抗菌蛋白的概念应用DeepLysin，证明了它能实现从噬菌体或宏基因组等“暗物质”中高通量筛选裂解酶，揭示了人工智能如何识别活性抗菌蛋白的高维细微特征。通过DeepLysin筛选到的裂解酶候选物LLysSA9具有同类最佳抗菌活性（best-in-class），并在动物系统性感染模型中表现良好的治疗效果。可见，DeepLysin能够挖掘到高活性的抗菌蛋白候选物，以对抗耐药细菌的感染，在防治奶牛乳房炎、子宫内膜炎和人兽共患病领域中具有良好应用前景。李锦铨教授课题组主要围绕人兽共患病原菌的分子致病机制、噬菌体高效杀菌机制和功能性噬菌体开展工作，为实现我国噬菌体产业自主生产积累资源和建立生产线，相关技术可应用于防控人兽共患病、保障动物源性食品安全和公共卫生安全。以上研究工作得到了国家自然科学基金优秀青年科学基金项目（32322082）、湖北省自然科学基金杰出青年项目（2023AFA111）和国家自然科学基金委员会面上项目（32072323）的资助。源论文链接：
https://doi.org/10.1002/advs.202404049
