南昆士兰大学Ashok Kumar Nanjundan教授 Carbon Innovation：机器学习助力抗菌聚合物研究新突破

鉴于抗生素滥用导致的细菌耐药性问题日益严峻，特别是革兰氏阳性菌如金黄色葡萄球菌带来的重大健康威胁，本研究旨在利用机器学习方法系统探索针对金黄色葡萄球菌的有效抗菌聚合物的关键结构特征。研究基于129个数据点，以MIC₉₀ ≤ 64 μg/mL为有效阈值，采用决策树、随机森林和K近邻三种模型进行交叉验证。通过SHAP分析，研究归纳出七项关键特征：聚合度限制在40以内、净电荷不超过+30、疏水/阳离子比在0.6–1之间、疏水组分比例35%–50%、阳离子组分比例45%–55%、预测cLogP在0至+1.5之间以及引入芳香环结构。这些特征与金黄色葡萄球菌独特的肽聚糖细胞壁结构相关联，其中较低的聚合度和净电荷有助于穿透细胞壁，适度的阳离子与疏水比例则促进与质膜结合并破坏膜结构。三个模型准确率均达0.95，召回率和精确率为0.83。该研究为高效抗菌聚合物的定向设计提供了可靠的指导框架，并展示了机器学习在抗菌生物材料领域的应用潜力。