抗生素耐药性危机有一个众所周知的瓶颈：发现管线。传统的筛选方法缓慢、昂贵，且几乎未能产生可用于临床的候选药物。加州大学戴维斯分校的一个团队现已展示了一种生成式AI方法，可能极大地加速这一过程。
ARCADIAMP（通过AI驱动扩散和膜活性肽迭代评估实现抗菌候选物快速生成）结合了离散去噪扩散概率模型（D3PM）、两阶段基于ESM2的分类器、新颖性过滤器和迭代自训练循环。从生成的100万个候选物中，该平台筛选出仅10个肽用于实验合成。其中8个显示出抗菌活性，最小抑制浓度（MIC）为32 µg/mL或更低，，80%的命中率远超传统筛选。
主要候选物名为Peptide-7，即Arcinin，是一种由29个氨基酸组成的α-螺旋肽，其序列（GRWRRVGRKLRTLGKSFGKVAHVAGKAIFA）与任何已知抗菌肽没有显著相似性。
对六种ESKAPE病原体中的五种有效
Arcinin针对ESKAPE菌组进行了测试，，这六种细菌物种导致了全球大多数医院获得性感染，并以多重耐药性著称。结果如下：
| 病原体 | MIC (µg/mL) | 类别 |
|———|————-|——|
| Klebsiella pneumoniae | 8 | 革兰氏阴性，ESKAPE |
| Acinetobacter baumannii | 8 | 革兰氏阴性，ESKAPE |
| Pseudomonas aeruginosa | 8 | 革兰氏阴性，ESKAPE |
| Escherichia coli | 8 | Enterobacter替代革兰氏阴性 |
| Staphylococcus aureus | 16 | 革兰氏阳性，ESKAPE |
| Enterococcus faecalis | 64 | 革兰氏阳性，ESKAPE（弱） |
在8–16 µg/mL的浓度下，Arcinin对六种病原体中的五种与临床阶段抗菌肽pexiganan效力相当。对E. faecalis的活性较弱，为64 µg/mL。
Arcinin的与众不同之处在于其安全性。对人类红细胞的LC₅₀（杀死半数细胞的浓度）大于512 µg/mL，安全性与pexiganan相当，且显著优于蜂毒肽（蜜蜂毒液），后者对HEK293细胞的LC₅₀仅为5.32 µg/mL。Arcinin的HEK293 LC₅₀为50.84 µg/mL，毒性约为蜂毒肽的十分之一，与pexiganan的37.75 µg/mL相当。
作用机制与体内结果
Arcinin通过破坏细胞膜杀死细菌，在亚微秒内插入脂质双层并形成离散病变，导致内部稳态的灾难性丧失。时间杀菌动力学显示，在2× MIC浓度下30–60分钟内即可完全清除。电子显微镜揭示了不同物种的不同效应：S. aureus细胞塌陷并显示异常隔膜；E. coli细胞失去杆状形态变得无定形；K. pneumoniae显示微妙的表面皱缩。
在小鼠全层伤口感染模型中，以5 mg/kg局部治疗，Arcinin使S. aureus CFU降低了4.56个对数级，E. coli CFU降低了4.47个对数级，两者均p < 0.0001。这相当于细菌负荷减少超过99.99%。第6天的伤口闭合率：S. aureus感染伤口约为71%（PBS对照组为45%，p = 0.0006），E. coli感染伤口为66%（对照组为34%，p = 0.0024）。第8天的组织病理学显示再上皮化增强和炎症浸润减少。
血清稳定性测试显示，Arcinin在50%牛血清中对四种ESKAPE物种保持32 µg/mL的MIC，与pexiganan相当。
ARCADIAMP的工作原理
该平台的核心创新在于其迭代学习设计。生成模型（从零训练的D3PM，非预训练）生成了初始候选池，通过两阶段分类器。第一阶段区分AMP与非AMP（F1得分：0.86）。第二阶段识别MIC低于8 µg/mL的强效AMP（F1：0.68）。使用BLOSUM62比对的新颖性过滤器排除了与27,636个已知抗菌肽中任何一个相似度高于0.45或同一性高于0.65的候选物。
基于治疗指数（log₁₀(LC₅₀)减去log₁₀(MIC)）的样本加权机制同时协同优化了活性和毒性。
该平台随后在其自身的高分输出上重新训练生成模型。在此增强之前，预测的MIC中位数为495.3 µg/mL。增强后降至37.8 µg/mL（p < 2.2 × 10⁻¹⁶）。新颖性从相似度0.63提高到0.49（p < 2.2 × 10⁻¹⁶）。
翻译的挑战
该论文于2026年7月7日发表在《自然·通讯》上（DOI：10.1038/s41467-026-75030-8），指出自该类抗菌肽问世以来，尚无新的抗菌肽获批用于临床。体内验证仅限于局部伤口模型；全身感染（败血症）模型尚未测试。ARCADIAMP代码以Apache 2.0许可证在GitHub上提供。
尽管如此，来自协同优化活性和毒性的计算管线的80%命中率，代表了解决抗菌药物发现问题的重要一步。对于每年与抗生素耐药性相关的495万死亡，像ARCADIAMP这样的方法提供了一条传统筛选无法比拟的路径。
婷 翻译
Sources
1. Markakis, K., Kim, S., Tan, C-E. & Tagkopoulos, I., “Discovery of potent low-toxicity antimicrobial peptides through diffusion modeling”, Nature Communications (2026). DOI: 10.1038/s41467-026-75030-8
2. ARCADIAMP GitHub repository: https://github.com/IBPA/ARCADIAMP