背景：

抗生素耐药性的迅速上升和新抗生素的缓慢发现已经威胁到全球健康。虽然新型噬菌体内溶素已经成为潜在的抗菌剂，但由于巨大的工作量，新型内溶素的实验筛选方法构成了重大挑战。在这里，研究人员开发了第一个统一的软件包，即DeepLysin，以采用人工智能来挖掘巨大的基因组库（“暗物质”），以获得新型抗菌噬菌体内溶素。

研究内容及结果：

1、工具开发：开发首个集成人工智能（AI）的软件DeepLysin，包含两个核心模块：

溶菌酶挖掘模块：通过基因组注释、冗余序列去除、HMM结构域搜索（基于已知溶菌酶活性结构域）和跨膜蛋白过滤，从噬菌体/原噬菌体基因组中筛选候选溶菌酶。

抗菌活性预测模块：采用堆叠模型（Stacking Model），结合极端随机树（ERT）、逻辑回归（LR）、人工神经网络（ANN）等算法，通过多维度蛋白特征（如氨基酸组成、结构域信息）预测溶菌酶活性。

图1 DeepLysin工作流程示意图

2、数据来源：

分析1321个未表征的金黄色葡萄球菌（噬菌体基因组（含1132个宿主基因组和189个噬菌体基因组），筛选出4486个候选蛋白，最终获得466个潜在活性溶菌酶，其中63.9%与已知内溶素相似性<70%。

图2从“暗物质”筛选溶菌酶候选物

3、实验验证：

随机选择17个候选内溶素进行体外抗菌活性测试，覆盖多重耐药革兰氏阳性菌（如MRSA、表皮葡萄球菌等）及部分革兰阴性菌（ESKAPE病原体）。对活性最强的溶菌酶LlysSA9进行体内外功能验证，包括耐药性测试、免疫原性评估及小鼠感染模型治疗。

图3 内溶素活性测试

总结：

研究人员从未表征的金黄色葡萄球菌中计算筛选推定的内溶素，并随机选择17种新型内溶素进行实验验证。7个候选物表现出优异的体外抗菌活性，其中LLysSA 9超过了同类最佳替代物。在小鼠血流和伤口感染模型中进一步证明了LLysSA9的功效。因此，这项研究表明了整合计算和实验方法的潜力，以加快发现新的抗菌蛋白质，以对抗日益增加的抗菌素耐药性。

文献链接：https://doi.org/10.1002/advs.202404049