科学家揭示机器学习可以加速植物抗疟特性的发现

皇家植物园、邱园及其合作伙伴的研究人员于2023年5月25日在植物科学前沿发表的一项新研究发现，使用机器学习可以加快寻找具有抗疟疾特性的植物。

疟疾是人类最致命的疾病之一，仍然是一项重大的全球公共卫生挑战。疟疾是由疟原虫寄生虫引起的，疟原虫通过受感染的蚊子叮咬传播给人类。2021年，世界卫生组织发现全球估计有2.47亿例疟疾病例。对现有抗疟药的耐药性是消除疟疾的一个不断升级的挑战，因此，世界卫生组织建议，作为实现全球疟疾目标的努力的一部分，应加快抗疟药的研究。

植物提供或启发了许多药物的开发，因为它们是生物活性化合物的丰富来源。例如，用于治疗疟疾的两种主要药物奎宁和青蒿素均来自植物。然而，考虑到估计有343,000种维管束植物，识别含有抗疟原虫化合物的植物可能既费时又费钱。

作为新研究的一部分，科学家们旨在评估机器学习模型是否可以根据植物性状数据进行训练以预测植物的抗疟原虫活性。为此，他们研究了三个开花植物科——夹竹桃科、马钱科和茜草科——共构成21,100个物种。研究人员探索了一系列方法来证明机器学习算法的有效性，并将它们的性能与通常用于选择植物以寻找生物活性化合物来源的其他方法进行比较。

专家们发现，这些技术提供了一种很有前途的方法来提高预测具有抗疟原虫特性的植物的能力，这可以大大加快寻找具有药用价值的新化合物的速度。研究人员估计，这三个家族中的7,677种物种需要进一步调查，并且使用传统方法可能遗漏了至少1,300种活性抗疟原虫物种。

RBGKew研究员AdamRichard-Bollans说：“我们的研究结果突出了植物在生产新药方面的巨大潜力尚未开发。估计有343,000种已知的维管植物物种在很大程度上仍未进行科学探索，我们希望我们的机器学习可以采用这种方法有效地在这些植物中寻找新的药用化合物。这些结果也强调了保护生物多样性和可持续利用自然资源以保护这一宝贵资源的重要性。”

弗里堡大学和SIB瑞士生物信息学研究所组长DanieleSilvestro说：“我们的研究表明，机器学习提供了将植物的科学知识及其传统用途结合到一个强大的预测框架中的工具，可以指导未来的测试和研究。生物多样性可能为现有和未来的全球健康问题提供解决方案，而机器学习加上对生物学的持续严格研究可以帮助释放这种潜力。”