深度學習驅動抗菌肽的發現與優化：針對世衛重點抗藥性病原體的創新應用;Deep Learning-Driven Discovery and Optimization of Antimicrobial Peptides Targeting Who Priority Drug-Resistant Pathogens

Please use this identifier to cite or link to this item: https://ir.lib.ncu.edu.tw/handle/987654321/98912

Title:	深度學習驅動抗菌肽的發現與優化：針對世衛重點抗藥性病原體的創新應用;Deep Learning-Driven Discovery and Optimization of Antimicrobial Peptides Targeting Who Priority Drug-Resistant Pathogens
Authors:	蔡惠旭;羅月霞;林靖婷;粘仲毅;吳沛翊
Contributors:	國立中央大學化學學系
Keywords:	人工智慧驅動的藥物優化;抗菌肽;深度學習;定向訊息傳遞神經網路;毒性預測;AI-driven Drug Optimization;Antimicrobial Peptide;Deep Learning;Directed Message Passing Neural Network;Toxicity Prediction
Date:	2026-01-22
Issue Date:	2026-01-23 16:05:56 (UTC+8)
Publisher:	國家科學及技術委員會(本會)
Abstract:	本計畫的主要目的是利用人工智慧（AI）技術來推動抗菌胜肽（AMP）的發現與優化，特別針對抗藥性病原體，以世衛組織優先病原體為目標，提供創新的藥物設計方法。隨著抗藥性問題的日益嚴重，傳統抗生素逐漸失效，迫切需要開發新的抗菌藥物。抗菌胜肽具有廣泛的抗菌作用和較低的抗藥性發展潛力，因此被視為未來治療抗藥性病原體的重要選擇。然而，抗菌胜肽的發現和優化過程仍然相當複雜，需要有效的計算方法來加速這一過程。本計畫的具體目標包括開發基於AI的模型來預測和優化抗菌胜肽，特別是針對D-胺基酸改造的AMP進行設計，進一步提高其抗菌活性並降低毒性。此外，計畫將結合實驗來驗證AI預測的抗菌活性、毒性和穩定性，確保最具潛力的AMP能夠進入後續開發階段。這樣的跨領域協作有望促進抗菌胜肽的快速篩選和有效優化，縮短藥物開發周期，提升新藥研發的成功率。預期對社會的影響隨著多重耐藥性細菌的擴散，許多傳統抗生素已經失去效力，這對公共衛生構成嚴重威脅。通過開發新的抗菌胜肽，本計畫有望提供新的治療方案，有效應對耐藥性問題，減少因抗藥性引發的感染相關死亡，從而改善社會公共衛生水平，減少醫療成本。預期對經濟的影響經濟層面，AMP的成功開發將有助於降低因抗生素耐藥性問題所帶來的醫療成本。抗生素耐藥性每年造成的全球經濟損失達數百億美元，而新型抗菌藥物的開發將有助於減少這些費用。此外，AI技術在藥物開發中的應用將提高研究效率，縮短開發周期，從而大幅降低研發成本，為製藥業提供更具經濟效益的解決方案。預期對產業發展的影響在產業發展方面，本計畫的成功將加速生技製藥行業在抗菌藥物領域的創新。隨著AI技術的應用，藥物篩選和設計將變得更加高效，傳統的高成本、長周期的藥物開發過程將被大大縮短。這不僅能促進新藥的上市，還能提高製藥企業的競爭力，推動生技產業向高效、低成本的方向發展。同時，本計畫的研究成果有望推動相關領域的技術轉化，吸引更多的投資和創新資源，進一步促進產業升級。總體而言，本計畫的執行將在改善公共衛生、促進經濟增長和推動產業發展方面產生深遠影響。AI與AMP的結合不僅是應對當前抗藥性危機的重要工具，還將推動新藥研發的革命性變革，對全球抗菌藥物的創新與普及具有重要意義。隨著計畫的實施，預期將帶來更高效、更安全的抗菌藥物，並為全球公共衛生問題提供可持續的解決方案。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Chemistry] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	7	View/Open

社群 sharing

Loading...