Nature子刊：深度学习直接从显微明场图像识别抗生素作用机制

巴斯德研究所与维尔茨堡大学等机构在《Nature Communications》发表研究，展示了利用深度学习直接通过未标记的显微明场图像识别细菌抗生素作用机制（MoA）的方法。

• 论文于 2026 年 9 月 8 日发表，研究团队通过卷积神经网络（CNN）对暴露于 8 类作用机制抗生素的大肠杆菌明场显微图像进行训练与分类。
• 该方法可在亚抑制浓度（低于抑菌浓度）下检测出药物影响，且在每种处理条件仅需 8 张图像的情况下达到高精度的机制识别。
• 模型对未见过的同类化合物具备良好归类能力，并在测试的 6 类机制中成功识别出 5 类的机制新颖性，同时在肺炎克雷伯菌上展示了跨物种适用潜力。
• 相比依赖荧光标记或高浓度生长抑制的传统表型筛选，该方案简化了样本处理流程并降低了实验成本。
• 影响/看点：该技术可能提高新型抗菌化合物高通量表型筛选的早期发现效率，其推广取决于对更多病原菌种类及复杂混合机制的泛化验证。
• 资料依据：
• Nature Communications（2026-09-08）：https://www.nature.com/articles/s41467-026-76355-0

本内容由 AI 生成，仅供参考，请注意甄别