人工智能在生物医药和生物材料设计中的赋能作用至关重要，通过先进的模型、算法和数据分析，能深入解析药物分子的构效关系，优化候选药物结构。但聚合物不确定的序列和复杂的分子组成使其难以全面表征结构，且生物活性聚合物的样本量小，难以构建大数据模型进行精准预测。因此，如何基于人工智能实现小样本数据下聚合物结构预测是领域核心挑战。
近日，华东理工大学信息学院唐漾教授与材料学院刘润辉教授等在人工智能和抗耐药菌多肽模拟聚合物方面进行跨领域合作研究。首次在基于人工智能实现小样本多肽模拟聚合物活性预测和逆向设计研究中取得关键突破，仅依赖小样本（<100）结构与活性数据实现在庞大聚合物空间（>1060）中精准预测聚合物抗菌活性，并通过逆向设计发现大量具有突出广谱抗耐药菌活性和高选择性的优选聚合物结构，为抗耐药菌多肽模拟聚合物研究提供了新思路。该成果以“人工智能辅助抗耐药菌宿主防御肽模拟聚合物的小样本逆向设计”为题发表在《自然·通讯》上。
该研究以β-多肽聚合物为模型，通过构建面向聚合物的多模态信息（文本序列、图形、描述符）表征构架以提取完整、全面的多尺度聚合物信息训练预测模型，实现小样本聚合物数据下对海量聚合物结构的精准抗菌性能预测。最后对其中一个优选聚合物DM0.8iPen0.2开展合成与抗耐药菌研究，结果表明人工智能模型预测抗菌活性与实验数据高度一致，验证了人工智能对多肽模拟聚合物活性的精准预测。
