NATIONAL INDUSTRY ALLIANCE FOR MARINE DRUGS AND BIOPRODUCTS
FOCUS ON US
微生物次级代谢产物，是抗生素、抗肿瘤药物等创新药的核心来源，但全球99%微生物不可培养，海量隐秘生物合成基因簇（BGC）长期无法转化为明确化学结构，天然产物发现陷入 “基因海量、结构未知” 的核心瓶颈。
📍本研究由复旦大学赵国屏院士领衔、联合同济大学、中科院团队，新登Nature 子刊：
○以深度学习大语言模型为核心，首次实现BGC 序列→次级代谢产物结构端到端生成；
○依托全球海洋微生物组大规模数据，建立超6万种海洋天然产物库，让海洋隐秘合成通路第一次被AI系统性解码；
○ 从“基因发现” 到 “结构解析+药物筛选”，实现天然产物挖掘的跨越式突破。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
1.首次将Transformer大语言模型应用于BGC→SM结构预测，把基因序列翻译为化学结构，突破规则型工具的局限。
2.完成全球海洋微生物组超大规模深度学习预测，构建海洋天然产物数据库。
BGC（生物合成基因簇）、SM（次级代谢产物）、SMILES（化学结构编码）、Pfam（蛋白结构域注释）、Cryptic BGC（隐秘基因簇）。
化学有效性：生成 SMILES可被识别为合法分子的比例
方法
基于Transformer架构搭建LLM，输入为Pfam 功能域序列，输出为SMILES，10折交叉验证集成预测。
训练数据来MIBiG 3.1（3029对BGC-SM）；使用特征对齐SMILES增强扩充数据。
Ocean Microbiomics Database（OMD） 获取27139个MAGs，鉴定45894 个BGC，用DeepSeMS预测并分析。
表 1.DeepSeMS模型与现有方法在“已知BGCs”数据集上的性能比较
亮点：小样本下仍保持高精度，证明生物先验编码 + 深度学习的组合可广泛迁移到其他序列 - 结构预测任务。
图 1.在隐蔽BGCs测试数据集上，DeepSeMS与现有方法的比较
复刻建议：先做结构域编码、再做骨架保持增强，是提升隐秘序列预测的关键步骤，可直接复刻到宏基因组数据挖掘。
(图 2)
图 2.全球海洋表面微生物的分子新颖性与多样性
亮点：深度学习首次实现海洋天然产物规模化发现，证明AI可高效挖掘未培养微生物的暗物质资源。
基于结构虚拟筛选，鉴定出7554个含抗生素特征骨架分子与1884个四氢嘧啶类似物，部分来自全新未分类 BGC 家族。（图 3）
图 3.全球海洋SMs的生物医学应用潜力
亮点：预测+筛选一体化，可直接作为AI驱动药物发现的标准流程，大幅降低实验验证成本。
本研究以深度学习（Transformer 大语言模型） 为核心技术，攻克了BGC到化学结构预测的行业瓶颈，在已知/隐秘BGC上均实现远超传统工具的性能，并首次用AI规模化解锁全球海洋微生物组的天然产物资源，是微生物组学与深度学习结合的突破性成果。
来源 微信公众号 · 查看原文
版权申明 本网站立足国家海洋药物和生物制品产业联盟，致力于打造海洋生物医药“产学研用”一站式、综合性资讯共享服务平台，促进我国海洋药物和功能制品“资源链、科技链、产业链、应用链”协同创新、深度融合发展。本文转载自原文来源。版权归原作者及原来出处所有，部分文章未能联系到原作者，在此深表歉意。如涉及版权问题，请留言联系我们协商处理（邮箱：czhang@tio.org.cn），侵权内容将即刻删除。
免责声明 本文仅代表作者个人观点，与本平台立场无关。本站不对内容真实性、完整性、时效性作保证，仅供参考，请读者自行核实。