人工智能在生物医药和生物材料设计中的赋能作用至关重要，通过先进的模型、算法和数据分析，能深入解析药物分子的构效关系，优化候选药物结构，将有效地缩短研发周期并降低成本。但聚合物不确定的序列和复杂的分子组成使其难以全面表征结构，且生物活性聚合物的样本量小，难以构建大数据模型进行精准预测。因此，如何基于人工智能实现小样本数据下聚合物结构预测是领域核心挑战。
近日，华东理工大学信息科学与工程学院唐漾教授与材料科学与工程学院刘润辉教授等在人工智能和抗耐药菌多肽模拟聚合物进行跨领域合作研究。首次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研究中取得关键突破，仅依赖小样本（<100）结构与活性数据实现在庞大聚合物空间（>1060）中精准预测聚合物抗菌活性，并通过逆向设计发现大量具有突出广谱抗耐药菌活性和高选择性的优选聚合物结构，为抗耐药菌多肽模拟聚合物研究提供了新思路。该成果以“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”为题，发表在Nature Communications《自然•通讯》上。
前期，唐漾教授等就小样本学习与多模态表征学习开展相关研究，聚焦提高小样本数据下模型的预测性能，为本研究打下良好基础。刘润辉教授课题组通过多肽聚合物模拟宿主防御肽实现了体内外高效抗耐药菌活性，显示了多肽聚合物在抗耐药菌研究中的广阔前景，为聚合物合成与验证提供坚实的技术支撑。
华东理工大学信息科学与工程学院博士研究生吴天宇、材料科学与工程学院副研究员周敏是论文的第一作者，材料科学与工程学院刘润辉教授和信息科学与工程学院唐漾教授为通讯作者。本论文得到了中国工程院院士钱锋教授和欧洲科学院院士Jürgen Kurths教授的悉心指导。该成果得到了国家自然科学基金委基础科学中心项目、国家自然科学基金委杰出青年科学基金项目、国家自然科学基金委重点项目、科技部重点研发计划项目等课题的资助。