A Multi‐Property Optimizing Generative Adversarial Network for de novo Antimicrobial Peptide Design

抗菌剂 细胞毒性 抗菌肽 计算机科学 财产(哲学) 生成对抗网络 生化工程 肽 计算生物学 组合化学 人工智能 化学 生物 微生物学 工程类 深度学习 生物化学 体外 哲学 认识论
作者
Jiaming Liu,Tao Cui,Tao Wang,Lishan Lin,Xi Zeng,Dazhi Lu,Shaoqing Jiao,Jun Wang,Xiaoyan Li,Shuyuan Xiao,Dongna Xie,Xuecheng Wang,Yongtian Wang,Xuequn Shang,Yinbo Niu,Zhongyu Wei,Jiajie Peng
出处
期刊:Advanced Science [Wiley]
卷期号:12 (38): e03443-e03443 被引量:14
标识
DOI:10.1002/advs.202503443
摘要

Antimicrobial peptides (AMPs) play a crucial role in developing novel anti-infective drugs due to their broad-spectrum antimicrobial activity and lower likelihood of causing bacterial resistance. However, laboratory synthesis of AMPs is tedious and time-consuming. Existing computational methods have limited capability in optimizing multiple desired properties simultaneously. Here, a Multi-Property Optimizing Generative Adversarial Network (MPOGAN) is proposed to iteratively learn the relationship between peptides and multi-properties with a dynamically updated dataset. With the increase of the dataset quality, the ability of the model to design AMPs with multiple desired properties is improved. Through extensive computational tests, MPOGAN exhibits superior performance in generating AMPs with multiple desired properties, including potent antimicrobial activity, reduced cytotoxicity, and increased diversity. Ten designed AMPs are chemically synthesized, nine of which exhibited antimicrobial activity and low cytotoxicity. Notably, two of these peptides showed potent broad-spectrum antimicrobial activity coupled with reduced cytotoxicity, highlighting their potential for downstream applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
会飞的猪qq完成签到,获得积分10
1秒前
风吹麦浪的应助被善良的秋蝶采纳,获得10
1秒前
Ava的应助被内向易文采纳,获得10
1秒前
威武的皮卡丘完成签到,获得积分10
2秒前
星驰完成签到,获得积分10
2秒前
cyuan完成签到,获得积分10
2秒前
PJWright发布了新的文献求助10
2秒前
Jun的应助被柚子采纳,获得60
2秒前
3秒前
Owen的应助被houyushen采纳,获得10
3秒前
狂野小兔子完成签到 ,获得积分10
4秒前
王海婷发布了新的文献求助30
4秒前
开心豆完成签到,获得积分10
4秒前
赵一博主发布了新的文献求助10
5秒前
WWWWB发布了新的文献求助10
5秒前
zxz发布了新的文献求助10
5秒前
传奇3的应助被rhy采纳,获得10
5秒前
5秒前
6秒前
万能图书馆的应助被CHI采纳,获得10
6秒前
光催哈兰德完成签到 ,获得积分10
6秒前
6秒前
7秒前
华仔的应助被ooo采纳,获得10
7秒前
无极微光的应助被学渣采纳,获得20
8秒前
脑洞疼的应助被LengEye采纳,获得10
8秒前
善良的秋蝶完成签到,获得积分10
8秒前
www完成签到,获得积分20
8秒前
热心市民小红花的应助被chwa采纳,获得10
8秒前
神勇紫菜发布了新的文献求助10
9秒前
胡younger米发布了新的文献求助10
9秒前
幸福沛岚发布了新的文献求助10
9秒前
早起大王完成签到,获得积分20
9秒前
mochi发布了新的文献求助10
9秒前
科研通AI2S的应助被YYyw采纳,获得10
10秒前
luoluo发布了新的文献求助10
11秒前
爆肝志友完成签到 ,获得积分10
11秒前
亿眼万年完成签到,获得积分10
11秒前
科研通AI6.4的应助被nana采纳,获得10
11秒前
噜噜噜发布了新的文献求助10
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8161694
求助须知:如何正确求助?哪些是违规求助? 9556193
关于积分的说明 21733038
捐赠科研通 7751587
什么是DOI,文献DOI怎么找? 3427556
关于科研通互助平台的介绍 2552602
邀请新用户注册赠送积分活动 2472032