近日，团队与侯卫老师课题组以 “Machine Learning-Guided Discovery of Covalent Sortase A Inhibitors Targeting MRSA Virulence”为题在药物化学权威期刊《European Journal of Medicinal Chemistry》上发表研究论文。该研究针对耐甲氧西林金黄色葡萄球菌（MRSA）耐药性日益严峻的挑战，提出了一种机器学习引导的抗毒力药物发现策略。

       研究团队以分选酶A（SrtA）为靶点，构建了骨架感知的分类预测模型，对包含3.5万余个BSEA/BTA衍生物的虚拟库进行高效筛选，实验命中率高达89%。最终获得的BSEA类共价抑制剂在亚微摩尔浓度下即可显著抑制SrtA活性（IC₅₀ = 0.84–1.04 μM），且不影响细菌正常生长（MIC = 8–32 μM），成功实现“减毒”与“不杀菌”的功能解耦。机制研究表明，该类化合物通过不可逆共价修饰SrtA催化中心的Cys184，特异性阻断毒力蛋白锚定，并有效抑制MRSA生物被膜形成。在大蜡螟感染模型中，代表性化合物显著提升感染幼虫存活率（P < 0.001）。该研究融合硒基共价化学与数据驱动建模，为开发不易耐药的抗感染药物提供了全新的先导化合物和设计策略。

       浙江工业大学为通讯单位，硕士生徐旭亮、博士生应缇缇为共同第一作者，魏斌副研究员、王鸿教授和侯卫副研究员为共同通讯作者。研究获国家重点研发计划、国家自然科学基金等项目支持。

文章链接：https://doi.org/10.1016/j.ejmech.2026.119139