AllTheBacteria 将 244 万个基因组变成 AI 可用资源，已找到新抗生素候选

shae_mcl · x · 2026-07-22

这条讨论的核心是：生物学数据远比 AI 训练通常需要的数据更稀缺。很多与疾病相关的蛋白靶点，已知结合数据点少到只有几十个；而深度学习模型往往需要上千个样本、还要有足够平衡的数据，才更容易泛化。

被引用的预印本 AllTheBacteria 则给出了另一种思路：把 244 万个公开细菌和古菌基因组统一处理成一个可检索、适合机器学习的资源，并借此发现了新的肽类抗生素候选物 ATB20。论文显示，ATB20 在小鼠皮肤脓肿模型中降低了 Acinetobacter baumannii 负荷，效果接近 polymyxin B。