来源：期刊VIP网 时间：
作者：王姝;徐春明;
单位：北京工商大学轻工科学与工程学院;
摘要：近年来，随着抗生素的过度使用和滥用，微生物耐药性逐渐成为影响人类健康的严重问题；抗菌肽(antimicrobial peptides, AMPs)是一类天然存在的抗菌分子，具有抗菌活性高、广谱活性、种类繁多、可供选择的范围广等优势，且微生物难以产生抗性，因此AMPs被看作是抗生素的有效替代品；然而由于AMPs复杂的结构和多样的序列，从大量的候选肽中识别和筛选AMPs、设计AMPs以及预测不同AMPs的性质十分困难，而通过湿实验的方法挖掘AMPs耗时且费力。目前深度学习技术的发展为AMPs的发现、预测和设计提供了新的途径，本文针对AMPs发现过程中高成本和低效率的问题，总结了深度学习技术在AMPs发现、筛选以及设计中的应用，并进一步总结了深度学习在AMPs预测中的应用。展望未来，随着深度学习技术的不断发展和完善，其在AMPs领域的应用前景将更加广阔，有望加速新型AMPs的研发和应用，为解决抗菌耐药性问题提供新的解决方案。
关键词：深度学习;;抗菌肽;;筛选;;预测
基金资助：国家重点研发计划项目(2020YFC1606801)
