科学家利用人工智能成功发现一种强大的新型抗生素，可以消除“超级细菌”的杀菌能力。Halicin（顶行）可防止大肠杆菌对抗生素产生耐药性，而环丙沙星（底行）显然不会。深度学习有望成为应对细菌耐药性挑战的有力工具。新算法发现的药物在实验室测试中已有效杀死多种致命细菌，甚至包括一些耐药菌株。该算法还在其他八项计算机模拟测试中发现了有前途的候选药物的分子结构。我们如何建立一个可以发现抗生素的神经网络？答案可能与您的直觉判断不同。我们需要做的不是教它学习生物化学原理，而是让它从头开始自由探索，就像谷歌取得巨大成功的国际象棋和围棋程序AlphaZero所做的那样。麻省理工学院生物工程系博士后研究员JonathanStokes说，“我们不必提前向计算机提供任何信息，我们要做的就是输入一个分子和一个属性标签，并让计算机判断该分子在当前情况下是否具有抗菌性。在此基础上，模型自行学习哪些分子特征与抗菌能力的相关性更强，哪些分子特征在支持抗生素活性方面更好或更差。”正如研究人员在AlphaZero项目中发现的那样，设计复杂的深度学习模型通常能够针对定义明确但不受人类固有规则约束的问题快速开发出前所未有的解决方案。斯托克斯说，他和来自麻省理工学院、哈佛大学和加拿大麦克马斯特大学的合著者设计了一种深度学习算法，可以理解分子的化学性质。在这种情况下，化学性质算法在预测模拟分子的溶解度方面明显优于其他计算机模拟程序。Stokes说，这项最新研究更进了一步，希望将杀菌功效设置为算法的另一个可预测化学特性。该团队在包含1,000多种FDA批准的药物和植物或土壤中的天然化合物的数据库中训练其神经网络。数据库中的2335个分子都具有众所周知的化学结构和非常明确的抗菌/非抗菌特性。模型训练完成后，他们开始尝试分析新药数据库。后者包含超过6,000种化合物，这些化合物已被FDA批准为合格药物，或正在接受FDA批准。Stokes指出，该团队关注两个参数：抗菌效力（由深度学习算法确定）和与其他已知抗生素的化学相似性（使用TanimotoScore数学公式计算）。在Broad研究所的药物再利用中心，他们希望发现有效的抗生素化合物，同时确保这些潜在的新抗生素在化学上不同于任何以前已知的抗生素分子。确保与已知抗生素的结构差异的需要源于这样一个事实，即具有相似结构的分子同样无法解决菌株继续发展的强大耐药性。通过这种方式，该小组最终发现了名为Halicin的全新抗生素分子。虽然最初是为了寻找治疗糖尿病的药物而开发的，但Halicin似乎更具抗菌性，并且与四环素类抗生素和β-内酰胺类抗生素（其中最著名的是青霉素）具有完全不同的特性。分子结构。他解释说，“Halicin与现有的任何抗生素都非常不同。你可以随意联想并猜测它可能属于这些类别之一。但事实证明它不是，它是前所未有的。它真的很酷。”为此，他们还针对各种已知的危险细菌（例如大肠杆菌）进行了测试；Halicin还被尝试作为一种乳膏来治疗实验室小鼠的皮肤感染，这种感染无法被任何现有的抗生素治愈。“我们每天多次将Halicin局部涂抹在小鼠的皮肤上，”Stokes说。“然后我们观察了一天治疗后鲍曼不动杆菌的存活率。事实证明，Halicin确实消除了感染症状。”受到成功的激励，该团队随后使用该模型分析了更广泛的数据集，即包含超过1.2亿个化学分子的ZINC15在线数据库。他们再次向抗菌领域发起进攻，希望在满足抗菌功效要求的同时，保证新分子的化学结构尽可能远离已知抗生素。通过这种方式，他们进一步筛选了八个候选分子，但没有一个像Halicin一样在实验室进行过测试。Stokes说他的团队正在研究使用深度学习模型来发现窄谱抗生素。他总结道：“我们正在训练新模型，以寻找仅对特定细菌病原体有效但不影响肠道微生物组的抗生素。”此外，他表示，窄谱抗生素的优势之一是它们不太可能像广谱抗生素那样引起严重的耐药性。“我们目前使用的抗生素通常同时对许多不同的细菌具有活性，这一基本事实导致了抗生素耐药性的持续蔓延。相比之下，窄谱药物可以有效抑制这种耐药性的传播，开辟了新的可能性治病。”一条新的可持续道路。”
