近日，我校生物工程學院李瑞芳教授團隊在國際頂級跨學科學術期刊《Advanced Science》（中科院一區TOP，IF=14.3）上發表了題為“Deep Learning Combined with Quantitative Structure?Activity Relationship Accelerates De Novo Design of Antifungal Peptides”（DOI: 10.1002/advs.202412488）的研究論文。碩士研究生尹柯棟為第一作者，李瑞芳教授為第一通訊作者，河南工業大學為唯一署名單位和通訊單位。

論文封面

念珠菌感染亟需新型抗真菌藥物，傳統藥物易產生耐藥性。抗真菌肽（AFP）憑借獨特作用機制成為理想候選，但傳統篩選方法效率低下。基于此，李瑞芳教授團隊創新性地開發了一種基于深度學習和定量構效關系經驗篩選的AFP從頭設計方法DL-QSARES。該方法通過重組優勢氨基酸和二肽組成生成候選AFP (c_AFP)，并利用自然語言處理模型和基于物理化學性質的QSAR方法進行高效篩選，最終獲得49個對白色念珠菌具有顯著抑制活性的c_AFP，其中4個最優的c_AFP對多種病原真菌的MIC均小于10 μg/mL，AFP-13在動物模型中表現出優異的體內治療效果。這項研究為抗真菌藥物研發提供了全新的智能化設計范式，顯著加速了AFP的發現進程，為解決耐藥性難題開辟了新途徑。

成果截圖

該研究工作得到了國家自然科學基金項目（32471309）的資助；生物工程學院與信息科學與工程學院為該研究提供了平臺。作為國際學術界公認的高水平綜合性頂級期刊，《Advanced Science》具有強大的學術影響力。李瑞芳教授團隊長期致力于計算機輔助多肽藥物設計研究。該研究成果是團隊在生物學、藥學與計算機科學等多學科交叉領域取得的重要突破。

論文鏈接：https://doi.org/10.1002/advs.202412488