抗菌耐药性每年导致超过一百万人的死亡。抗菌肽（AMPs）作为一种有前景的解决方案，然而现有的生成AMP模型尚未能够设计含有非天然氨基酸和/或化学修饰的肽，这对实际的肽药物至关重要。我们提出了AMPGAN v3，这是一种多目标条件生成对抗网络（GAN），扩展了生成词汇，包括D-氨基酸和N/C-末端的修饰，例如酰胺化。
通过在两个专门的判别器之间分离对抗性和活性感知的监督，AMPGAN v3显著提高了训练的稳定性，并在外部分类器上超越了先前的生成AMP模型。我们在体外验证了五个覆盖三种结构类别的候选肽，其中两个对革兰氏阳性菌株显示出活性，最佳候选肽对B. subtilis的最小抑菌浓度（MIC）达到8 μg/mL。为了支持后续的筛选，我们进一步提出了PepCraft，一个端到端的AMP发现多代理框架，其中一个规划代理协调专门的执行器进行生成、过滤和验证。其优先推荐与我们的体外结果一致。
通过这些贡献，我们能够在小规模但真实的情况下考察生成与智能代理AI在治疗肽发现中的组合。
代码链接：AMPGANv3 GitHub
博主点评： AMPGAN v3 通过引入非天然氨基酸和化学修饰，显著增强了抗菌肽的设计能力，体现了生成对抗网络在药物研发中的潜力。其稳定的训练过程和出色的实验结果为未来的抗菌药物开发指明了方向，值得深入关注。