1.近年來，因為新興超級病毒(Superbugs)伴隨高抗藥性特徵的出現，讓找尋新一代抗生物質的必要性更為突顯。病原對抗生素的耐藥性一直是人類和動物面對病原攻擊時的嚴重問題，而天然抗菌肽(Antimicrobial peptides， AMPs)與許多常規的藥物相比，有著更不容易讓細菌產生抗性之特性，相當具有新藥開發之潛力。
2.在許多不同生物(人類、青蛙、魚類等)的體表、皮膚、腸胃道等部位，特別是具有黏液分泌的地方，都可以發現 AMPs 的存在，然而因為其存在並沒有限定在某一物種或是某一部位，使得 AMPs 被鑑別出來的難度相當高。
3.因此，本團隊蒐集AMPs的序列資料共六千多筆，以及相同數量的非AMP蛋白序列資料，再將每條序列透過轉編碼方式轉換為矩陣，利用深度學習卷積神經網路(Convolution Neural Network)，建構分類模型，判別蛋白序列是否具有抗菌效果。研究團隊將人工智慧模型結合網路平台架設技術，提供蛋白藥物開發者，快速經由線上平台判別蛋白質是否具抗菌活性。本團隊也開發生成對抗網路模型(Generative Adversarial Network, GAN)，以人工智慧生成可能的抗菌肽序列，配合抗菌實驗驗證，加速抗菌藥物的新藥開發。
4.我們的深度學習卷積模型預測精準率(precision)達90.35%，並建構為線上網站。同時，本團隊也透過生成對抗網路模型，考量相關物化因子後，已建立可設計出與真實抗菌肽高度相似序列的生成平台，相關胜肽合成與驗證工作進行中，將能加速新世代抗生素的研發。
5.線上網站: https://symbiosis.iis.sinica.edu.tw/PC_6/

研究團隊所開發的AMPs預測模型，相較於過去其他的AMPs預測模型，有更好的表現，並能透過所建置的線上平台，快速鑑別手邊的蛋白序列，其擁有抗菌肽特性的可能性。所開發新抗菌肽藥物的人工智慧對抗式網路生成器，可高度模仿現有抗菌肽的胺基酸組成比例以及物化性質，設計出更有效的次世代抗生素。

透過本團隊開發的抗菌肽生成器，藥廠及生技公司可以設計出具抗菌效果的蛋白序列，並經由AMPs預測系統平台，來預測其是否具抗菌效果。同時利用如微生物研究所得之大量序列，以AMPs預測系統平台來進行候選抗菌肽的快速篩選，將可以大幅減低抗菌肽藥物的開發時間及成本，並加速新一代抗生素的找尋篩選與設計開發。

簡報資料影片(video clips):
中文版：https://eln.iis.sinica.edu.tw/lims/files/users/tzutang/feature_tech.mp4
English Version: https://eln.iis.sinica.edu.tw/lims/files/users/zoey/future_tech_amp_english_video.mov

PC_6蛋白質編碼程式原始碼：
https://github.com/LinTzuTang/PC6-protein-encoding-method