科学家利用AI发现60多年来首个新抗生素

“

麻省理工学院研究人员利用深度学习成功找到新抗生素化合物，对抗耐药细菌效果显著。这些化合物在实验室和小鼠模型中表现出杀菌作用，且对人类细胞毒性低。关键突破在于解读深度学习模型的预测信息类型，为设计更有效药物提供新思路。研究或推动新一代抗生素的发现，为解决耐药性问题带来希望。

事实证明，人工智能 (AI) 的使用将改变医学领域的游戏规则，目前该技术正在帮助科学家开发出 60 年来首个新型抗生素。

麻省理工学院的研究人员最近通过深度学习技术成功发现了一类有望对抗致命耐药细菌的化合物。这一研究成果于近期刊登在《自然》杂志上，引起了科学界的广泛关注。

在这项研究中，研究人员运用深度学习模型，通过分析化学结构，找到了一组化合物，显示出对耐药细菌的潜在杀菌效果。这些化合物在实验室培养皿中和小鼠感染模型中都表现出良好的杀菌作用，尤其是对甲氧西林耐药金黄色葡萄球菌（MRSA）的效果显著。而令人振奋的是，这些化合物对人类细胞的毒性极低，因此成为理想的药物候选。

Termeer教授詹姆斯·科林斯表示：“我们的见解在于，我们能够看到模型是如何学习的，从而做出预测，即某些分子可能是良好的抗生素。我们的工作提供了一个从化学结构角度来看是时效、资源高效且在机制上有深刻见解的框架，这是迄今为止我们尚未拥有的。”

这一研究的独特之处在于，研究人员还成功解读了深度学习模型用于进行抗生素效力预测的信息类型。这一认识有助于科学家设计更为有效的药物，进一步拓展了抗生素研究的领域。

科林斯及其团队近年来一直在使用深度学习寻找新的抗生素。通过该技术，他们已经为多种细菌提供了潜在的药物，其中包括鲍曼氏不动杆菌等医院中常见的耐药细菌。

然而，深度学习模型的一个缺陷是其“黑匣子”性质，即无法准确了解模型基于哪些特征进行预测。为解决这一问题，研究人员训练了额外的深度学习模型，以评估这些化合物对人体细胞的毒性。结合这些信息和抗微生物活性的预测，研究人员最终确定了一组既有望杀灭微生物又对人体影响最小的化合物。

通过这组模型，研究人员筛选了约1200万种商业可获得的化合物，最终确定了五个不同类别的化合物，被认为对MRSA具有活性。购买了约280种化合物进行实验验证后，研究人员确认了两种来自同一类别的化合物，展现出潜在的抗生素候选物的前景。在小鼠模型的测试中，这两种化合物使MRSA数量减少了10倍。

实验证明，这些化合物通过破坏细菌细胞膜上的电化学梯度来杀灭细菌。这一梯度对细胞功能至关重要，包括产生ATP的能力。研究人员认为，这个新的结构类别通过有选择地消耗细菌中的质子动力来对抗革兰氏阳性病原体，而对人体细胞没有实质性损害。

研究人员已经与非营利组织Phare Bio分享了他们的发现，该组织是由科林斯等人为抗生素人工智能项目创办的。该组织计划进一步分析这些化合物的化学特性和潜在的临床用途。与此同时，科林斯实验室正在根据这一研究的发现设计更多的药物候选物，并利用深度学习模型寻找可对抗其他细菌的化合物。

研究得到了多个机构的资助，包括詹姆斯·S·麦克唐纳基金会、美国过敏和传染病研究国家研究所、瑞士国家科学基金等。抗生素人工智能项目得到了大胆计划、Flu Lab、Sea Grape Foundation、Wyss基金会等的支持。这一突破性研究为未来抗生素发现提供了新的思路和方法。