8月6日，Cell Reports發(fā)表了廣東工業(yè)大學(xué)生物醫(yī)藥學(xué)院教授林章凜團(tuán)隊(duì)與華南理工大學(xué)生物學(xué)院副教授楊曉鋒團(tuán)隊(duì)合作的最新研究成果。他們在人工智能的生物學(xué)應(yīng)用方面取得重要進(jìn)展，成功構(gòu)建了一種新型的人工智能框架——DeepMineLys，并發(fā)現(xiàn)迄今為止在人類微生物組中最有效的溶菌酶。論文第一作者、華南理工大學(xué)生物科學(xué)與工程學(xué)院2018級博士生付一然表示，作為概念驗(yàn)證，該研究使用了人類微生物宏基因組數(shù)據(jù)，從中識別和挖掘有治療耐藥菌潛力的溶菌酶，它標(biāo)志著人工智能在生物學(xué)領(lǐng)域應(yīng)用的一個(gè)重要突破。

“DeepMineLys不僅能夠挖掘溶菌酶，而且具備蛋白質(zhì)挖掘的廣泛應(yīng)用潛力，為未來的生物學(xué)研究提供了一個(gè)有力的工具?！闭撐墓餐ㄓ嵶髡吡终聞C表示，DeepMineLys的成功得益于構(gòu)建了涵蓋廣泛噬菌體溶菌酶的全面訓(xùn)練數(shù)據(jù)集，集成了TAPE等先進(jìn)算法和編碼技術(shù)，采用了3層卷積神經(jīng)網(wǎng)絡(luò)和雙軌架構(gòu)等幾個(gè)關(guān)鍵因素，極大地提升了模型的預(yù)測性能。

在性能評估方面，研究團(tuán)隊(duì)使用了精確度、召回率和F1分?jǐn)?shù)等多種指標(biāo)，在獨(dú)立數(shù)據(jù)集的驗(yàn)證中，DeepMineLys的F1分?jǐn)?shù)達(dá)到84.00%，相比現(xiàn)有方法提升了20.84%。他們成功地從3個(gè)不同的人類微生物宏基因組數(shù)據(jù)集中識別出1 000多種新的溶菌酶（相似度小于60%）。

研究團(tuán)隊(duì)還從前100個(gè)候選溶菌酶中隨機(jī)選擇了16個(gè)進(jìn)行了實(shí)驗(yàn)驗(yàn)證，其中11個(gè)被證實(shí)具有活性，最強(qiáng)的一個(gè)溶菌酶的活性甚至比傳統(tǒng)溶菌酶高出6.2倍，成為迄今為止在人類微生物組中發(fā)現(xiàn)的最有效的溶菌酶。

同等重要的是，研究團(tuán)隊(duì)指出了人工智能用于生物學(xué)問題的若干限制和有待解決的關(guān)鍵問題。一是，生物問題涉及的可能數(shù)據(jù)庫要遠(yuǎn)大于物理問題的數(shù)據(jù)庫。比如，目前世界人口總數(shù)只有80億左右，所以人臉識別是相對容易的，但單個(gè)蛋白質(zhì)的三突變株數(shù)就高達(dá)千億。二是，目前人工智能技術(shù)的驗(yàn)證基本局限于內(nèi)推，而生物學(xué)問題更需要外推能力，因此使用獨(dú)立數(shù)據(jù)集驗(yàn)證更顯重要。三是，大部分人工智能的生物學(xué)研究目前缺乏實(shí)驗(yàn)驗(yàn)證。

（來源：中國科學(xué)報(bào)）