世界卫生组织（WHO）数据显示，由结核分枝杆菌（Mycobacterium tuberculosis，Mtb）引起的结核病是全球致死率最高的单病原体感染性疾病，2024年共造成123万人死亡。该细菌的外细胞膜难以穿透，因此仅有极少数药物对结核病有效。
发表在《自然·微生物学》（Nature Microbiology）上的一项题为《利用机器学习识别可提升分枝杆菌外膜渗透性的化学特征》的最新研究中，马萨诸塞大学阿默斯特分校的研究人员开发了新方法，可测定哪些化合物能够穿透细菌外膜。
马萨诸塞大学阿默斯特分校微生物学副教授Sloan Siegrist博士表示：“结核分枝杆菌的特性十分独特，它不仅拥有两层细胞膜结构，可保护菌体免受用于杀菌的抗菌化合物攻击，其外膜也与目前已知的所有生物屏障均存在差异。”
Siegrist实验室的研究方向为寻找分枝菌膜的脆弱位点，以开发可有效治疗结核病的药物。但传统的药物发现依赖低通量实验筛选。2023年，Siegrist与弗吉尼亚大学化学教授Marcos Pires博士合作开发了肽聚糖可及性点击介导评估法（Peptidoglycan Accessibility Click-Mediated AssessmeNt, PAC-MAN），该方法可并行检测大量化合物。
Siegrist称：“Marcos和我希望利用已知化合物的测定结果预测未知化合物的摄取情况，因此我们联合了计算生物学家与化学家开展研究，包括我的同事、马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院的Anna Green博士。”
Green的研究方向是通过计算解析生物化合物的特征规律。她表示：“小分子的计算分析难度通常较高，因为其分子量大小不一、分子连接方式多样，无法仅通过单一指标（如分子量或分子大小）对其进行描述。”
Green及其团队基于PAC-MAN筛选数据训练了一款机器学习模型——分枝杆菌渗透性神经网络（Mycobacterial Permeability neural Network, MycoPermeNet）。该模型仅依靠化合物的化学结构即可预测其穿透分枝菌膜的效率，还可识别有助于化合物突破结核分枝杆菌防御屏障的物理特性。
Green表示：“分枝菌膜允许部分分子通过，同时阻挡另一部分分子，这必然由膜的特性以及每个分子的化学性质共同决定，我们开发的组合工具可帮助我们解析哪些分子能够穿透屏障，以及其穿透的机制。”
专业注释
- 分枝菌膜：分枝杆菌特有疏水外膜，是其固有耐药的核心结构基础
- PAC-MAN：基于点击化学的高通量分枝杆菌膜渗透性筛选技术
- MycoPermeNet：针对分枝杆菌膜渗透性开发的专用机器学习预测模型