BacLLM把UniProt注释经大模型编码成的语义表示，通过跨模态对比学习灌入ESM-2序列编码器，使推理时只读氨基酸序列。在六个耐药预测基准上，BacLLM（4B）在逻辑回归与RBF核支持向量机两种分类器下的平均F1均高于Ankh、ESM-2、ProteinBERT和ProTrek；在SHV-1 β-内酰胺酶P0AD64上，它从排名前65的位点中找回8个实验支持的减耐药位点中的6个，ESM-2一个也未找回。训练后文本分支被移除，因此这些收益来自序列输入，而非注释输入。
本文综述了手术部位感染（SSI）预防的证据与实施经验，涵盖感染预防与控制（IPC）、抗菌药物管理（AMS）、抗菌药物耐药（AMR）、质量改进、监测、安全文化、人为因素与新兴技术，指出多模式、因地制宜的IPC干预可在无需大量资本投入的情况下显著降低SSI发生率，同时基础设施、指南落实、监测与环境控制方面仍存在持续缺口，AMR进一步凸显将AMS纳入外科安全框架的必要性，而人工智能与客观诊断技术可能改善监测与SSI早期识别，因此SSI预防既是临床必需也是伦理要务，全球外科策略应整合上述要素以推进全球外科照护的公平、质量与安全。
该研究针对耐药性肺炎链球菌，利用由 transformer、图模型和树模型组成的集成模型（在 1849 个活性化合物与 34 503 个非活性化合物上训练），对 6747 种药物进行前瞻性筛选，选出 11 个候选抗生素，其中 9 个在体外显著抑制肺炎链球菌 R6 生长（IC50 ≤ 0.4 µg/mL），最强效的硫链丝菌素和头孢噻呋 IC50 分别为 0.0001 µg/mL（60.1 pM）和 0.0004 µg/mL（764 pM），且硫链丝菌素对多重耐药菌株仍保持高效力。
已读完全部报道