抗菌药物耐药性(AMR)和人畜共患病原体的快速出现凸显了需要创新的跨学科策略来理解和对抗传染病的紧迫性。世界卫生组织已将AMR确定为日益严重的全球健康威胁，强调了在研究和开发方面持续进步的必要性。
本研究专题旨在突出人工智能(AI)、系统生物学和转化医学在"同一健康"框架下宿主-病原体相互作用与抗菌药物发现交叉领域的前沿研究。通过利用机器学习、深度学习和基于网络的建模等AI驱动方法，研究人员能够以越来越高的精度解读复杂的宿主-病原体动态，预测毒力因子，并确定新的治疗靶点。
在整合人类、动物和环境健康的"同一健康"范式内，本研究专题欢迎探索AI如何跨越不同生物系统数据以增进我们对病原体进化、传播和耐药机制理解的投稿。特别鼓励关注针对抗菌药物耐药性的计算药物发现、抗菌剂重定位、宿主-病原体相互作用与免疫反应的预测建模，以及多组学方法整合的研究。
欢迎呈现AI驱动方法在宿主-病原体互作组和抗菌药物发现方面最新进展和成功应用的原创研究文章、综述和其他类型文章。通过汇集这些领域的贡献，本研究专题旨在提供新的见解，可能加速新一代抗菌药物的发现，并为减轻传染病威胁的全球战略提供信息。
感兴趣的议题包括但不限于：
- 通过药物重定位对抗抗菌药物耐药性
- 使用AI驱动方法鉴定新型抗菌剂
- 通过基于结构的药物发现揭示新型抗菌剂
- 从天然产物中筛选潜在先导分子
- 理解AMR突变效应的AI驱动方法
- 使用AI和机器学习方法对宿主-病原体相互作用进行预测建模
- 宿主-病原体系统生物学与网络分析
- 从"同一健康"视角对人畜共患病原体的AI驱动方法
关键词：抗菌药物耐药性、人工智能、药物发现、药物重定位、宿主-病原体相互作用、机器学习/深度学习方法、"同一健康"、人畜共患病原体
【全文结束】
