重新評估 Antimicrobial Peptides 作為緩解 Multidrug-Resistant Bacterial Pathogens 之策略
導言
研究人員正重新審視 Antimicrobial Peptides （ AMPs ），並利用先進的計算工具以應對日益嚴峻的全球 Antimicrobial Resistance 危機。
正文
Antibiotic-resistant bacteria 的激增對醫療程序構成系統性威脅，當中包括 Neonatal Care 及 Oncological Treatments； World Bank 預計到 2050 年，醫療保健開支可能會增加 1 萬億美元。為此，科學界的關注焦點已轉向 Antimicrobial Peptides （ AMPs ） —— 這種由不同生物體產生的微小蛋白質。與針對細菌酶的傳統抗生素不同， AMPs 通常與細菌包膜產生相互作用。由於正電荷的肽與負電荷的細菌膜之間存在靜電吸引力， AMPs 會導致病原體產生結構失效。理論上，此機制對細菌耐藥性的演變具有更強的韌性，因為膜的修飾往往會給微生物帶來顯著的適應成本（Fitness Costs）。 從歷史上看， AMPs 的臨床應用（例如 Polymyxin 及 Vancomycin ）曾因治療指數（Therapeutic Indices）狹窄及系統性毒性而受限。然而，分子成像（Molecular Imaging）與電腦建模（Computer Modeling）的現代進展，正促進科學界重新接納這些化合物。例如， Monash University 的研究開發出 QPX9003，這是一種 Polymyxin 類似物，旨在降低腎毒性並提升在肺部環境中的療效。同樣地，利用 Nuclear Magnetic Resonance 識別出了「不可變」的目標，例如 Lipid II 中的 Pyrophosphate，而 Teixobactin 等化合物正是利用該目標來抑制細菌生長。 此外，Machine Learning 與 Artificial Intelligence 的整合正被用於探索超出自然存在的龐大氨基酸序列，有望加速新型肽的發現。相關利益者亦在探索其他治療應用；具體而言，針對 Biofilms （ 具有抗標準抗生素能力的密集微生物群落 ）的破壞，正透過開發浸漬肽的繃帶及局部輸送系統來實現。儘管具備這些技術前景， AMPs 的商業可行性仍取決於其能否證明其療效優於或等同於低成本的第一線療法。
結論
在 AI 與精密工程（Precision Engineering）的支持下，策略性地恢復使用 AMPs 為對抗耐藥性感染提供了可行路徑，前提是必須維持嚴格的管理（Stewardship）。