图 基于小样本学习的β-多肽聚合物智能逆向设计框架。（A） 整体框架流程图；
（B） 基于多模态聚合物表征的聚合物预测框架流程图；（C） 基于图语法蒸馏的聚合物生成框架流程图

　　在国家自然科学基金项目（批准号：61988101、T2325010、22075078、62233005、62293502）资助下，华东理工大学信息学院钱锋院士和唐漾教授联合材料学院刘润辉教授团队以及海外合作者开展交叉合作，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方面取得进展。研究成果以“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（AI-guided Few-shot Inverse Design of HDP-Mimicking Polymers against Drug-Resistant Bacteria）”为题，于2024年7月26日发表在《自然·通讯》（Nature Communications）期刊上。论文链接：https://www.nature.com/articles/s41467-024-50533-4。

　　全球抗生素耐药性风险不断升级，亟需探索高效抗耐药菌广谱抗菌剂的新策略。宿主防御肽因具有抗耐药菌活性和不易使微生物产生耐药性等优势被寄予厚望，然而传统半经验化的设计方法仍难以满足抗耐药菌化合物的迫切需求。尽管人工智能辅助药物发现研究已经取得进展，但多肽模拟聚合物的无规序列导致难以全面表征聚合物结构，且小样本数据限制了对聚合物性能的精准预测与对超高维聚合物空间的高效探索。

　　针对上述问题，研究团队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，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。通过搭建图语法蒸馏框架，实现小样本数据精准定位高维聚合物空间的搜索范围，在β-多肽聚合物的逆向设计过程中，获得83个具有广谱抗耐药菌活性和高选择性的优选聚合物库。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。

　　本研究深入探索了人工智能驱动抗耐药菌多肽模拟聚合物设计的巨大潜力，为人工智能赋能药物自动化与智能化设计提供新思路。