背景
新型感染和药物耐药性的出现已成为全球健康的最大威胁之一，亟需在研究中实现根本性创新，并开发开创性的治疗策略与诊断方法。整合实验室结果与人工智能方法被证明对从广泛的生物和化学来源中识别微生物及新型抗菌剂具有显著益处。此外，人工智能模型可帮助阐明肽类物质对特定病原体的敏感性终点参数。
最终，人工智能指导的流程旨在筛选出具备增强特性、展现相关生物活性且对人体细胞毒性最小的候选药物。
本研究主题聚焦于人工智能在对抗抗菌素耐药性及深化感染生物学认知方面的应用。我们征集能够提出切实可行的“人工智能+湿实验室”融合解决方案的研究与综述，用于抗击超级细菌：涵盖创新型抗菌剂（如多功能肽或药物-肽杂交体）的算法设计与发现、治疗组合优化、基于计算模型的毒性降低，以及用于诊断目的的微生物识别。
我们诚邀投稿展示整合体外实验、体内实验与计算机模拟方法的混合工作流程，以加速转化型抗菌药物研发流程。研究范围包括但不限于：
• 采用生物信息学方法筛选创新肽库，例如从灭绝生物和人类防御素中提取的肽组、微生物组及分泌组。
• 在深度学习和大型语言模型支持下，实现新型抗菌肽（AMPs）及肽-药物杂交体的识别与设计，挖掘序列-功能关系以扩展创新肽库。
• 基于机器学习的病原体识别技术与实验室自动化系统。
• 运用机器学习驱动的预测建模和多目标优化，优化功能性药物与肽的关键特性（如毒性、选择性和功效）。
• 通过计算机模拟发现和优先筛选对多重耐药微生物菌株有效的协同组合（例如肽-抗生素、肽-肽组合）。
• 在感染建模、治疗靶向与诊断背景下，开发并整合人工智能驱动的多组学数据分析流程。
• 自动化挖掘生物医学文献，预测现有化合物对抗耐药病原体的新用途。
关键词：耐药感染、多功能化合物、组合策略、功能优化、机器学习、肽类治疗、深度学习、大型语言模型、人工智能
【全文结束】
