Cell Press 研讨 AI 辅助生物材料中加密肽挖掘与深度学习功能预测

Cell Press 研讨会"AI-assisted biomaterials advancement"，讲者展示 AI 如何重塑生物材料研究——从大规模并行挖掘蛋白 / 基因发现功能分子，到训练深度学习模型直接由氨基酸序列预测生物功能。

• "加密肽"（encrypted peptides）发现：从与免疫无关的大量蛋白中挖出具抗菌活性的小肽，98.3% 源自非免疫基因、仅 1.7% 来自经典宿主防御基因；合成后在实验中呈广谱抗菌、并在小鼠感染模型降低感染——提出"分子去灭绝"（molecular de-extinction）框架：循进化找回功能分子再在实验室合成。
• 深度学习功能预测：训练一个以氨基酸序列为输入、直接预测抗菌等属性的深度模型；并强调高质量数据是关键——媒体常夸大"AI 凭空涌现"的叙事，当前 AI 并不能一步到位"设计出新疗法"。
• 平台整合：讲者用 iPS 细胞 + 基因组测序 + CRISPR 编辑 + AI 对接四类平台做可溶靶点筛选；同一架构 / 训练协议可跨 iPSC 分化、基因扰动、药物响应、未见药物、类器官发育、辐射损伤与 rescue 等多种场景。
• 方法学提醒：罕见病 FDA 承认患者少、但每病数千变异；AI 价值在高质量数据驱动的靶点因果确认，而非替代实验验证。
• 属宣称性 / 目标性内容（如"首个 AI 发现疗法"）均以讲者所述为准，待实验与审批验证。