Nature子刊：更快地发现危险感染

多肽是蛋白质的小片段，主要存在于皮肤和粘膜中。一些肽充当屏障，通过抵抗细菌、病毒和其他病原体等微生物来保护身体免受感染，而另一些则参与炎症的调节。当我们受伤或接受手术时，这种平衡有时会被破坏，允许微生物渗透并引起急性感染，在最坏的情况下，导致败血症。

为了能够诊断感染，医生首先进行临床评估，然后发送培养样本进行进一步分析。隆德大学皮肤学和性病学教授、大学医院顾问Artur Schmidtchen说，通常需要几天的时间才能得到伤口中存在哪些细菌的结果，而这并不总是能提供感染严重程度的清晰图像。

在感染的伤口中，免疫系统和细菌之间进行着一场战斗。细菌将蛋白质分解成多肽，作为获取营养和传播的一种策略，而身体也使用类似的策略来对抗细菌和调节炎症。这种相互作用非常复杂，受存在的细菌类型和感染的严重程度的影响。研究小组旨在了解蛋白质的降解模式，以便更快地识别相关细菌并评估败血症的风险。抗生素耐药性的上升也增加了对诊断和对抗感染的替代方法的需求。

为了研究伤口中肽的数量和类型，我们从伤口敷料中“挤出”肽，然后使用质谱分析它们。隆德大学质谱学教授Johan Malmström说:“这使我们能够从单个感染伤口中识别多达45000种不同的肽。”

这大量的信息很难掌握和利用，以了解蛋白质的降解模式。直到隆德大学(Lund University)的工程师兼博士生Erik Hartman开发出一种算法，将肽的合成减少了95%，只剩下几百个肽簇，这些数据才得以分析和使用。通过聚类肽，他能够训练机器学习模型来确定伤口中存在的细菌的数量和类型。在确定了独特的肽模式和基于不同类型细菌的这些模式的变化之后，研究人员现在可以评估感染的严重程度。

“我们已经绘制了蛋白质降解模式在不同类型伤口感染中的变化，通过系统分析肽簇，更好地了解它们的差异。这使我们能够轻松地确定可以指导治疗的亚群，这些独特的生物标志物可以导致更早，更准确的诊断，从而更快地发现和治疗潜在的感染。”通过质谱分析和机器学习，整个过程只需要几分钟。

最酷的是，该算法不仅限于伤口感染;它是通用的，可以应用于许多不同的疾病，其中蛋白质降解起着重要作用。因此，多肽成为一种新的信息来源，可以在下一步，帮助定制治疗，并有助于寻找新的候选药物，埃里克哈特曼说。

研究人员的下一步是进行更大规模的研究，以进一步验证结果，改进方法并分析其他类型的疾病，如败血症。他们还想探索如何将该方法应用于临床实际诊断情况，以评估其实际用途。