近日，河南工業大學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》上發表了題為“Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides”的研究論文。碩士研究生尹柯棟為第一作者，李瑞芳為第一通訊作者，河南工業大學為唯一署名單位和通訊單位。該研究工作得到了國家自然科學基金項目的資助，河南工業大學生物工程學院和信息科學與工程學院為該研究提供了平臺。

　　病原真菌容易産生耐藥性，真菌感染嚴重威脅人類生命健康，研發不易産生耐藥性的新型抗真菌藥物迫在眉睫。抗真菌肽憑藉其多靶點、多途徑的作用機制，使病原真菌不易産生耐藥性，是理想的抗真菌藥物候選分子。但抗真菌肽的發現週期長，傳統篩選方法效率低下。基於此，李瑞芳教授團隊創新性地開發了一種基於深度學習和定量構效關係經驗篩選的抗真菌肽從頭設計方法DL-QSARES。該方法通過重組優勢氨基酸和二肽組成生成候選抗真菌肽(c_AFP)，並利用自然語言處理模型和基於物理化學性質的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對多種病原真菌的最小抑菌濃度均小于10 μg/mL，在白色念珠菌深部感染動物模型治療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慧化設計範式，顯著加速了抗真菌肽的發現進程，為解決病原真菌耐藥性難題開闢了新途徑。

　　作為國際學術界公認的高水準綜合性頂級期刊，《Advanced Science》具有強大的學術影響力。李瑞芳教授團隊長期致力於人工智能肽類藥物設計研究。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。（文 尹柯棟 ）