语言引导的领域自适应提升用于抗微生物药物耐药性分析的蛋白质序列表征

由 root 提交于 周五, 11/06/2026 - 18:47
摘要

抗微生物药物耐药性(AMR),尤其是细菌病原体的抗生素耐药性,使感染性疾病的管理更加复杂。由于细菌耐药性通常由蛋白质功能介导,包括抗生素灭活和外排,因此,蛋白质序列分析为数字化 AMR 监测和治疗干预提供了分子基础。我们开发了 BacLLM,这是一种由语言模型引导的蛋白质表征框架,将基于注释的功能知识整合到蛋白质语言模型表征中,用于分析 WHO 优先关注的细菌病原体中的 AMR。BacLLM 通过序列增强、UniProt 注释语义丰富化和跨模态对比学习,将语言大模型编码的注释先验知识迁移至序列编码器。与基线方法相比,BacLLM 提供了更具信息量的表征,可用于耐药基因识别和耐药机制预测;它能够在单残基分辨率下捕捉与耐药相关的突变信号,并保留未体现在基于表型的临床分组中的分类学关系。此外,BacLLM 还在以 TolC 为中心的蛋白质关联网络中重现了与耐药相关的功能组织结构,并优先识别出序列同一性较低、但预测结构与 TolC 相似的蛋白质。在从 AMR 表征拓展至治疗候选对象优先排序的过程中,BacLLM 还提升了噬菌体宿主匹配的菌株级预测性能,可用于噬菌体治疗候选对象的优先排序。总体而言,这些研究结果表明,BacLLM 是一种支持 AMR 监测、功能表征及治疗候选对象优先排序的蛋白质表征框架。

抗菌药物耐药性(AMR),尤其是细菌病原体的抗生素耐药性,使感染性疾病的管理更加复杂。由于细菌耐药性通常由蛋白质功能介导,包括抗生素失活和外排,因此蛋白质序列分析可为数字化 AMR 监测和治疗干预提供分子基础。我们开发了 BacLLM,这是一种语言引导的蛋白质表征框架,可将基于注释的功能知识整合到蛋白质语言中

用于 WHO 优先级细菌病原体耐药性分析的模型表征。通过序列增强、UniProt 注释的语义丰富化以及跨模态对比学习,BacLLM 将由大语言模型编码的注释先验迁移至序列编码器。与基线模型相比,BacLLM 提供了信息量更丰富的表征,可用于耐药基因识别和耐药机制预测;它能够在单残基分辨率下捕捉与耐药相关的突变信号,并保留基于表型的临床分组未能体现的分类学关系。此外,BacLLM 还在以 TolC 为中心的蛋白质关联网络中恢复了与耐药相关的功能组织,并优先识别出序列同一性较低、但预测结构与 TolC 相似的蛋白质。从抗微生物药物耐药性表征拓展至治疗候选方案优选,BacLLM 还提升了噬菌体治疗候选优选中菌株水平的噬菌体宿主匹配表现。总之,这些发现表明,BacLLM 是一种蛋白质表征框架,可支持抗微生物药物耐药性监测、功能表征及治疗候选方案优选。

利益冲突声明

作者声明不存在利益冲突。

已申报的资助信息

中国国家重点研发计划

,2024YFC2311303

,2025YFF1207901

版权

本预印本的版权持有者为作者/资助方,其已授予 bioRxiv 永久展示本预印本的许可。

本预印本依据 CC-BY 4.0 国际许可协议提供。

返回顶部

上一篇

发布于 2026 年 11 月 5 日。

下载 PDF

补充材料

电子邮件

感谢您有意传播 bioRxiv 的相关信息。

注意:此处要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

收件人

*

请输入多个电子邮件地址,每个地址单独占一行,或用逗号分隔。

您即将发送以下内容

《语言引导的领域自适应提升了用于抗微生物药物耐药性分析的蛋白质序列表示》

邮件主题

(您的姓名)转发了 bioRxiv 网站上的一个页面给您

邮件正文

(您的姓名)觉得您可能会对 bioRxiv 网站上的这个页面感兴趣。

您的个人留言

验证码

此问题用于确认您是人类访客,以防止自动化垃圾信息提交。

分享

《语言引导的领域自适应提升了用于抗微生物药物耐药性分析的蛋白质序列表示》

Rongye Ye、Lun Li、Zongyi Geng、Shuhui Song

bioRxiv

2026.11.04.764426;

doi:https://doi.org/10.64898/2026.11.04.764426

分享本文:

复制

引文工具

《语言引导的领域自适应提升了用于抗微生物药物耐药性分析的蛋白质序列表示》

Rongye Ye、Lun Li、Zongyi Geng、Shuhui Song

bioRxiv

2026.11.04.764426;

doi:https://doi.org/10.64898/2026.11.04.764426

引文管理器格式

BibTeX

Bookends

EasyBib

EndNote(标记格式)

EndNote 8(xml)

Medlars

Mendeley

Papers

RefWorks(标记格式)

Ref Manager

RIS

Zotero

推文组件

Facebook 点赞

Google +1

学科领域

生物信息学

学科领域

所有文章

动物行为与认知

(8164)

生物化学

(19027)

生物工程

(15171)

生物信息学

(45741)

生物物理学

(22958)

癌症生物学

(20238)

细胞生物学

(27480)

临床试验

(138)

发育生物学

(14221)

生态学

(21519)

流行病学

(2067)

进化生物学

(25914)

遗传学

(16430)

基因组学

(23958)

免疫学

(19157)

微生物学

(43457)

分子生物学

(18465)

神经科学

(95752)

古生物学

(717)

病理学

(3061)

药理学与毒理学

(5247)

生理学

(8331)

植物生物学

(16370)

科学传播与教育

(2122)

合成生物学

(4673)

系统生物学

(10444)

动物学

(2436)

关键词:抗微生物药物耐药性 · 蛋白质语言模型 · 领域自适应 · 跨模态对比学习 · 耐药机制预测 · 噬菌体宿主匹配

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.04.764426v1?rss=1