“慧眼识珠！AI独立发现超强抗生素”

本篇文章2351字，读完约6分钟

药物开发有望迎来新时代的扫描电子显微镜照片中呈现绿色的大肠杆菌图像来源:英国《自然》杂志网站

人工智能慧眼识珠，首次独立发现了强力新抗生素！

美国麻省理工学院( mit )的科学家在最新一期的《细胞》杂志上写道，他们新开发的深度学习人工智能( ai )鉴定出了新的抗生素。

实验室测试表明，该抗生素能比较有效地杀灭世界上最棘手的病原细菌，包括对已知抗生素耐药的菌株。

据英国《自然》杂志网站2月20日报道，这种名叫halicin的抗生素是人工智能中发现的第一种抗生素。 科学家以前使用ai发现过抗生素，但这次是ai在没有人类假设的情况下从一开始就发现了新的抗生素。

匹兹堡大学的计算生物学家雅各布·杜兰特说，这项研究非常出色，研究小组不仅在候选抗生素方面，还在动物实验中验证了有潜力的分子。 另外，也可以用于发现治疗癌症和神经衰弱性等疾病的药物。

没有必要假设

自从青霉素被发现以来，抗生素成为现代医学的基础，但全球范围内细菌对抗生素的耐药性急剧上升。 根据《自然》杂志的报道，研究人员预测，如果不尽快开发新药，到2050年，每年将有成千上万的人死于耐药菌感染。

但是，近几十年来，新诞生的抗生素寥寥无几，在结构上与过去的抗生素相同。 此外，目前筛选新抗生素的途径既昂贵又费时。 最新的研究负责人、mit合成生物学家吉姆·柯林斯表示，同样的分子不断被发现，需要具有新作用机制的新化学物质。 我们希望利用人工智能的力量开发一个平台开创抗生素药物发现的新时代。

为了寻找新的抗生素，研究小组开发了一种受大脑结构启发的ai算法——可以按原子学习分子结构特征的神经网络模型。

据mit网站2月20日的报道，柯林斯团队在研究中使用约2500名分子训练神经互联网模型，发现了能够抑制大肠杆菌生长的分子。 这些分子包括约1700种已批准的药物(其中300种已批准的抗生素)和800种来自植物、动物和微生物的天然物质。

最新的研究共同负责人、mit计算机科学和人工智能实验室电气工程和计算机科学教授雷吉纳·巴兹利说，该算法不需要药物工作原理的假设，也不需要标记化学基团，可以预测分子功能。 因为这个模式可以学习人类专家不知道的新模式。

这个模型训练结束后，研究人员用它筛选了一个叫做药物再利用中心的分子库。 这个分子库中包含了约6000种科学家研究和用于治疗人类疾病的分子。 他们让这个模型预测哪个分子能比较有效地抑制大肠杆菌，只展示了不同于普通抗生素的分子。

从得到的结果来看，研究小组选择了约100名分子进行物理测试，其中一人正在研究治疗糖尿病的分子。 结果表明，它是具有较强抗菌活性的抗生素，化学结构与现有抗生素不同。 研究人员向经典科幻电影《2001太空漫游》表示敬意，将该分子命名为halicin (电影的人工智能系统名称为hal 9000 )。 另外，采用其他机器学习模型发现该分子可能对人体细胞毒性较低。

实验室测试表明，除绿脓杆菌(难治的肺病原体)外，halicin还对包括艰难梭菌、结核分枝杆菌、鲍曼不动杆菌等在内的多种病原体有活性。

为了测试halicin对活体动物的效果，对感染鲍曼不动杆菌的小鼠进行了治疗。 鲍曼不动杆菌具有超耐药性，可以耐受所有已知的抗生素，世界卫生组织已经将其定为最需要优先解决新抗生素的病原体之一，人类需要新的抗生素来应对它。

研究表明，感染鲍曼不动杆菌的小鼠中，halicin再次表现出神奇的效果:含有halicin的软膏在全天候内，完全清除感染。

走自己的路

抗生素通过多种机制发挥作用，如细胞壁生物合成、dna修复和阻断参与蛋白质合成的酶。 但是halicin不是常识牌。 破坏质子在细胞膜上的流动。

根据mit的报道，halicin在初步研究中表明细菌通过破坏细胞膜维持电化学梯度的能力来杀死细菌。 这个化学梯度是生成atp (细胞蓄积能量的分子)所不可缺少的。 这是因为梯度破裂会导致细胞凋亡。 研究人员表示，该杀伤机制可能难以对细菌产生耐药性。

柯林斯:实验表明，与抗生素环丙沙星比较，大肠杆菌在1日到3日内表现出耐药性，但30天后对halicin也不表现出耐药性。

进入新时代

发现halicin后，研究小组利用该模型，筛选了zinc15数据库中1亿多种分子。 zinc15是一个包含15亿种化合物新闻的在线数据库。

该模型仅3天就筛选出了23种与现有抗生素结构不同、可能对人类细胞无毒的候选分子。 细菌测试表明，其中8种分子具有抗菌活性，且2种功能较强。 研究人员目前计划进一步测试这些分子，并继续筛选zinc15数据库。

卡内基梅隆大学的计算生物学家鲍勃·墨菲说，利用计算方法发现和预测潜在药物特征的行业方兴未艾，最新的研究就是一个很好的例证。

墨菲指出，有科学家以前开发过ai方法，为了识别可能含有新抗生素的分子类型，发掘了庞大的基因和代谢物数据库。

但是柯林斯团队说，他们的做法和其他的不一样。 新模型不是搜索特定的结构和分子类别，而是训练神经互联网寻找具有特定活性的分子。

该小组计划与其他团队和企业合作，将halicin用于临床试验，使用模型设计新抗生素，优化现有分子。 例如，只杀死特定的细菌，防止特定抗生素杀死患者消化道的有益细菌。

巴兹利说，机器学习模式可以在计算机上探索大规模的化学空之间，但是以前流传到实验室的方法要做到这一点非常昂贵。 最新的研究提高了化合物鉴定的准确性，降低了筛选工作的价格。

以色列理工大学生物学和计算机科学教授罗克肖尼表示:“这项开创性的研究表明，抗生素的发现乃至更普遍的药物发现可以转化为范式，并应用于深度学习技术或抗生素开发的所有阶段，从而提高了药物修饰和药物化学对抗生素的改善效果和毒性。 (记者刘霞)