5 万条肽只挑 500 条进实验室:抗菌肽生成模型第一次被拉上同一张盲测台,但成绩要等到 2027 年
3分钟看懂
11 月 14 日,Genome Biology 上线了一篇没有实验结果的论文:AMP Challenge。它是 NeurIPS 2026 竞赛赛道里的一个比赛,做的事一句话能说完——把所有声称「我的生成模型能设计抗菌肽」的队伍,塞进同一套计算流程、同一套湿实验方案、同一批临床菌株里,盲测一遍。
组织方是慕尼黑 Helmholtz、华沙大学、慕尼黑 LMU 的 Ewa Szczurek 团队,加上宾夕法尼亚大学的 Cesar de la Fuente-Nunez 实验室,署名还带一个「AMP Challenge 组织委员会」。论文 DOI 是 10.1186/s13059-026-04316-3,卷 27 期 1,CC BY 4.0。
规则硬得有点少见:每队交 5 万条 肽序列 + 排名前 100 的候选清单 + 训练数据和筛选规则说明;组织方用开源工具 seqme 先做计算预筛,超额就只放 20 支队伍进湿实验;每队从自己交的 top-100 里随机抽 25 条,凑成 500 条的统一测试队列,用同一家供应商合成,肉汤微量稀释法打 20 株临床相关细菌(含 ESKAPEE 多重耐药株),同时测溶血看安全窗口。全部盲法、随机顺序、统一阴阳对照。
(本文基于多家媒体转述整理,事件与数字以 Genome Biology 论文元数据与摘要、组织方公开的 GitHub 提交模板,以及 Bioengineer、Scienmag、生物通、BioBriefs 等独立报道为准。)
一句话先说结论
它要修的那个洞:为什么「我的模型更强」这句话没法验证
抗菌肽(AMP)是抗生素耐药问题里最被寄予希望的一类替代品,原因很实在:细菌对 AMP 发展耐药的速度,比对传统小分子抗生素慢得多。论文引用的口径是,抗微生物耐药在 2019 年已经关联约 495 万例死亡,并被认为会成为全球主要死因之一。
过去五年,这个方向堆了几十种生成方法:变分自编码器、GAN、扩散模型、几何深度学习、大型蛋白质语言模型,还有从基因组和微生物组里「挖」天然 AMP 的路线。问题不在方法少,在没法比。
组织方在论文里把这件事拆得很清楚,也是这篇文章最值得读的部分:
- 计算指标各自只测一个维度。新颖性、多样性、分布拟合度、判别器预测活性,每个都有已知盲点。组织方自己维护的 seqme 做过一次基准,结论是没有任何一个生成模型在所有标准上占优。
- 湿实验口径完全不统一。不同实验室用不同菌株、不同培养基、不同接种量、不同活性阈值;判别模型的负样本集还经常是用有偏的方式拼出来的。
- 于是「成功率更高」这句话失去意义。你不知道对方的成绩来自模型更好、来自更宽松的检测、还是来自人工挑候选时更谨慎。
这三条叠在一起,后果是每一篇新论文都在给领域增加不可比的数据,而不是累积证据。这也解释了为什么这个比赛的第一条规则不是「比谁分数高」,而是「所有人用同一把尺」。
比赛怎么跑:从 5 万条到 500 条,五道关
程序写在论文里,落地细节写在组织方公开的 GitHub 模板仓库(szczurek-lab/amp-challenge-2027)和竞赛页上。按顺序是这样:
- 交库:每队生成 5 万条肽序列,外加一份自己排好序的 top-100,附方法摘要、训练数据来源、用过的外部数据库和人工筛选规则。
- 合规检查:自动校验序列合法性、长度、许可条款。仓库里的硬约束是可核的——只能用 20 种标准氨基酸、长度 8–50 残基、不许重复、必须线性且末端自由(不许酰胺化、不许订书肽、不许脂化/糖基化/PEG化这类修饰)。
- 计算预筛:用 seqme 对全量 5 万条算多样性、新颖性和理化性质,和 DBAASP、dbAMP、APD 这些 AMP 数据库比对量化新颖性。如果报名队伍超过实验能力,这一步决定谁能进前 20。
- 随机抽样:每支入围队伍从自己的 top-100 里随机抽 25 条,500 条一起交给同一家供应商按同一流程合成。注意这一步的设计意图——你没法只把「最漂亮的那几条」送进去。
- 盲测:肉汤微量稀释法打 20 株临床相关细菌,覆盖革兰阴性、革兰阳性,以及 ESKAPEE 组的多重耐药分离株(屎肠球菌、金黄色葡萄球菌、肺炎克雷伯菌、鲍曼不动杆菌、铜绿假单胞菌、肠杆菌属、大肠杆菌);同时做溶血试验量安全窗口。样品对队伍身份盲法、随机顺序检测,每批带同一套阴阳对照。
还有一条容易被忽略但很关键的规则:top-100 里任何一条,和参考抗菌肽库的序列相似度不得超过 80%(Levenshtein 比值)。这挡的是「把已知抗菌肽改两个氨基酸就交上来」。
评分不是排名,是五个赛道
比赛不产生一个总冠军式的单一分数,而是分五类评:广谱活性、革兰阳性活性、革兰阴性活性、多重耐药 ESKAPEE 活性、以及选择性(安全窗口)。评分规则是事先注册、写清楚的。
这个设计比「一个综合分」诚实得多。原因很实际:一条肽对大肠杆菌强、对金黄色葡萄球菌弱,和反过来,在药物开发上是完全不同的两条路;把它们平均成一个数,等于把「你想解决哪种感染」这个最重要的临床问题抹掉了。溶血单独拎出来做「选择性」,也是同一个逻辑——能杀菌但把人红细胞也溶了的肽,活性分再高也不能用。
奖励不是奖金,是共同作者和一份公开数据集
在我们能读到的论文摘要与各家转述里,没有看到奖金这一项。给的东西是这些——
- 入围队伍拿到自己的完整实验数据(包括失败的那些);
- 公开模型权重、推理代码、用宽松许可(MIT / BSD-3-Clause / Apache 2.0)、固定随机种子、完整披露训练数据的队伍,可以成为那篇集体基准论文的共同作者;
- 所有产出汇成一个 CC-BY 许可的开放数据集:计算描述符配标准化的 MIC 和 HC50 测量,成功与失败的肽都在里面;
- 一个包含参赛模型和代码的公共仓库。
第三项是整件事里最值钱的部分。现在这个领域的公开数据几乎只有「成功的肽」,失败的不发表,于是所有判别模型都在一个被截断的分布上训练——这是系统性偏差,不是数据量问题。一份把阴性结果也写进去的 CC-BY 数据集,比任何单个模型的分数都更有长期价值。
另外两个细节值得记:参赛免费,合成和实验全由组织方出;参赛队不需要实验室权限,也不必自己做任何湿实验。这两条把门槛从「有湿实验室的组」降到了「会写生成模型的组」,是有意为之的扩容。
避坑:六个必须说清楚的限定
限定一:这是一份赛制,不是一份结果
论文的贡献是「定义怎么比」,不是「谁赢了」。所有关于「哪种生成策略真的能转化」的答案,要等 2027 年 Keystone 的 Progress in Antibiotic Discovery and Development 研讨会。任何把这篇读成「AI 设计的抗菌肽已被验证」的转述,都是错的。
限定二:500 条肽、20 株菌,是小样本的体外实验
500 条听上去不少,但分到 20 株菌、再分到五个评分赛道,每个格子的统计功效有限。而且终点只有 MIC 和 HC50——体外抑菌浓度不等于体内有效。没有动物模型,没有药代动力学,没有稳定性/蛋白酶降解数据,也没有毒性以外的安全性评估。这条链要走到临床,还差好几年和好几个数量级的钱。
限定三:第一道闸门仍然是计算指标
如果报名队伍超过实验资源,进不进前 20 由 seqme 的计算筛选决定。这是个现实妥协(湿实验贵),但也是这套设计里最软的一环:用 in silico 指标去决定谁能接受 in silico 指标的检验,逻辑上有循环。论文自己也承认,现有计算分数「只是代理指标」。
限定四:单一供应商、单一检测流程
统一合成和统一检测是这套基准最大的优点,也是它的边界:结论只对这个流程成立。换一家供应商、换一批培养基批次,绝对 MIC 数值可能就变了。基准的价值在于相对比较,不在绝对数值。
限定五:论文里没看到随机肽或天然肽对照基线
这一点要说得谨慎:在我们能读到的公开摘要和媒体转述里,没有看到「随机序列」或「天然 AMP 库」作为对照基线进同一批湿实验。如果没有这类基线,「AI 设计的肽有 X% 命中」这个数字仍然缺少一个「不用 AI 能拿多少」的参照。这是我读完材料后最想追问组织方的一点,不是已确认的缺陷。
限定六:组织方同时是工具方
seqme 评估库和两个 starter kit(ampdiffusion、hydramp)都由 Szczurek 实验室维护。这在竞赛里很常见,也合理——总得有人提供基线——但读者应该知道:裁判和教具来自同一间实验室。
放到站内已有报道里看,它站在哪一格
这条线在这个站上已经写了几篇,正好能拼出上下文:
- 630 / AI 首次从零设计完整病毒基因组:16 个 AI 噬菌体在实验室里杀死了大肠杆菌,同期 Science 发文警示生物安全。那是「设计出东西」这一步。
- 1119 / AI 把抗体设计做通了,然后撞上验证这堵墙:讲的是同一个瓶颈——生成端跑得比验证端快。
- 1129 / 抗体界面 79.07% 对 47.90%:讲的是「大家各报各的测试集,第一名没法比」。
- 本文 / AMP Challenge:干脆不谈模型,先造一把尺。
所以这篇的定位不是「又一个生成模型」,而是这条赛道开始给自己立规矩。这件事在别的领域已经发生过一次:蛋白结构预测是靠 CASP 的双盲评估才从「各家自说自话」变成「可比较的工程学科」的。抗菌肽现在走的是同一条路,只是晚了十几年。
不适用场景:别把这些结论拿去用
- 别把它当「AI 抗菌肽已获验证」:现在还没有任何一条比赛肽的湿实验结果公开。
- 别拿它评估某个具体模型:这篇论文里没有参赛名单,也没有任何模型的分数。想知道某个模型行不行,得等 2027 年的结果。
- 别把 MIC 当疗效:体外抑菌浓度和「病人用上能好」之间隔着感染部位、给药途径、蛋白结合、清除率。
- 别以为入围就等于模型好:入围前 20 有一部分取决于 seqme 的计算分数和报名队伍数量。
怎么用 / 参赛成本与时间:要准备什么
按仓库里的提交要求,最小可参赛配置是这样的(这部分是一手可核的,不是转述):
- 一个能跑
uv run generate的仓库:输出generate/library.fasta(5 万条)和generate/top.fasta(top-100)。 - 依赖管理必须是 uv:要带
uv.lock和明确的 Python 版本;额外参数必须有默认值(--n-sequences 50000、--top-k 100、--seed 42、--length 50)。 - 可复现:固定默认随机种子,重复跑两次输出必须一致——仓库自带
scripts/verify_submission.py会把你的仓库 clone 下来、装依赖、生成两遍、比对结果。 - 合规:20 种标准氨基酸、8–50 残基、无重复、线性自由末端;top-100 与已知抗菌肽相似度 ≤80%。
- 算力:生成 5 万条短肽本身很便宜,一张消费级显卡甚至纯 CPU 都够;真正的成本在训练——如果你的模型是从头训的蛋白语言模型或扩散模型,那是几十到几百 GPU 小时的量级。
- 时间:交库这一步随时能开始;但要拿共同作者资格,还得公开权重、代码、种子和训练数据,这一套「可复现打包」的工作量通常比训练本身还大。
下一步可以做什么
- 先读赛制,别急着看模型:论文里对「为什么现有评估不可比」的那段拆解,是这份材料里最耐用的部分,拿去审任何一篇「AI 设计肽」的论文都适用。
- 把 seqme 跑一遍自己的模型:这个库是开源的(BSD-3-Clause),在没进比赛之前,先用统一指标看看自己的模型在多样性/新颖性上是什么形状。
- 盯 2027 年 Keystone 的结果:那才是这条线第一次有「同一把尺下的横评」。到时候该看的不是谁第一,而是计算分数和湿实验命中的相关性到底有多高——如果相关性很差,那说明整个领域的 in silico 评估都得重做。
- 盯那份 CC-BY 数据集:包含失败样本的 MIC/HC50 数据集,对做判别模型的人来说比任何新架构都值钱。
参考来源
• Genome Biology 论文(2026-11-14,DOI 10.1186/s13059-026-04316-3):
https://doi.org/10.1186/s13059-026-04316-3
• 组织方提交模板仓库(BSD-3-Clause,含序列约束与校验脚本):
https://github.com/szczurek-lab/amp-challenge-2027
• 官方竞赛网站:
https://szczurek-lab.github.io/amp-challenge-website/
• seqme 评估库(BSD-3-Clause):
https://github.com/szczurek-lab/seqme
• Bioengineer.org(2026-11-14):
https://bioengineer.org/neurips-2026-competition-launches-first-standardized-benchmark-for-ai-designed-antimicrobial-peptides/
• Scienmag(2026-11-14):
https://scienmag.com/neurips-2026-competition-launches-first-standardized-benchmark-for-ai-designed-antimicrobial-peptides/
• 生物通(2026-11-15,中文全文解读):
https://www.ebiotrade.com/newsf/2026-11/20261114212648331.htm
• BioBriefs(2026-11-14,行业视角短评):
https://biobriefs.com/new-evidence-on-antimicrobial-development